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：
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：
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：