Quels sont les bons algorithmes pour la plaque d'immatriculation de détection?

Il y a un certain nombre d'approches que vous pouvez prendre, mais la première stratégie qui apparaît à l'esprit est:

• De découverte et de recherche: Identifier le jeu de couleurs et de polices de caractères que vous devez identifier. Si votre photo de l'échantillon est représentatif de la plupart des Britanniques des plaques, alors votre travail est rendu plus facile. E. g. Simple, singulière, de la police et de lettrage noir sur fond blanc
• Code: Tenter d'identifier une zone rectangulaire d'une image où les couleurs sont principalement le blanc et le noir. Ce n'est pas terriblement mathématiques-lourd problème et il devrait vous donner la plaque d'immatriculation de la région de se concentrer sur.
• Code: Faire un peu de ménage sur votre sous-région tels la conversion en noir et blanc (monochrome) et peut-être mise à l'échelle/déplacer dans un bon serrée de rectangle.
• Utilisation de l'API: la Prochaine employer un existant de l'OCR (reconnaissance optique de caractères) de l'algorithme sur votre sous-image sélectionnée de la région afin de voir si vous pouvez lire le texte.

Comme je l'ai dit, c'est une stratégie de beaucoup, mais il me vient à l'esprit comme celui qui nécessite le moins de lourde les maths... c'est si vous pouvez trouver un OCR de mise en œuvre qui va travailler pour vous.

Voici comment je suggère que vous devriez faire cette tâche. Lire ma réponse détaillée ici.

1. Convertir en niveaux de Gris.
2. Flou gaussien avec 3x3 ou 5x5 filtre.

3. Appliquer le Filtre de Sobel pour trouver des bords verticaux.

   Sobel(gray, dst, -1, 1, 0)

4. Seuil de la résultante de l'image pour obtenir une image binaire.
5. Appliquer un morphologiques opération de fermeture avec un élément de structuration.
6. Trouver les contours de l'image résultante.
7. Trouver minAreaRect de chaque contour. Sélectionnez les rectangles en fonction de l'aspect ratio et la superficie minimale et maximale.
8. Pour chaque contour, trouver densité de lamelles. Définir un seuil pour le bord de la densité et de choisir les rectangles violation de ce seuil que possible de la plaque de régions.
9. Quelques rectangles restera après cette. Vous pouvez les filtrer en fonction de l'orientation ou de l'un quelconque des critères que vous jugez approprié.
10. Clip ces détecté rectangulaire portions d'une image après adaptiveThreshold de l'original (niveaux de gris) image et de lui appliquer l'OCR.

Il vous dit exactement comment faire pour calculer le bas chapeau de transformation(sorte de ressemble à une inversion de seuil progressif transformer pour moi).

Première chose à faire est de mettre en œuvre les deux de la morphologie des fonctions de dilatation et d'érosion.

Pour ce faire vous avez besoin de votre f et b puis vous calculez la fonction sur une petite région de l'image à un point de maintien de la plus grande valeur trouvée.

(f ⊕ b)(s, t) = max{f (s − x, t − y) + b(x, y)
|(s − x), (t − y) ∈ Df ; (x, y)∈Db}

Ce qui ce dit est, prendre le maximum de l'expression sur tous les points dans la région de domaine(comme un petit rectangle centré à votre point (s,t).

simple pseudo code serait

max = -infinity //for the point (s,t) on the image, must compute this for all points
for(x = -5 to 5)
for(y = -5 to 5)
max = Max(max, f(s - x, t - y) + b(x,y))

effectivement, nous avons maintenant une nouvelle image de la max des valeurs.

Il est en fait assez simple afin de ne pas rendre plus difficile qu'elle ne l'est(nous sommes simplement en ajoutant b(x,y) de chaque point de la région et de trouver celui qui donne la valeur maximale).

vous faites la même chose pour l'érosion(très similaire à ci-dessus)

Maintenant l'ouverture et la clôture est la composition des deux

Vous pouvez penser d'abord que l'exécution d'une dilatation et puis une érosion pour une ouverture.

Il dit enfin soustraire à la clôture de l'image d'origine et vous devriez avoir votre transformation.

Vous pouvez également vous reporter à
Automatique de Reconnaissance de Plaque d'immatriculation de la bibliothèque & cette requête. Cela permettra également de vous donner une idée sur la façon d'aborder les choses,et comment les solutions existantes.

Mais comme répondu par paul, vous devriez d'abord essayer de trouver l'rectangulaire de la plaque du numéro de l'image complète et puis binariser puis utilisez le ROC de bibliothèques (Tesseract serait recommandé)

Vous pouvez vous référer à ce lien qui vous aidera à trouver la plaque rectangulaire. Vous avez besoin d'utiliser openCV bibliothèques, de sorte que vous n'aurez pas besoin de beaucoup de maths mais oui une compréhension de base de ce qui se passe derrière les coulisses, peut vous aider à résoudre le problème dans une meilleure façon.