毕业设计——基于STM32+OV7670的图像采集车牌识别(终极篇：车牌识别)

书接上文：

本篇文章主要介绍如何对采集到的图像处理，进行车牌号的识别。

本车牌识别系统包括以下：图像采集→二值化灰度处理→识别车牌区域→字符分割→字符识别。

有图有真相

图片比任何语言都有说服力，话不多说直接上图。

图像采集已在上一篇文章讲过，有需要的可以取去看一下。

1、二值化：

        二值二值，字面意思就是转变成两个数值，就是将整个图像的每个像素都转变成0(黑)或255(白)这两个值，非黑即白，这样处理起来就很方便了。那么问题又来了，0~255之间应该如何转换？是随便转的吗？  

当然不是，简单的办法就是取一个合适的阈值，比如说127吧，小于127的转为0，大于127的转为1，因此找合适阈值就变得尤为重要，可以取其中值，也可以取各个像素的平均值。

2、识别车牌区域：

        如何在一张图片中精准的定位车牌所在的位置，这个就很有意思了！！！

上边界和下边界：在上一步二值化处理时，已经将整张图片转换成0(黑色)或者255(白色)，车牌是蓝底白字，二值化后蓝色的低会变成黑色，上面的字依旧是白色，一行一行的看，  这一行中灰度值会多次发生跳变，也就是会有很多从0变成255，我们恰恰利用这一点，也就是统计跳变点的个数，当跳变点个数超过一定的阈值时，就认为该行是边界。

空说太无力了，还是举个例子：

 绿线代表一行，沿着这一行看，当到达白字时，其灰度数值会发生跳变从 0(黑色)跳变成255(白色)，记为一个跳变点，这一行的跳变点还有很多，我们就根据跳变点的个数来判断上下边界。

左右边界：介于我们上下边界已经找好，所以我们可以在这两边界之间的区域找左右边界，从而缩小工作量，我们依旧可以按跳变点的算法来做，也可以用另一种方法，RGB转变成HSV，根据其色调、饱和度、明度来判断。

 也就是这样。

3、字符分割

        区域也定好，我们想要识别字母，首先得先提取出来啊，一一识别，因此就需要字符分割了。如何分割呢。

先上个图便于大家理解。

如图，红线代表着我们上方确定好的边界，我们可以看到两个字母之间二值化处理后全是黑色，唉~我们就可以根据这一特性看，竖着看如果某一列全为黑色也就是0，并且旁边也全都是黑色，就可以判断为空隙，这样就能截取到了各个字母，用蓝线表示字母的边界。

4、字符识别

经过前面的努力，我们已经提取到了各个字符，下面就进行识别呗。

为了增加识别的准确度呢，我们将提取到的字符进行放大，先横向放大然后纵向放大，以提高准确度。下图：

 怎么识别呢，我们通过取模软件，取到多个多个字模，比如说，粤、苏、辽、A~F、1~9，将其存放在数组中，然后让我们提取到的字符的数组去和他们一一比较。

比如说我们现在提取到“苏”，让它的数组去比较，肯定会找到一个标准数组和提取数组一样，但是呢，就像世界上没有两片相同的叶子一样，他们或多或少会有出处，因此我们设定当他们的相似度超过一定的阈值时，就认为二者相同。

最下方就是我们识别到的车牌号：

 当然啦，用f103系列的单片机去做机器视觉，多少有点为难它了，毕竟它不是专门做这个的。所以有时会出现一些个别字符识别错误，尤其是“E”与“F”，这是正常现象。

大家如果想省事的话也可直接下载全部工程资料。

完整工程链接：https://item.taobao.com/item.htm?spm=a1z10.1-c.w4004-24450682672.4.6c772c42AqQnna&id=677048652126

  欢迎大家指正交流，有空可以一起讨论代码啊。

制作不易，感谢大家支持，感谢！！！！！！

  --------------一个正在努力的人