什么是车牌检测的好algorithm？
背景
对于我在大学的最后一个项目，我正在开发车牌检测应用程序。 我认为自己是一名中级程序员，但是我的math知识缺乏中学以上的知识，这使得制定正确的方程式比实际上更难。
我花了很多时间查找学术论文，例如：
- 在图像中检测车辆牌照
- 使用图像显着性的强大的车牌检测
- 车牌图像的局部增强用于车牌检测
说到math，我迷路了。 由于这种testing，各种graphics图像被certificate是有效的，例如：
至
然而，这种方法只适用于特定的图像，如果这些技术应用于不同的图像，我相信会发生较差的转换。 我读过一个叫做“底帽形态变换”的公式，它有以下几点：
基本上，变换保留了图片的所有黑色细节，并消除了其他所有内容（包括较大的黑色区域和较亮的区域）。
我无法find有关这方面的很多信息，但报告结尾附近的文件中的图像显示了它的有效性。
其他限制
- 在C＃中开发
- 将项目仅限于英国注册牌照
- 我可以select要转换的图像作为演示
题
我需要关于我应该关注什么转换技术的build议，以及哪些algorithm可以帮助我。
编辑：新信息目前继续 – 车牌照检测
你可以采取多种方法，但是首先想到的策略是：
- 发现/研究：确定您可能需要识别的一组颜色和字体。 如果你的样品图片是大多数英国板块的代表，那么你的工作变得更容易。 例如简单，奇异的字体和白色背景上的黑色刻字
- 代码：尝试识别颜色主要是白色和黑色的图像的矩形区域。 这不是一个非常重要的math问题，它应该给你的车牌区域集中。
- 代码：在你的分区做一些清理工作，例如转换成纯黑白（单色），或者缩放/转换成一个漂亮的矩形。
- 使用API：接下来，在您的子select的图像区域使用现有的OCR（光学字符识别）algorithm，以查看是否可以读取文本。
就像我所说的，这是很多人的策略，但是它只是一个需要最less数量的重math的问题……也就是说，如果你能find一个适合你的OCR实现。
你可以看一看emgucv的例子，告诉你一个真实世界的工作使用OCR车牌检测的例子
http://www.emgu.com/wiki/index.php/License_Plate_Recognition_in_CSharp
几年前，我在Java中做了一个类似的项目，首先我应用了Sobel算子 ，然后用一个平板的图像掩盖了所有的图像（也应用了Sobel算子）。 最大的重合区域是板块的位置。 然后将OCR应用于选定的区域以获取该号码。
以下是我build议你应该做这个任务。 在这里阅读我的详细答案。
- 转换为灰度。
- 高斯模糊与3×3或5x5filter。
-
应用索贝尔filter来查找垂直边缘。
Sobel(gray, dst, -1, 1, 0) - 阈值得到的图像得到一个二进制图像。
- 使用合适的结构元素应用形态学closures操作。
- find生成图像的轮廓。
- find每个轮廓的
minAreaRect。 根据长宽比和最小和最大面积select矩形。 - 对于每个选定的轮廓，查找边缘密度。 设置边缘密度的阈值，并select违反阈值的矩形作为可能的板区域。
- 之后几乎没有矩形。 您可以根据方向或您认为合适的任何标准过滤它们。
- 从原始（灰度）图像的
adaptiveThreshold之后的图像中剪切检测到的矩形部分，并应用OCR。
这显然是一个计算机视觉types的问题。 看看OpenCV 。 它是用C ++编写的，但也许你可以以某种方式与之交互 。
英国已经有一个这样的系统。 我记得看过一个电视节目，他们表示他们可以在10分钟内在伦敦内find一辆车（假设他们知道这个数字，而且车子在四处开车）。刚刚阅读的维基百科给了你开始思考问题的指针： http ：//en.wikipedia.org/wiki/Automatic_number_plate_recognition
它告诉你如何计算底部帽子变换（看起来像倒转的分级阈值变换）。
首先要做的是实现两个形态函数的扩张和侵蚀。
要做到这一点，你需要你的f和b，然后你在图像的一个小区域计算的function，保持最大的价值发现。
(f ⊕ b)(s, t) = max{f (s − x, t − y) + b(x, y) |(s − x), (t − y) ∈ Df ; (x, y)∈Db}
这就是说，在域的所有点（例如一个以你的点（s，t）为中心的小矩形）上取最大值。
简单的伪代码将是
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))
有效地，我们现在有一个最大值的新形象。
实际上它非常简单，所以不要让它比它更难（我们只是将b（x，y）添加到区域中的每个点，并找出哪个给出最大值）。
你也一样的侵蚀（非常类似于上面）
现在开幕式和闭幕式是两者的组成部分
你可以先把它想象成一个扩张，然后是一个开放的侵蚀。
它说最后从原始图像中减去closures，你应该有你的变换。
如果您对检测牌照存在的问题（而不是识别牌照）感兴趣，那么您应该查看图像中的文本检测，因为它与您正在做的事情有关。
这个问题与你有关： 检测图像上是否存在文本的algorithm
你可以在opencv中使用矩形检测或者像haar一样的特征来检测在opencv中也存在的板
您也可以参考自动车牌识别库和此查询 。 这也会给你一些关于如何处理事情的想法，以及现有的解决scheme。
但是，如保罗所回答的那样，您应该首先尝试从完整图像中find矩形号码盘，然后对其进行二值化，然后使用可用的OCR库（build议使用Tesseract）
你可以参考这个链接 ，这将帮助你find矩形板。 你需要使用openCV库，所以你不需要很多math，但是对于幕后发生的事情的基本了解可以帮助你更好地解决问题。
你可能想要看看www.openalpr.com作为一个起点。 它使用了许多技术来查找和分析车牌。
