OpenCV：爲OCR分離車牌字符

Question

我正在嘗試自動讀取車牌。 我已經培訓了一個OpenCV哈爾級聯分類器，以隔離源圖像中的牌照以合理成功。這裏是一個例子（注意黑色邊界矩形）。 在此之後，我試圖清理車牌爲兩種：

• 通過SVM隔離分類單個字符。
• 將清潔後的車牌提供給Tesseract OCR並提供有效字符的白名單。

要清理的板塊，我執行以下變換：

# Assuming 'plate' is a sub-image featuring the isolated license plate 
height, width = plate.shape 
# Enlarge the license plate 
cleaned = cv2.resize(plate, (width*3,height*3)) 
# Perform an adaptive threshold 
cleaned = cv2.adaptiveThreshold(cleaned ,255,cv2.ADAPTIVE_THRESH_GAUSSIAN_C, cv2.THRESH_BINARY,11,7) 
# Remove any residual noise with an elliptical transform 
kernel = cv2.getStructuringElement(cv2.MORPH_ELLIPSE,(3,3)) 
cleaned = cv2.morphologyEx(cleaned, cv2.MORPH_CLOSE, kernel) 

我在這裏的目標是同時去除任何噪音的字符黑色，背景分離爲白色。

使用這種方法，我發現我一般得到的三種結果之一：

圖片太吵了。

過多去除（字符脫節）。

合理（所有字符分離並一致）。

I've included the original images and cropped plates in this album.

我認識到，由於車牌的性質不一致，我可能會需要一個更加動態的清理方法，但我不知道從何處着手。我試過玩閾值和形態函數的參數，但這通常只會導致對一幅圖像過度調整。

如何提高清理功能？

Answer 1

你想要做的事情非常具有挑戰性，你展示的樣品仍然很容易。

首先，重要的是要獲得主要角色區域的良好定界。

對於垂直定界，請嘗試查找充當分隔符的水平白線。對於「太嘈雜」等較難處理的情況，您可以計算水平線上的統計數據，例如白色和黑色運行的分佈 - 計數，平均長度，長度偏差 - 以及查找真正字符與行之間的區分參數額外的功能（順便說一下，這將隱式檢測白線）。

這樣做，您將獲得由相同類型的行形成的矩形，可能會意外地將其分割。嘗試合併似乎屬於真字符的矩形。下一步的處理將被限制在這個矩形中。

對於垂直劃界來說，事情並不是那麼容易，因爲你會看到字符被分割以便垂直線可以遍歷它們的情況，以及不同字符被灰塵或其他混亂物體連接的情況。 （在一些可怕的情況下，字符可以在擴展區域上觸摸）。

通過類似於上述的技術，找到候選垂直線。現在除了形成幾個假設之外別無其他選擇，並列舉了這些分隔符的可能組合，受限於字符在它們的軸之間具有最小間距的事實。

形成這些假設後，您可以通過執行字符識別和計算總分來決定最佳組合。 （在這個階段，我不認爲有可能在不知道字符可能的形狀的情況下進行分割，這就是爲什麼識別能夠發揮作用。）