1.車牌上都會(huì)有一個(gè)點(diǎn)虽界，全世界所有車輛都有日本元素椿息，上面有一個(gè)點(diǎn)，使用的稀土材料嗤军，可以反射紅外線。
/////////////////////////////////////////////車牌號(hào)碼識(shí)別//////////////////////////////////////////
1： 圖像處理晃危，查找車牌號(hào)碼的輪廓
2： 支持向量機(jī)svm 機(jī)器學(xué)習(xí)車牌特征
3： svm 分類車牌
VS 使用Opencv
環(huán)境配置 windows64 + vs2015 + OpenCV 3.3.0
https://sourceforge.net/projects/opencvlibrary/files/opencv-win/3.3.0/opencv-3.3.0-vc14.exe/download
下載windows 的OpenCV 按裝包叙赚，進(jìn)行安裝，會(huì)有一個(gè)解壓文件僚饭，文件中包含了下面的需要配置的所有的信息
F:\OpenSource\opencvWin\opencv\
1: 右擊項(xiàng)目解決方案- 屬性-配置屬性-VC++ 目錄 -包含目錄震叮，添加:
3.1
E:\NDK\Opencv\opencv\build\include
E:\NDK\Opencv\opencv\build\include\opencv
E:\NDK\Opencv\opencv\build\include\opencv2
3.0
E:\Opencv\opencv\build\include
E:\Opencv\opencv\build\include\opencv
E:\Opencv\opencv\build\include\opencv2
2: C++目錄 - 庫目錄添加：
3.1
E:\NDK\Opencv\opencv\build\x64\vc14\lib
3.0
E:\Opencv\opencv\build\x64\vc14\lib
3：鏈接器-->輸入，編輯附加依賴項(xiàng)
3.1:
E:\NDK\Opencv\opencv\build\x64\vc14\lib\opencv_world331d.lib
3.0:
E:\Opencv\opencv\build\x64\vc14\lib\opencv_world330d.lib
E:\Opencv\opencv\build\x64\vc14\lib\opencv_world330d.lib
4：將工程設(shè)置為X64 管理器
1： 圖像處理鳍鸵，查找車牌號(hào)碼的輪廓：
首先看下原圖
第一步就要找出可能是車牌的輪廓：
可以看下要達(dá)到的效果圖：
下面就先講講如何處理得到我們想要得到的圖像呢：
第一步就是高斯處理冤荆，就是模糊，降噪权纤，如下就是效果
下一步就是將圖像灰度處理，不需要彩色圖
接下來就是邊緣檢測濾波乌妒，便于區(qū)分車牌汹想，來看下效果圖吐绵，說實(shí)話你不仔細(xì)看阱缓，發(fā)現(xiàn)不了下面圖片你能可以看到車牌
上面圖看不到效果，那就給你看下先縮放再去絕對(duì)值的效果是不是明朗了許多
下一步對(duì)車牌區(qū)域進(jìn)行加權(quán)匀钧，看下面的圖不是干就更亮了
下一步就是對(duì)圖像就行二值化侦啸，可以將圖像的像素點(diǎn)要么黑要么白槽唾，可以發(fā)現(xiàn)車子的輪廓更清晰了
再接下來就對(duì)圖像進(jìn)行膨脹再腐蝕丧枪，把白色的區(qū)域連接或者擴(kuò)大，任何區(qū)域如果小于結(jié)構(gòu)元素的大小的都會(huì)被消除庞萍，對(duì)于結(jié)構(gòu)大小拧烦，由于中國館車牌，比如湘A 12345 有斷層的所以這個(gè)width的值要把控得當(dāng)钝计，過小就斷層恋博，過大就會(huì)連接不必要的區(qū)域，可以看下下面的效果還是比較得當(dāng)?shù)?/p>
圖像處理到這里就告一段落了
可以得到如下的圖像
可以看到這個(gè)過程可能會(huì)出現(xiàn)一些小的不不要的輪廓私恬，所以需要通過一定的方法過濾小的輪廓债沮，比如面積要
下面需要可慮到可能拍到的車牌是一定是正的所以要旋轉(zhuǎn)下：
類似如下兩個(gè)照片的效果：
是不是感覺很可愛 萌萌噠
2.下面就開始第二步了，開始從找到的輪廓中本鸣，哪個(gè)最像車牌疫衩，使用機(jī)器學(xué)習(xí)，使用SVM（簡稱分類器）
先介紹下SVM 可以看下一個(gè)網(wǎng)址荣德。
// ///////////////////////////////////////////SVM/////////////////
關(guān)于分類型的訓(xùn)練闷煤，可以看看下面這個(gè)博客
http://blog.csdn.net/chaipp0607/article/details/68067098
http://www.csie.ntu.edu.tw/~cjlin/lib臺(tái)灣大學(xué)的一個(gè)網(wǎng)址
// 圖像梯度
// HOG 特征： 是一個(gè)向量保存的圖片的梯度（圖片在微觀層面的變化率）
最終可以看到如下
識(shí)別效果圖，是不是感覺很吊：想了解更多請聯(lián)系qq376596444
