机器视觉——车牌识别实验汇总

article/2025/3/12 19:47:59

文章目录

前言
一、车牌识别背景资料简介
二、实现车牌识别步骤
- 1.图像采集（Image Correction）
- 2.角度修正（Angle Correction）
- 3.字符分割第一次分割
- 4.车牌定位（License Plate Location）
- 5.字符分割第二次分割
- 6.字符识别（Character recognition）
总结

前言

经过几周繁忙的学习，这两周变得清闲了起来O(∩_∩)O，上上周在我去上海参加培训时，学校的实习周也请来了深圳的公司为我们专业进行为期一周的机器人实训。在我从上海回来后刚好赶上了个尾巴，因为刚培训完视觉，我对这方面的兴趣正浓。回来后我义无反顾的又开始了新的学校，通过问同学，问老师，紧赶慢赶的追上了一些。闲来无事就随便写写。

一、车牌识别背景资料简介

车牌识别在停车场和高速公路车辆管理中得到广泛应用，车牌识别技术也是识别车辆身份的主要手段。车牌识别技术结合电子不停车收费系统（ETC）识别车辆，过往车辆通过道口时无须停车，即能够实现车辆身份自动识别、自动收费。在车场管理中，为提高出入口车辆通行效率，车牌识别针对无需收停车费的车辆（如月卡车、内部免费通行车辆），建设无人值守的快速通道，免取卡、不停车的出入体验，正改变出入停车场收费管理系统模式。

二、实现车牌识别步骤

1.图像采集（Image Correction）

（1）读入图像并且得到图像的尺寸信息

read_image (Image,'./ImageCardOfCar (1)’)
get_image_size (Image, Width, Height)

在这里插入图片描述

2.角度修正（Angle Correction）

（1）以图片中点为旋转点进行旋转

    text_line_orientation (Image, Image, 50, rad(-50), rad(50), OrientationAngle)rotate_image (Image, ImageRotate, -OrientationAngle / rad(180) * 180, 'constant')emphasize (ImageRotate, ImageEmphasize, 7, 7, 1)

在这里插入图片描述
（2）获得车牌的灰度图像信息

    median_image (ImageRotate, ImageMedian, 'circle', 5.5, 'mirrored')decompose3 (ImageEmphasize, r, g, b)trans_from_rgb (r, g, b, h, s, v, 'hsv')

在这里插入图片描述

3.字符分割第一次分割

（1）动态阈值第一次分割（v通道）

    mask_H:=25mask_w:=15mean_image ( v, Region,mask_w, mask_H)offset:=21dyn_threshold ( v, Region, RegionDynThresh, offset, 'light’)

在这里插入图片描述
（2）连通域分割

connection ( RegionDynThresh, ConnectedRegions)

（3）特征筛选

    select_shape (ConnectedRegions, SelectedRegions, ['area','width','height'], 'and', [59.32,0,21],  [340,21.67,54.067])union1 (SelectedRegions, RegionFillUp1) dilation_rectangle1 (RegionFillUp1, RegionDilation1, 11,7)

在这里插入图片描述
（4）连通域分割

    connection (RegionDilation1, ConnectedRegions4)*筛选最大面积区select_shape_std (ConnectedRegions4, SelectedRegions3, 'max_area', 70)

在这里插入图片描述
（5）孔洞填充

    fill_up (SelectedRegions3, RegionFillUp1)shape_trans (RegionFillUp1, RegionTrans2, 'rectangle2')

在这里插入图片描述

4.车牌定位（License Plate Location）

（1）筛选车牌矩形

count_obj (RegionTrans2, Number)gen_empty_obj (ROI)for i := 1 to Number by 1select_obj (RegionTrans2, ObjectSelected, i)region_features (ObjectSelected, 'rect2_len1', Value1)region_features (ObjectSelected, 'rect2_len2', Value2)a:=Value1/Value2if (a>1.1 and a<4.0)         concat_obj (ROI, ObjectSelected, ROI)endifendforcount_obj (ROI, Number1)dev_display (ImageRotate)dev_display (ROI) erosion_rectangle1 (ROI, RegionErosion, 9, 8)*缩小图像定义域reduce_domain (ImageEmphasize, RegionErosion, ImageReduced)

在这里插入图片描述

5.字符分割第二次分割

（1）动态阈值第二次分割

    mask_H:=32mask_w:=16mean_image ( ImageReduced, thresholdImage,mask_w, mask_H)offset:=1dyn_threshold ( ImageReduced, thresholdImage, RegionDynThresh, offset, 'light’)

在这里插入图片描述
（2）连通域分割

connection (RegionDynThresh, ConnectedRegions2)

（3）特征筛选

select_shape (ConnectedRegions2, SelectedRegions2, ['width','area','height'], 'and', [0,0,9.367], [185.73,800.67,31.433])dilation_circle (SelectedRegions2, RegionDilation, 1)*union1 (RegionDilation, RegionUnion)

在这里插入图片描述
（4）连通域分割

   connection (RegionUnion, ConnectedRegions3)

在这里插入图片描述

6.字符识别（Character recognition）

（1）排序

sort_region (RegionIntersection, SortedRegions, 'character', 'true', 'column’)

（2）加载机器学习模型

read_ocr_class_mlp ('charact.omc', OCRHandle)

（3）确定一个显示位置

    shape_trans (SortedRegions, RegionSamllestRect, 'rectangle1')area_center (RegionSamllestRect, Area1, Row1, Column1)RowMean:=mean(Row1)count_obj (SortedRegions, Number2)dev_clear_window ()dev_display (Image)for Index1 := 1 to Number2 by 1select_obj (SortedRegions, Obj, Index1)

在这里插入图片描述
（4）单个字符识别

do_ocr_single_class_mlp (Obj, ImageReduced, OCRHandle, 1, Class, Confidence1)

在这里插入图片描述
（5）将识别到的字符全部记录下来

  *Confidence置信度if (Confidence1>0.8)Confidence_:=[Confidence_,Confidence1]Class_Bottle:=[Class_Bottle,Class]disp_message (3600,  Class, 'image', RowMean+15,  Column1[Index1-1], 'yellow', 'false')endifendforstop()
endfor