#include "stdafx.h"
#include "opencvCar.h"
#include "MyDialog.h"
#ifdef _DEBUG
#define new DEBUG_NEW
#undef THIS_FILE
static char THIS_FILE[] = __FILE__;
#endif
#define DEBUGTEST
#define POINT_X 18 // 水平方向不重叠点
#define POINT_Y 2 // 垂直方向不重叠点
#define WITH_X 0.1 // 水平方向车牌在图区域
#define WITH_Y 0.2 // 垂直方向车牌在图区域
#define HIGH_WITH_CAR 4.8 //(440/85) // 小车的宽高比 440/140
#define CHARACTER 15
#define TEMPLETENUM 44
char traingout[];
char msg[];
int num_t_out[CHARACTER]={0};
// 车牌字符模板特征值
const int Num_Templete[TEMPLETENUM][CHARACTER]=
{
{16,19,10,12,10,10,15,18,110,3,2,2,3,3,3}, //0
{9,11,10,10,10,10,9,10,79,2,2,2,0,2,12}, //1
{18,19,3,18,10,10,23,22,123,4,2,2,7,6,8}, //2
{19,21,11,14,4,20,18,22,129,2,2,4,6,6,7}, //3
{2,18,11,22,20,21,11,18,123,2,4,2,6,7,5}, //4
{23,19,20,12,9,20,18,22,143,2,4,4,6,6,6}, //5
{6,13,17,8,15,20,18,20,117,2,2,4,5,7,6}, //6
{21,21,0,20,8,12,9,11,102,2,2,2,2,8,15}, //7
{17,18,18,19,14,20,17,20,143,4,2,4,6,6,6}, //8
{16,18,15,21,7,19,13,7,116,3,2,2,6,6,5}, //9
{10,10,16,16,20,20,18,19,129,2,4,2,8,3,6}, //A
{24,20,20,19,22,22,24,20,171,4,8,4,6,6,6}, //B
{18,19,20,4,20,8,17,21,127,3,2,4,4,4,4}, //C
{23,19,11,20,12,20,22,21,148,3,3,3,4,4,4}, //D
{23,19,21,9,22,8,23,23,148,2,2,2,6,6,6}, //E
{25,17,20,9,22,8,19,0,120,2,2,2,4,4,4}, //F
{17,18,22,14,12,24,18,21,146,4,7,4,4,6,6}, //G
{14,20,18,22,17,22,16,20,149,4,1,4,2,2,2}, //H
{0,17,0,20,3,20,18,22,100,2,2,4,2,2,2}, //J
{19,20,26,10,20,20,20,22,157,4,4,4,3,5,11}, //K
{20,0,20,0,20,0,25,20,105,2,2,2,2,2,2}, //L
{20,10,27,17,20,10,22,14,140,1,3,3,4,1,5}, //M
{21,12,25,17,26,12,18,18,149,3,5,3,5,5,6}, //N
{23,19,18,20,21,8,22,0,131,3,3,2,4,4,4}, //P
{18,19,20,10,26,15,18,21,147,3,3,4,5,7,5}, //Q
{26,19,21,18,21,17,20,21,163,4,3,4,4,6,5}, //R
{18,18,18,10,8,17,17,22,128,4,3,4,6,6,6}, //S
{22,18,10,10,10,10,10,10,100,2,2,2,33,2,2}, //T
{18,12,20,10,20,10,19,21,130,3,3,3,2,2,2}, //U
{20,19,20,20,15,14,9,10,127,4,4,2,9,1,8}, //V
{21,25,26,28,16,16,21,19,172,6,2,4,13,0,7}, //W
{21,21,13,13,12,11,22,21,134,4,2,4,8,0,10}, //X
{21,20,10,11,10,10,10,11,103,3,2,2,5,2,6}, //Y
{21,23,5,15,15,5,24,20,128,2,2,2,8,8,7}, //Z
{13,14,10,10,10,10,13,13,93,2,2,2,29,2,29}, //I
{20,20,13,20,19,12,17,20,141,3,3,4,4,4,4}, //O //36
{14,15,17,17,16,10,25,24,138,0,2,4,12,8,9}, //云 //37
{17,20,17,12,33,28,23,20,170,3,4,7,13,6,4}, //苏
{21,21,23,24,24,25,31,27,196,0,9,6,8,6,7}, //京
{19,27,20,34,19,36,24,37,216,4,4,7,13,28,3}, //湘
{17,14,23,27,36,40,26,27,210,4,13,4,16,14,14}, //鲁
{24,24,32,38,34,32,17,22,223,9,6,10,11,12,9}, // 粤
{22,20,33,37,25,24,24,25,210,13,3,6,12,8,7}, //蒙
{20,18,30,25,36,29,24,27,0,5,4,7,8,6} //皖 24,20,30,24,37,30,25,27,0,5,4,7,9,8,不是特别准确 还需要训练
/*识别过程：将待识别字符规一化成40*20的标准字符。然后提取特征：
1. 前8个的特征的特取算法是将规一化一的字符打成4行2列的网格，分别统计各网格内的灰度值。
2. 第9个特征为前8个特征的和；
3. 10－12个特征分别为第10行，20行，30行的灰度值和；
4. 13-15个特征分别为第7列，10列，13列的灰度值和；
总共是15维的特征。 特征值已经在界面显示，如果不需要可以资源视图删除。算法不是很好，只是应付毕业论文级别。注释已经尽可能仔细，值得研究*/
};
char msg[256];
//车牌字符
char *PlateCode[TEMPLETENUM] =
{
"0", "1", "2", "3", "4" ,
"5","6", "7", "8", "9",
"A", "B", "C", "D","E",
"F", "G","H", "J", "K",
"L", "M", "N","P", "Q",
"R", "S", "T", "U", "V",
"W","X", "Y", "Z", "I", "O",
"云", "苏","京", "湘", "鲁","粤","蒙","皖"
};
char *G_PlateChar[7]={"没", "有","找", "到", "车", "牌" ,"!"}; // 车牌号
/////////////////////////////////////////////////////////////////////////////
// CMyDialog dialog
CMyDialog::CMyDialog(CWnd* pParent /*=NULL*/)
: CDialog(CMyDialog::IDD, pParent)
{
//{{AFX_DATA_INIT(CMyDialog)
// NOTE: the ClassWizard will add member initialization here
//}}AFX_DATA_INIT
//初始化 变量
IplImage *src = NULL; //原始图片
IplImage *pImgCanny=NULL; //二值化的图
IplImage *pImgResize=NULL; //归一化的车牌区域灰度图
IplImage *pImgCharOne=NULL; //字符图片 七个
IplImage *pImgCharTwo=NULL;
IplImage *pImgCharThree=NULL;
IplImage *pImgCharFour=NULL;
IplImage *pImgCharFive=NULL;
IplImage *pImgCharSix=NULL;
IplImage *pImgCharSeven=NULL;
}
void CMyDialog::DoDataExchange(CDataExchange* pDX)
{
CDialog::DoDataExchange(pDX);
//{{AFX_DATA_MAP(CMyDialog)
// NOTE: the ClassWizard will add DDX and DDV calls here
//}}AFX_DATA_MAP
}
BEGIN_MESSAGE_MAP(CMyDialog, CDialog)
//{{AFX_MSG_MAP(CMyDialog)
ON_BN_CLICKED(IDC_LOADIMAGE, OnLoadimage)
ON_BN_CLICKED(IDC_BINARYIMG, OnBinaryimg)
ON_BN_CLICKED(IDC_CARLOCATE, OnCarlocate)
ON_BN_CLICKED(IDC_SPLITCAR, OnSplitcar)
ON_BN_CLICKED(IDC_SHIBIECAR, OnShibiecar)
ON_BN_CLICKED(ID_HELP, ABOUT)
//}}AFX_MSG_MAP
END_MESSAGE_MAP()
/////////////////////////////////////////////////////////////////////////////
// CMyDialog message handlers
//把图像显示在 MFC图片控件里
void CMyDialog::DrawPicToHDC(IplImage *img, UINT ID)
{
CDC *pDC = GetDlgItem(ID)->GetDC();
HDC hDC = pDC->GetSafeHdc();
CRect rect;
GetDlgItem(ID)->GetClientRect(&rect);
CvvImage cimg;
cimg.CopyOf(img,3);
cimg.DrawToHDC(hDC,&rect);
ReleaseDC(pDC);
}
//打开图片 并记录下路径
void CMyDialog::OnLoadimage()
{
// TODO: Add your control notification handler code here
src = NULL ;
CString filePath;
CFileDialog dlg(TRUE, _T("*.bmp"),"",OFN_FILEMUSTEXIST|OFN_PATHMUSTEXIST|OFN_HIDEREADONLY,"image files (*.bmp; *.jpg) |*.bmp;*.jpg|All Files (*.*)|*.*||",NULL);
char title[]= {"Open Image"};
dlg.m_ofn.lpstrTitle= title;
if (dlg.DoModal() == IDOK) {
filePath= dlg.GetPathName();
//LoadBmpFile(filePath);
src=cvLoadImage(filePath);
DrawPicToHDC(src,IDC_IMAGESRC);
}
pImgCanny=cvCreateImage(cvSize(src->width,src->height),IPL_DEPTH_8U,1); // 2值化后图片大小初始化
cvCvtColor(src,pImgCanny,CV_RGB2GRAY); //转化为灰度图 openCV函数 Y = 0.299*R + 0.587*G + 0.114*B
// 转为灰度图 Y=0.299*R + 0.587*G + 0.114*B
cvSmooth(pImgCanny,pImgCanny,CV_GAUSSIAN,3,0,0); //平滑高斯滤波 滤波后的图片保存在 pImgCanny
}
/* ----------------------自适应阈值法---------------------------------//
//--input： t：中心阈值
//-- Image: 图片指针
//-- output: return 自适应均值的阈值
//-------------------------------------------------------------------------*/
int CMyDialog::AdaptiveThreshold(int t, IplImage *Image)
{
int t1=0,t2=0,tnew=0,i=0,j=0;
int Allt1=0,Allt2=0,accountt1=0,accountt2=0;//Allt1 Allt2 保存两部分的和
for(j=0;j<Image->height;j++) //根据现有T，将图像分为两部分，分别求两部分的平均值t1、t2
{
for(i=0;i<Image->width;i++)
{
if(CV_IMAGE_ELEM(Image,uchar,j,i)<t)
{
Allt1+=CV_IMAGE_ELEM(Image,uchar,j,i);
accountt1++;
}
else
{
Allt2+=CV_IMAGE_ELEM(Image,uchar,j,i);
accountt2++;
}
}
}
t1=Allt1/accountt1;
t2=Allt2/accountt2;
tnew=0.5*(t1+t2);
if(tnew==t) //若t1、t2的平均值和t相等，则阈值确定
return tnew;
else
AdaptiveThreshold(tnew,Image); //不等则以t1、t2的平均值为新阈值迭代
}
/* -----------------------二值化-----------------------------------------//
// --Input：
// IplImage *Image: 图片指针
// int AdaptiveThreshold(int t,IplImage *Image) //自适应阈值法
//-- Output:
// IplImage *Image_O 二值化后的图片
//-- Description:
// 采用Canny边缘检测二值化
//-------------------------------------------------------------------------*/
void CMyDialog::Threshold(IplImage *Image, IplImage *Image_O)
{
//得到图片的最大灰度值和最小灰度值
int thresMax=0,thresMin=255,i=0,j=0,t=0;
for(j=0;j<Image->height;j++)
for(i=0;i<Image->width;i++)
{
if(CV_IMAGE_ELEM(Image,uchar,j,i)>thresMax) //像素值 大于 255
thresMax=CV_IMAGE_ELEM(Image,uchar,j,i); //把元素值赋给 thresMax
else if(CV_IMAGE_ELEM(Image,uchar,j,i)<thresMin) //如果小于 0
thresMin=CV_IMAGE_ELEM(Image,uchar,j,i); //则 改变thresMin
}
//int T=(thresMax+thresMin)*0.5; //灰度的最大值和最小值的平均
cvCanny(Image,Image_O,AdaptiveThreshold((thresMax+thresMin)*0.5,Image),thresMax*0.7,3);
//小阈值用来控制边缘连接 大阈值用来控制强边缘的初始化分割 cvCanny只接受单通道的输入
}
//车牌区域检测
/***************************************************
INPUT : pImg_Image 二值化后的图像
src 原始图像
OUTPUT : pImgResize 归一化后的车牌灰度图像
Description :
输出归一化图片大小 40*20
归一化的区域为在在原始图片(src) 归一化之后，在再二值化后 图
定位方法： 水平分割，垂直分割，归一化。
***********************************************************/
int CMyDialog::PlateAreaSearch(IplImage *pImg_Image)
{
if (pImg_Image==NULL) { return 0; } // 检测是否有值
IplImage* imgTest =0;
int i=0, j=0,k=0,m=0;
bool flag=0;
int plate_n=0 ,plate_s=0,plate_e=0 ,plate_w=0; //关于车牌的一些变量
int *num_h=new int[max(pImg_Image->width,pImg_Image->height)];
if ( num_h==NULL )
{
//cout<<"memory exhausted"<<endl;
MessageBox("memory exhausted!");
return 0;
// exit(1);
} // end if
for(i=0;i<pImg_Image->width;i++){num_h[i]=0;} // 初始化 分配的空间
imgTest = cvCreateImage(cvSize(pImg_Image->width,pImg_Image->height),IPL_DEPTH_8U,1);
cvCopy(pImg_Image, imgTest);
//-- 水平 轮廓细化
for(j=0; j<imgTest->height; j++)
{
for(i=0;i<imgTest->width-1;i++)
{
CV_IMAGE_ELEM(imgTest,uchar,j,i)=CV_IMAGE_ELEM(imgTest,uchar,j,i+1)-CV_IMAGE_ELEM(imgTest,uchar,j,i);
num_h[j]+=CV_IMAGE_ELEM(imgTest,uchar,j,i)/250;
}
}
int temp_1=0;
int temp_max =0;
int temp_i = 0; //说明这里for 循环 是找出数据量最大的地方 20行 也即是 车牌区域
for(j=0; j<imgTest->height-20; j++)
{
temp_1=0;
for(i=0;i<20;i++)//此处for循环 是为了计算20行的总数据量
temp_1 += num_h[i+j];
if(temp_1>=temp_max)
{
temp_max=temp_1;
temp_i = j;//记录20行的最大数据量的开始 行
}
}
k=temp_i;//以下两个while 循环是为了找出 车牌的上下边界 当一行的数据量小于某个数值时 设定此为分界行
while ( ((num_h[k +1]>POINT_X )||(num_h[k +2]>POINT_X )||(num_h[k]>POINT_X )) && k ) k--;//找出行边界行
plate_n=k+1;//k+2;
k=temp_i+10;
while (((num_h[k -1]>POINT_X )||(num_h[k-2]>POINT_X )||(num_h[k]>POINT_X ))&&(k<imgTest->height)) k++; //找出下边界行
plate_s=k;//k-2;
// 没找到水平分割线，设置为默认值
if ( !(plate_n && plate_s //行为负值 或者 上行大于下行 或者 车牌宽度大于 设定值 则水平分割失败
&& (plate_n<plate_s) && ((plate_s-plate_n)*HIGH_WITH_CAR<imgTest->width*(1-WITH_X))))
{
//flag=1;
// cout<<"水平分割失败"<<endl;
MessageBox("水平分割失败!");
return 0;
}
else//找到水平线
{
int max_count = 0;
int plate_length = (imgTest->width-(plate_s-plate_n)*HIGH_WITH_CAR);
plate_w=imgTest->width*WITH_X-1;//车牌宽度 默认
//--垂直方向
for(i=0;i<imgTest->width;i++)
for(j=0;j<imgTest->height-1;j++)//用的方法是 差分赋值法——我起的名字 应该是为了细化
{
CV_IMAGE_ELEM(imgTest,uchar,j,i)=CV_IMAGE_ELEM(imgTest,uchar,j+1,i)-CV_IMAGE_ELEM(imgTest,uchar,j,i);
}
// 车牌左边界的横坐标是 k
//这里 plate_length原图像的宽度减去车牌的宽度差值。
for(k=0;k<plate_length;k++)
{
for(i=0; i<(int)((plate_s-plate_n)*HIGH_WITH_CAR); i++)
for (j=plate_n;j<plate_s;j++)//两水平线之间
{
num_h[k] =num_h[k]+ CV_IMAGE_ELEM(imgTest,uchar,j,(i+k))/250;
}
if (num_h[k]>max_count)
{
max_count = num_h[k];
plate_w = k;
} // end if
}
CvRect ROI_rect; //获得图片感兴趣区域
ROI_rect.x=plate_w;
ROI_rect.y=plate_n;
ROI_rect.width=(plate_s-plate_n)*HIGH_WITH_CAR;
ROI_rect.height=plate_s-plate_n;
if ((ROI_rect.width+ROI_rect.x)> pImg_Image->width)
{
ROI_rect.width=pImg_Image->width-ROI_rect.x;
// cout<<"垂直方向分割失败！";
MessageBox("垂直方向分割失败!");
return 0;
}
else
{
IplImage *pImg8uROI=NULL; //感兴趣的图片
pImg8uROI=cvCreateImage(cvSize(ROI_rect.width,ROI_rect.height), src->depth,src->nChannels);
IplImage *pImg8u11=NULL; //车牌区域灰度图
pImg8u11=cvCreateImage(cvSize(40*HIGH_WITH_CAR,40),pImg8uROI->depth,pImg8uROI->nChannels);
cvSetImageROI(src,ROI_rect);//将 ROI_rect 设置为感兴趣区域
cvCopy(src,pImg8uROI,NULL);//把感兴趣区域 复制到 pImg8uROI
cvResetImageROI(src); //重新设置感兴趣区域
pImgResize=cvCreateImage(cvSize(40*HIGH_WITH_CAR,40),IPL_DEPTH_8U,1);
cvResize(pImg8uROI,pImg8u11,CV_INTER_LINEAR); //线性插值 归一化 把车牌变成统一大小
cvCvtColor(pImg8u11,pImgResize,CV_RGB2GRAY); // 转为灰度图 Y=0.299*R + 0.587*G + 0.114*B
Threshold(pImgResize,pImgResize); // 二值化
cvReleaseImage(&pImg8uROI);
cvReleaseImage(&pImg8u11);
cvReleaseImage(&imgTest);
} // end if
} // end if
// 释放内存
delete []num_h;
num_h=NULL;
return 1;
}
//* -----------------------字符分割-----------------------------------------//
// --Input：
// IplImage * pImgResize ： 归一化的车牌区域灰度图
//-- Output:
// IplImage *pImgCharOne // 字符图片
// IplImage *pImgCharTwo
// IplImage *pImgCharThree
// IplImage *pImgCharFour
// IplImage *pImgCharFive
// IplImage *pImgCharSix
// IplImage *pImgCharSeven
//-- Description:
// 利用垂直投影法和车牌的特征结合分割字符区域
//-------------------------------------------------------------------------*/
int CMyDialog::SegmentPlate()
{
if (pImgResize==NULL) { return 0; } // 没有切割成功，直接弹出
int *num_h=new int[max(pImgResize->width,pImgResize->height)]; // 开辟空间 width 大小
if ( num_h==NULL ) //
{
//cout<<"memory exhausted"<<endl;
MessageBox("字符分割memory exhausted");
return 0;
//exit(1);
} // end if
int i=0,j=0,k=0;//循环变量 12
int letter[14]={0,20,23,43,55,75,78,98,101,121,124,127,147,167}; // 默认分割
bool flag1=0;// 1 2 3 4 5 6 7
// 垂直投影
for(i=0;i<40*HIGH_WITH_CAR;i++)
{
num_h[i]=0; // 初始化指针
for(j=0;j<17;j++) // 0-16 /40
{
num_h[i]+=CV_IMAGE_ELEM(pImgResize,uchar,j,i)/45;
}
for(j=24;j<40;j++) // 24-39 /40
{
num_h[i]+=CV_IMAGE_ELEM(pImgResize,uchar,j,i)/45;
}
}
// 初定位，定位点 第二个字符末端，
int max_count=0;
int flag=0;
for(i=30;i<40*HIGH_WITH_CAR;i++)
{
if(num_h[i]<POINT_Y)//小于2
{
max_count++;
if(max_count==11)
{
letter[3]=i-11; // find letter[3]//第二字符的开始位置
while( (num_h[i]<POINT_Y)||(num_h[i-1]<POINT_Y) ) i++;
letter[4]=i-1; // find letter[4] //第三个字符的开始位置
break;//只要找到 第二个字符的末端 和 第三个字符的开始 就退出循环
}
}
else
{
max_count=0;
}
}
// 精定位
for(i=0;i<40*HIGH_WITH_CAR;i++)//每一列的
{
for(j=17;j<=24;j++) // 17-24 /40 每一列的17 到 24 行相加
{
num_h[i]+=CV_IMAGE_ELEM(pImgResize,uchar,j,i)/45;
}
}
for(j=letter[3];j>0;j--)//从第二个字符的末端开始 往前找第一个和第二个字符起始位置
{
if((num_h[j]<POINT_Y)&&(num_h[j-1]<POINT_Y))//只要有两个列的 17到24 行的值小于 2，
{ //即找到第二个字符的开始位置
letter[2]=j; // find letter[2] 第二个字符的开始位置
letter[1]=(j>=23)?j-3:letter[1]; //第一个字符的结束位置
letter[0]=(j>=23)?j-23:letter[0]; //第一个字符的起始位置
break; //找到就退出循环
}
}
j=2; flag=0;flag1=0;//两个标记
for(i=letter[4];i<40*HIGH_WITH_CAR;i++) //从第三个字符的开始位置算起
{
if((num_h[i]>POINT_Y)&&(num_h[i-1]>POINT_Y) && !flag )
{
flag=1;
flag1=0;
letter[2*j]=i-1; //这里 只记录字符的开始位置
if(j==6) //判断 最后一个字符的结束位置 是否越界 超出界限,如果没有,则letter[13]=letter[12]+20
{
letter[2*j+1]=((letter[2*j]+20)>40*HIGH_WITH_CAR-1)?40*HIGH_WITH_CAR-1:letter[2*j]+20;
break;//退出 for循环
}
}
else if((num_h[i]<POINT_Y)&&(num_h[i-1]<POINT_Y) && !flag1 && flag)//如果是 空白区域
{
flag=0;
flag1=1;
letter[2*j+1]=i-1;
j++; //j自动加 1
} // 1
}
// 删除角点 1 0 1
for(i=0;i<40*HIGH_WITH_CAR-1;i++)
{ // 1 删除角点 相当于拿一个半径为1 的圆 去圈 如果四周有两个是1 则自己设置为0
for(j=0;j<39;j++) // 0-16 /40
{
if(CV_IMAGE_ELEM(pImgResize,uchar,j,i)&&CV_IMAGE_ELEM(pImgResize,uchar,j,i+1)&&CV_IMAGE_ELEM(pImgResize,uchar,j+1,i)) // 01
CV_IMAGE_ELEM(pImgResize,uchar,j,i)=0; // 1
if(CV_IMAGE_ELEM(pImgResize,uchar,j,i)&& CV_IMAGE_ELEM(pImgResize,uchar,j,i-1) &&CV_IMAGE_ELEM(pImgResize,uchar,j+1,i)) // 10
CV_IMAGE_ELEM(pImgResize,uchar,j,i)=0; // 1
if(CV_IMAGE_ELEM(pImgResize,uchar,j,i)&&CV_IMAGE_ELEM(pImgResize,uchar,j,i-1) &&CV_IMAGE_ELEM(pImgResize,uchar,j-1,i)) // 1
CV_IMAGE_ELEM(pImgResize,uchar,j,i)=0; // 10
if(CV_IMAGE_ELEM(pImgResize,uchar,j,i)&&CV_IMAGE_ELEM(pImgResize,uchar,j,i+1) &&CV_IMAGE_ELEM(pImgResize,uchar,j-1,i)) // 1
CV_IMAGE_ELEM(pImgResize,uchar,j,i)=0; // 01
}
}
// 分割出字符图片
pImgCharOne=cvCreateImage(cvSize(20,40),IPL_DEPTH_8U,1);
pImgCharTwo=cvCreateImage(cvSize(20,40),IPL_DEPTH_8U,1);
pImgCharThree=cvCreateImage(cvSize(20,40),IPL_DEPTH_8U,1);
pImgCharFour=cvCreateImage(cvSize(20,40),IPL_DEPTH_8U,1);
pImgCharFive=cvCreateImage(cvSize(20,40),IPL_DEPTH_8U,1);
pImgCharSix=cvCreateImage(cvSize(20,40),IPL_DEPTH_8U,1);
pImgCharSeven=cvCreateImage(cvSize(20,40),IPL_DEPTH_8U,1);
CvRect ROI_rect1;
ROI_rect1.x=0.5*(letter[1]+letter[0])-10; //为什么减10
ROI_rect1.y=0;
ROI_rect1.width=20;
ROI_rect1.height=40;
cvSetImageROI(pImgResize,ROI_rect1);
cvCopy(pImgResize,pImgCharOne,NULL); //获取第1个字符
cvResetImageROI(pImgResize);
ROI_rect1.x=0.5*(letter[3]+letter[2])-10;
ROI_rect1.y=0;
ROI_rect1.width=20;
ROI_rect1.height=40;
cvSetImageROI(pImgResize,ROI_rect1);
cvCopy(pImgResize,pImgCharTwo,NULL); //获取第2个字符
cvResetImageROI(pImgResize);
ROI_rect1.x=0.5*(letter[5]+letter[4])-10;
ROI_rect1.y=0;
ROI_rect1.width=20;
ROI_rect1.height=40;
cvSetImageROI(pImgResize,ROI_rect1);
cvCopy(pImgResize,pImgCharThree,NULL); //获取第3个字符
cvResetImageROI(pImgResize);
ROI_rect1.x=0.5*(letter[7]+letter[6])-10;
ROI_rect1.y=0;
ROI_rect1.width=20;
ROI_rect1.height=40;
cvSetImageROI(pImgResize,ROI_rect1);
cvCopy(pImgResize,pImgCharFour,NULL); //获取第4个字符
cvResetImageROI(pImgResize);
ROI_rect1.x=0.5*(letter[9]+letter[8])-10;
ROI_rect1.y=0;
ROI_rect1.width=20;
ROI_rect1.height=40;
cvSetImageROI(pImgResize,ROI_rect1);
cvCopy(pImgResize,pImgCharFive,NULL); //获取第5个字符
cvResetImageROI(pImgResize);
ROI_rect1.x=0.5*(letter[11]+letter[10])-10;
ROI_rect1.y=0;
ROI_rect1.width=20;
ROI_rect1.height=40;
cvSetImageROI(pImgResize,ROI_rect1);
cvCopy(pImgResize,pImgCharSix,NULL); //获取第6个字符
cvResetImageROI(pImgResize);
ROI_rect1.x=0.5*(letter[13]+letter[12])-10;
ROI_rect1.y=0;
ROI_rect1.width=20;
ROI_rect1.height=40;
cvSetImageROI(pImgResize,ROI_rect1);
cvCopy(pImgResize,pImgCharSeven,NULL); //获取第7个字符
cvResetImageROI(pImgResize);
// 释放内存
delete []num_h;
num_h=NULL;
}
//* -----------------------字符识别-----------------------------------------//
// --Input：
// IplImage *pImgCharOne // 字符图片
// IplImage *pImgCharTwo
// IplImage *pImgCharThree
// IplImage *pImgCharFour
// IplImage *pImgCharFive
// IplImage *pImgCharSix
// IplImage *pImgCharSeven
// int num // 数字字符汉字识别用，
// // 0 数字 1英文 2英文和数字 3中文
// int char_num // 第char_num个车牌字符
//-- Output:
// char *G_G_PlateChar[7] // 车牌号
//-- Description:
// 利用垂直投影法和车牌的特征结合分割字符区域
//-------------------------------------------------------------------------*/
//对于二值图像，水平方向的投影就是每行的非零像素值的个数，在这里就是1或者255，
//垂直投影就是每列图像数据中非零像素值的个数。
//车牌特征 就是 车牌一般大小 即长宽比例，还有每个字符之间的间隔 第二个和第三个字符之间间
//隔大些，车牌里有汉字、数字和字母，第一个是汉字，第二个是字母，后面是字母和数字，大体也就这么些特征
int CMyDialog::CodeRecognize(IplImage *imgTest, int num, int char_num)
{
if (imgTest==NULL){ return 0;}
int i=0,j=0,k=0,t=0;//循环变量
int char_start=0,char_end=0;//*PlateCode[TEMPLETENUM] 车牌字符里字母、数字、汉字起始位置
int num_t[CHARACTER]={0};
switch(num)//这里这样分 可以提高效率，并且提高了识别率
{
case 0: char_start =0; // 数字
char_end = 9;
break;
case 1: char_start =10; // 英文
char_end = 35;
break;
case 2: char_start =0; // 英文和数字
char_end = 35;
break;
case 3: char_start =36; // 中文
char_end = TEMPLETENUM-1;
break;
default: break;
}
// 提取前8个特征 前8个特征 可以说是固定位置的值 固定算法
for(k=0; k<8; k++)
{
for(j=int(k/2)*10; j<int(k/2+1)*10; j++)
{
for(i=(k%2)*10;i<(k%2+1)*10;i++)
{
num_t[k]+=CV_IMAGE_ELEM(imgTest,uchar,j,i)/255 ;
num_t_out[k]=num_t[k];
}
}
// num_t[8]+= num_t[k]; // 第9个特征 前8个特征的和作为第9个特征值
}
num_t[8]=num_t[0]+num_t[1]+num_t[2]+num_t[3]+num_t[4]+num_t[5]+num_t[6]+num_t[7];
num_t_out[8]=num_t[8];
for(i=0;i<20;i++) //以下特征也是 固定算法得到的
{num_t[9]+=CV_IMAGE_ELEM(imgTest,uchar,10,i)/255 ; num_t_out[9]=num_t[9];}
for(i=0;i<20;i++)
{ num_t[10]+=CV_IMAGE_ELEM(imgTest,uchar,20,i)/255 ;num_t_out[10]=num_t[10];}
for(i=0;i<20;i++)
{ num_t[11]+=CV_IMAGE_ELEM(imgTest,uchar,30,i)/255 ;num_t_out[11]=num_t[11];}
for(j=0;j<40;j++)
{ num_t[12]+=CV_IMAGE_ELEM(imgTest,uchar,j,7)/255;num_t_out[12]=num_t[12];}
for(j=0;j<40;j++)
{ num_t[13]+=CV_IMAGE_ELEM(imgTest,uchar,j,10)/255 ;num_t_out[13]=num_t[13];}
for(j=0;j<40;j++)
{ num_t[14]+=CV_IMAGE_ELEM(imgTest,uchar,j,13)/255 ;num_t_out[14]=num_t[14];}
int num_tt[CHARACTER]={0};
int matchnum=0; //可以说是 匹配度或 相似度
int matchnum_max=0;
int matchcode = 0; // 匹配号
//int matchtempnum[10]={0};
j=0;
for(k=char_start;k<=char_end;k++)
//for(k=40;k<42;k++)
{
matchnum=0;
for(i=0;i<8;i++) //区域的匹配
{
// num_tt[i]= abs(num_t[i]-num[k][i]);
if (abs(num_t[i]-Num_Templete[k][i])<=2)//与模板里的相应值进行匹配
matchnum++;//两者相减，如果绝对值小于2，标记匹配成功一次
}
if(Num_Templete[k][i]-abs(num_t[i])<=8)//对第9个特征进行匹配
matchnum+=2;
for(i=9;i<CHARACTER;i++) // 横竖的匹配
{
if (Num_Templete[k][i]>=5) //特征值 大于5
{
if(abs(num_t[i]-Num_Templete[k][i])<=1)
matchnum+=2;
}
else if( num_t[i]==Num_Templete[k][i])
{
matchnum+=2;
}
}
if(matchnum>matchnum_max)
{
matchnum_max=matchnum; //保留最大的 匹配
matchcode= k; //记录 识别的字符的 索引
//matchtempnum[j]=matchnum_min
}
}
//识别输出 存放输出结果
G_PlateChar[char_num]=PlateCode[matchcode]; //保存下该字符
}
void CMyDialog::OnBinaryimg()
{
// TODO: Add your control notification handler code here
Threshold(pImgCanny,pImgCanny);
DrawPicToHDC(pImgCanny,IDC_BIIMAGE);
}
void CMyDialog::OnCarlocate()
{
// TODO: Add your control notification handler code here
PlateAreaSearch(pImgCanny); // 车牌定位
DrawPicToHDC(pImgResize,IDC_BICAR); //把定位好的车牌显示出来
}
void CMyDialog::OnSplitcar()
{
// TODO: Add your control notification handler code here
SegmentPlate(); // 车牌字符分割
DrawPicToHDC(pImgCharOne,IDC_ONE);
DrawPicToHDC(pImgCharTwo,IDC_TWO);
DrawPicToHDC(pImgCharThree,IDC_THREE);
DrawPicToHDC(pImgCharFour,IDC_FOUR);
DrawPicToHDC(pImgCharFive,IDC_FIVE);
DrawPicToHDC(pImgCharSix,IDC_SIX);
DrawPicToHDC(pImgCharSeven,IDC_SEVEN);
//DrawPicToHDC(pImgCharOne,IDC_ONE);
}
void CMyDialog::OnShibiecar()
{ int i;
// TODO: Add your control notification handler code here
//---------------------- 车牌识别 -----------------------------//
CodeRecognize(pImgCharOne,3,0); //筛选器1 参数：0 数字 1英文 2英文和数字 3中文
CString outFilet1= "";
for(i =0;i<=14;i++) //把结果放到 outFilet CString 里
{
char tmsg[5];
itoa(num_t_out[i],tmsg,10);
outFilet1 += tmsg;
outFilet1 += ",";
}
GetDlgItem(IDC_tzz1)->SetWindowText(outFilet1); //输出特征值1
CodeRecognize(pImgCharTwo,1,1);//筛选器2 参数：0 数字 1英文 2英文和数字 3中文
CString outFilet2= "";
for(i =0;i<=14;i++) //把结果放到 outFilet CString 里
{
char tmsg[5];
itoa(num_t_out[i],tmsg,10);
outFilet2 += tmsg;
outFilet2 += ",";
}
GetDlgItem(IDC_tzz2)->SetWindowText(outFilet2); //输出特征值2
CodeRecognize(pImgCharThree,2,2);//筛选器3 参数：0 数字 1英文 2英文和数字 3中文
CString outFilet3= "";
for(i =0;i<=14;i++) //把结果放到 outFilet CString 里
{
char tmsg[5];
itoa(num_t_out[i],tmsg,10);
outFilet3 += tmsg;
outFilet3 += ",";
}
GetDlgItem(IDC_tzz3)->SetWindowText(outFilet3); //输出特征值3
CodeRecognize(pImgCharFour,2,3);//筛选器4 参数：0 数字 1英文 2英文和数字 3中文
CString outFilet4= "";
for(i =0;i<=14;i++) //把结果放到 outFilet CString 里
{
char tmsg[5];
itoa(num_t_out[i],tmsg,10);
outFilet4 += tmsg;
outFilet4 += ",";
}
GetDlgItem(IDC_tzz4)->SetWindowText(outFilet4); //输出特征值4
CodeRecognize(pImgCharFive,2,4);//筛选器5 参数：0 数字 1英文 2英文和数字 3中文
CString outFilet5= "";
for(i =0;i<=14;i++) //把结果放到 outFilet CString 里
{
char tmsg[5];
itoa(num_t_out[i],tmsg,10);
outFilet5 += tmsg;
outFilet5 += ",";
}
GetDlgItem(IDC_tzz5)->SetWindowText(outFilet5); //输出特征值5
CodeRecognize(pImgCharSix,2,5);//筛选器6 参数：0 数字 1英文 2英文和数字 3中文
CString outFilet6= "";
for(i =0;i<=14;i++) //把结果放到 outFilet CString 里
{
char tmsg[5];
itoa(num_t_out[i],tmsg,10);
outFilet6 += tmsg;
outFilet6 += ",";
}
GetDlgItem(IDC_tzz6)->SetWindowText(outFilet6); //输出特征值6
CodeRecognize(pImgCharSeven,2,6);//筛选器7 参数：0 数字 1英文 2英文和数字 3中文
CString outFilet7= "";
for(i =0;i<=14;i++) //把结果放到 outFilet CString 里
{
char tmsg[5];
itoa(num_t_out[i],tmsg,10);
outFilet7 += tmsg;
outFilet7 += ",";
}
GetDlgItem(IDC_tzz7)->SetWindowText(outFilet7); //输出特征值7
CString outFile= "";
for(i =0;i<7;i++) //把结果放到 outFile CString 里
{
outFile += G_PlateChar[i];
}
GetDlgItem(IDC_RESULT)->SetWindowText(outFile); //输出到静态文本 静态文本是IDC_RESULT
CodeRecognize(pImgCharOne,3,0);
}
//void CMyDialog::TZZXL()
//{
// CString tzz= "";
// int i ;
// for(i =0;i<7;i++) //把结果放到 outFile CString 里
// {
// tzz += ;
// }
// GetDlgItem(TZZ1)->SetWindowText(outFile); //输出到静态文本 静态文本是IDC_RESULT
//}
void CMyDialog::ABOUT()
{
MessageBox(TEXT("基于opencv的车牌照识别系统\n2016年5月\n微信：viplsk\n"),TEXT("关于"),MB_OK);
}
完整下载：http://download.csdn.net/detail/lskforjll/9473203