车牌识别 · 铆钉去除方法

车牌识别中，每一步的效果直接影响整体的识别率，对车牌识别产生干扰的，不仅是车牌的污渍，还有铆钉。
一、举例说明，铆钉干扰使得车牌识别错误
1、车辆图片

2、通过颜色HSV确认车牌大致位置

3、截取车牌图像

4、二值化后，水平投影，从图片中可以很清楚看到铆钉

5、字符分割后的车牌

6、提取分割后的车牌字符

7、错误的识别结果

二、改善方法
这里针对车牌识别的干扰去除方法加以改善。
1、原先博文中车牌识别中去除铆钉的方法，只是用投影的方法。粗略计算铆钉在车牌的上方，白点信息较少，通过水平投影计算每一行的白点数
但是当铆钉嵌入字符中间时，仍然无法去除干扰。
2、这里采用直接出去铆钉的方法，
1)、首先尽量分离字符与铆钉的链接
2)、计算每行的跳变次数，一边铆钉所在行，都是两次，不大于3次，超过7次的，就是字符区域所在行。
这里使用的方法是在跳变次数小于5的行里面，全局搜索白点，然后计算它的宽度和高度，如果宽度大于15个像素，高度大于25个像素(这里车牌归一化后字符大小为20X40)，那么他就不是铆钉，否则就当做铆钉删掉。
全局遍历代码：

for(i = 0; i < img->height/3; i++)
{
if(PointChg && PointChg < 5)//每行跳变次数
{
for(j = 0; j < img->width; j++)
{
if(dst[i * img->width + j] >= 200 && flag1 == 0)//发现白点即遍历
{
x1 = x2 = j;
y1 = y2 = i;
delRivet(img, dst, &flag, j, i, &x1, &y1, &x2, &y2, 15, 25);
//display8(*img, dst, 0, 0);
flag1 = 1;
}
if(dst[i * img->width + j] == 0 && flag1 == 1)
{
flag1 = 0;
}
}
break;
}
}

[color=rgb(51, 102, 153) !important]复制代码
删除铆钉的函数
img：用了记录车牌的宽度高度信息等
dst：是二值化后的车牌信息，即要遍历查找铆钉的空间
*flag:用来标志是不是铆钉
*x1, *x2 用来计算铆钉宽度 *x2-*x1;
*y1, *y2 同上
xlength，ylength，设置铆钉宽度高度阈值。

static int direction[4][2]={{1, 0}, {-1, 0}, {0, 1}, {0, -1}};
int delRivet(Bmp1 *img, byte *dst, int *flag, int x, int y, int *x1, int *y1, int *x2, int *y2, int xlength, int ylength)
{
int i;
int tmp;
int x0, y0;
tmp = dst[y * img->width + x];
if((*x2 - *x1 > xlength) || (*y2 - *y1) > ylength)
{
*flag = 1;
return 0;
}
dst[y * img->width + x] = 0;
for(i = 0; i < 4; i++)
{
x0 = x + direction[0];
y0 = y + direction[1];
if(x0 > 0 && x0 < img->width && y0 > 0 && y0 < img->height && dst[y0 * img->width + x0] && (*flag == 0))
{
if(*x1 > x0)
*x1 = x0;
else if(*x2 < x0)
*x2 = x0;
if(*y1 > y0)
*y1 = y0;
else if(*y2 < y0)
*y2 = y0;
delRivet(img, dst, flag, x0, y0, x1, y1, x2, y2, xlength, ylength);
//display8(*img, dst, 0, 0);
}
}
if(*flag)
{
dst[y * img->width + x] = tmp;
}
return 0;
}

[color=rgb(51, 102, 153) !important]复制代码
3）、去除铆钉的车牌

4）、正确分割

5)、正确提取字符

6)、正确识别结果

源码稍后，提供，车牌识别的代码，我将继续优化，提高识别率，尽早能够应用在arm平台上。

车牌识别--铆钉的去除