基于halcon的车牌的图像识别_整理.pdfVIP

饭疏食，饮水，曲肱而枕之，乐亦在其中矣。不义而富且贵，于我如浮云。——《论语》

基于halcon的车牌的图像识别

其实车牌图像识别从技术上已经比较成熟，从理论上来说无外乎就是如下几个步骤：

灰度化：实际就是对原始车牌图片进行预处理，把彩色图片转化为黑白图片，然后对不

符合指定阙值范围的灰度值进行过滤。

车牌定位：这是技术难点之一，根据我的经验，定位车牌位置对于车牌的准确识别而言

实际上就成功了60%。很多车牌识别的产品都对车牌的定位预留了很多配置参数，例如截

取原始图片的位置参数、车牌的长宽比例、大小等等，这些都是为了提高车牌定位的准确率。

字符分割：车牌定位后是字符分割，本人使用的识别过程是：对定位的车牌位置进行降

噪处理=边界模糊=从右向左找出前6个封闭的图形=剩余的封闭图形综合为一个图形进

行汉字的识别。

字符识别：就是根据字符模板进行模板匹配，因此需预先建立相应的字符模板。基于图

像进行字符识别也可配置很多参数来大大提高字符的识别率。例如限定车牌头的字符，车牌

各位字符的识别优先级等等。

以下通过大车黄牌号码为例，看看车牌识别的效果。

1、原始图片如下图所示：

2、限定车牌识别区域，本例中将裁剪掉上下左右各10%的区域：

get_image_pointer1(FullImage,Pointer,Type,Width,Height)

gen_rectangle1(Rectangle,Height*0.1,Width*0.1,Height*0.9,Width*0.9)

reduce_domain(FullImage,Rectangle,Image)

看看裁剪结果：

饭疏食，饮水，曲肱而枕之，乐亦在其中矣。不义而富且贵，于我如浮云。——《论语》

3、把选中的区域灰度化，方便后续处理：

decompose3(Image,Red,Green,Blue)

trans_from_rgb(Red,Green,Blue,Hue,Saturation,Intensity,hsv)

灰度化后的效果图：

4、灰度阙值过滤，本例中只选中灰度值在100至255之间的区域，可根据实际情况进

行相应的设置，然后进行降噪处理：

饭疏食，饮水，曲肱而枕之，乐亦在其中矣。不义而富且贵，于我如浮云。——《论语》

threshold(Saturation,HighSaturation,100,255)

remove_noise_region(HighSaturation,OutputRegion,n_48)

过滤降噪后的效果，和实际的位置很接近了吧！

5、根据预定义的车牌长宽比例等查找符合特定特征的区域：

代码

connection(OutputRegion,ConnectedRegions1)

closing_rectangle1(ConnectedRegions1,RegionClosing1,10,10)

select_shape(RegionClosing1,ASelectedRegions,area,and,3000,9000)

select_shape(ASelectedRegions,HSelectedRegions,height,and,30,90)

select_shape(HSelectedRegions,SelectedRegions,width,and,60,180)

效果图如下，分割成了多个区域哈：

饭疏食，饮水，曲肱而枕之，乐亦在其中