本帖最后由 FCCdsp 于 2016-5-19 22:54 编辑

经过这两个月的学习使用，初入图像处理的门径。也对C6655有了很深的了解。C6655的性能真的是很强大的，把之前的有关FFT的电能质量的项目移植了一部分过来，计算速度那真是扛扛的。但是成本真的也是扛扛的啊。小利润产品项目还真是用不起的。但不管怎么说，自己也算了有了高端DSP的开发经验了嘛。试用过程中也遇到了些许问题，最大的就是XDS200仿真器的问题了，总结起来就是盗版系统很害人。闲话说罢，开始今天的正题。


基于创龙TMS320C665x开发板的车牌识别
摘要      
基于现在市场上已存在的车牌识别系统的原理，利用创龙TMS320C665x开发板进行车牌识别的理论验证，通过对车辆的完整图片进行处理，确定车牌在图片中的位置并将车牌进行剪裁、提取，通过对比标准字符的特征点，识别车牌上的汉字与字符，并将识别结果通过以太网上传到上位机。

目录
一、广场调研
二、算法实现-定位
三、算法实现-识别
四、结果上传
五、测试说明
六、总结

正文
一、市场调研
首先对现在市场上的车牌识别系统进行了了解，也大体明白了这个系统的工作流程。如下。由于摄像头安装的位置是固定的，所以车牌在图像中所在的位置是有一定的范围的，这要根据实际的环境时行配置，其实并不需要对整个图像进行处理的。





可以看到一些已经成熟的方案中，对于这一部分的使用。从车辆触发感应线圈到进入摄像头的范围，按可能的车速，摄像头的反应时间，可以确定到车牌所在的大概位置。如下这个系统，下面两个摄像头，车牌所在的区域也就是中下部分所以在识别时，就要截取这一部分就可以了，有的软件还可以让用户自己设置有效区域。






从如下要求中可以看出，车牌水平区域的大小要在100像素以上的。





二、算法实现-定位
那么，基于创龙TMS320C665x开发板的车牌识别，主要就包括如下几个部分：1、图像处理的基础理论，这里就选用了bmp文件格式，而对于其他的文件格式也都是触类旁通的。2、TI图像处理库的的使用3、其他图像处理算法的实现4、网络通讯的实现 所以整个试用过程也是按这个顺序一步步进行的。整个程序的运行流程为：






由上面的了解，车牌的有效区域是在图像中的某一固定范围内的，所以在处理图像时，是不必将整幅图都进行处理的，只要将有车牌的部分剪裁出来进行处理就足够了。这样也可以加快图像中车牌的识别速度。现假设车牌所在的区域为图像中心的320*320的区域内。






那么，这里将摄像头的图像先进行剪裁，取出车牌可能存所的区域。





对图像进行颜 {MOD}过滤，去掉非蓝 {MOD}部分并滤波，这里使用的是HVS颜 {MOD}空间，当然也可以使用其他的HSL等等，目的都是一样的，去掉除车牌外的背景。
结果：







再进行处理后的结果如下图。 这里二值化改为使用了TI的优化库imglib中的两个阀值设置函数，库函数调用如下：

• IMG_thr_gt2max_8(Image, out, bmpHeight, bmpWidth, value);//将大于threshold=50的设置为255
• IMG_thr_le2min_8(out, Image, bmpHeight, bmpWidth, value);//将小于threshold=150的设置为0
• 
  

复制代码









在X与Y方向上进行投影，确定车牌的位置。

•         for(i=0;i<320;i++)
•                 H=0;
•         for(i=0;i<320;i++)
•                 W=0;
•         for(i=0;i<320;i++){
•                 for(j=0;j<320;j++){
•                         if(inImg.imgBuf[i*320+j]==255)
•                                 W++;
•                 }
•         }
•         for(i=0;i<320;i++){
•                 for(j=0;j<320;j++){
•                         if(inImg.imgBuf[i+j*320]==255)
•                                 H++;
•                 }
•         }
• 
  

复制代码

所以在投影上就可以判断出车牌的位置。在X与Y方向上的投影为：

Y：







X：








车牌的长宽是有一定的比例的，它的长宽比如下图所示：








可以按到车牌的大小为140：440=7：22而字符的大小比例为45：90=1：2将车牌从原图中截取出来。








对截取出的车牌进行处理，进行灰度化处理。








转换成二值化图像，进一步进行识别。








车牌截取出来，可以看到车牌上还有很多干扰，最大的就是铆钉了，那么为是提高识别率，就要去掉铆钉。铆钉存在于车牌的最上面与最下面，一般与车牌的字符并没有在同一水平线上，中间还是有一定的间距的。通过逐行扫描，判断每一行颜 {MOD}的跳变次数，可以判断出铆钉的位置，并将铆钉部分的颜 {MOD}去除。这里将跳次数小于7的行认为是铆钉所在的行，将该行的像素全部清除。如下是去除铆钉后的车牌图像。在CCS中查看图像，是反的，现在知道为什么在创龙的例程中，在读取了图像后要翻转了，不过这样也不影响后面的操作。








三、算法实现-识别车牌上每个字符的大小也是有比例的，它们在车牌上的位置也是有比例的，可参考上面的车牌的尺寸图。对最后的车牌在X轴上进行投影，中间的空隙就是空白的地方，像素点数据不为0的即是字符所在的区域，通过这样，可以分别截取出单独的字符。
车牌在X轴上的投影：








根据在X轴上的投影，分别截取出单个字符为：























































可以看到字符的上下都有很宽的边界，这是由于去除了铆钉，图像的高度与字符的高度不一样，所以要再次对y轴进行剪裁。这里使用了CCS的Image工具了，不再生成bmp文件，所以不必再4字节对齐了。最后用于字符识别的车牌图像：









再次使用上面的方法进行字符分割得到的结果就没有边界了，而是图像中是刚刚好的完整字符。在这里就列出一个吧，其他的与前面的基本上都是类似的。如下这个“京”字，是去除了无意义边界后的结果。