master_opencv关于车牌识别工程框架整理

最近学习master_opencv中第五章关于车牌识别的部分，想整理一个算法的框架出来，方便自己回顾的同时如果能给大家带来一点帮助，也算是对自己的鼓励吧。

整个算法分成两个阶段：1.车牌获取；2.车牌识别。在它们之下又分了不同的版块。

一.车牌检测部分：

1.车牌检测

车牌的检测主要是一些基础的数字图像处理，包括高斯滤波，sobel求取梯度边缘，形态学膨胀，提取图形轮廓，漫水填充算法精确定位车牌位置。

步骤如下：

输入：包含车牌的图片；

a. RGB图转灰度图；

b. 高斯滤波，去除噪声；

c. sobel 算子求取梯度边缘；

d. 阈值处理；

e 形态学膨胀 （车牌区域会被膨胀而形成一块联通的区域）；

f. 提取图像轮廓 ；

g. 漫水填充算法更加精确的锁定车牌位置（基于车牌的背景色单一）；

输出： 疑似的车牌区域集合。

2.车牌分割

基于车牌检测部分得到的疑似车牌区域集合，分割出这些区域，并对这些区域进行几何图形变换，直方图均衡，使得到的数据标准化，更有益于SVM模型的训练。

a. 根据标准车牌的长宽比，设定一个误差范围，验证疑似车牌区域，剔除明显不是车牌的区域；

b. 对剩余区域进行几何图形变换（仿射变换），对形状进行标准化；

c. 直方图均衡，增强对比度。

3.基于SVM的车牌验证

a. 特征提取（文中只是简单的利用图像的灰度值作为特征，还有其他特征可以作为选择：一阶差分特征，LBP，gabor特征等）

b.offline 训练模型

c. online测试模型

二.车牌识别部分：

1.字符分割

对之前SVM模型线上检测后得到的正确车牌进行字符分割，得到单个的字符，以便进一步进行识别。

a. 灰度图转换；

b. 阈值处理得到二值图像；

c. 提取图像轮廓 ；

d. 字符验证

2.基于ANN算法的OCR

a. 特征提取（低分辨率的图像，水平方向累积直方图，垂直方向累积直方图）

b. offline训练ANN 模型

c. online 测试 ANN 模型