车牌识别源代码份流程.doc

车牌识别源代码部份流程(供参考一) 2009年12月21日 星期一 09:11 ????? 实际上车牌识别代码量并不是很大，如果不停的手工输入；用不到一天的时间，即可大功告成。但是程序需要反复调试，才可以走向成熟。所以工作量是很大的。另外车牌识别还有其本身的特点——理论并不成熟。这就给车牌识别带来了更多的工作量。一般来说，开发车牌识别程序，先按照最原始最朴素的思想编码，然后是不断地优化。这将贯彻到整个车牌识别的开发过程中去。 ??? ?????? 车牌识别最基本的流程是：将采集后的图像二值化，然后依次经过车牌定位、字符分割、去除干扰，最后是字符识别。有时还会加入本节前面部分所叙述的思想（比如回溯）。 下面将分五章具体介绍每一个模块。 一、二值化 二值化是车牌识别的第一步。二值化前后的对比如下图： 二值化的算法很简单，首先有一个亮度的阈值(threshold)，对每一个像素的亮度和这个阈值做比较，根据比较结果得出车牌的前景和背景。用c/c++描述如下： void CLPR::Binary(int threshold) { int y; for(y=0;ym_height;y+++) { int x; for(x=0;xm_width;x++) { unsigned char red,green,blue; GetPixel(red,green,blue,x,y); int bright; bright=red+green; if(m_search_blue_plate) { if(bright=threshold) SetBinary(x,y,BACKGROUND); else SetBinary(x,y,FOREGOUND); } else //we are searching yellow plate { if(bright=threshold) SetBinary(x,y,FOREGOUND); else SetBinary(x,y,BACKGROUND); } } } } 二值化算法虽然简单，但是阈值却不容易寻找。本章后面的部分，将重点介绍各种求解阈值的算法。 1、OTSU算法 OTSU算法的思想是：把输入图像首先转换成灰度图象，然后对图像进行直方图分析。如果直方图呈双峰分布。那么双峰之间的“谷”就是阈值。从统计学角度讲，阈值两边的距离最大。 由于车牌识别的特殊性，图象象素点的亮度为该象素点的红色分量和绿色分量的和，并且忽略蓝色分量。这一点对蓝色车牌和黄色车牌都是适用的。 OTSU算法仅对直方图呈双峰分布的图像有效。 全部代码如下： void LPR::OTSU() { //直方图统计 { int index; for(index=0;indexm_bright_level_count;index++) m_pixel_number[index]=0; } { int y; for(y=0;y=m_height;y++) { int x; for(x=0;x=m_width;x++) { int bright; bright=Bright(x,y); m_pixel_number[bright]++; } } } //真正求阈值 double sum; sum=0; int n; n=0; int k; for(k=0;k=(m_bright_level_count-1);k++) { sum+=k*m_pixel_number[k]; n+=m_pixel_num