EasyPR源码剖析（2）：车牌定位

上一篇主要介绍了车牌识别的整体框架和流程，车牌识别主要划分为了两个过程：即车牌检测和字符识别，而车牌识别的核心环节就是这一节主要介绍的车牌定位，即 Plate Locate。车牌定位主要是将图片中有可能是车牌的区域定位出来，方便后面进一步的处理。测试代码如下：

 1 int test_plate_locate() {
 2   cout << "test_plate_locate" << endl;
 3   const string file = "resources/image/plate_locate.jpg";
 4   cv::Mat src = imread(file);
 5   vector<cv::Mat> resultVec;
 6   CPlateLocate plate;
 7 
 8   int result = plate.plateLocate(src, resultVec);
 9   if (result == 0) {
10     size_t num = resultVec.size();
11     for (size_t j = 0; j < num; j++) {
12       cv::Mat resultMat = resultVec[j];
13       imshow("plate_locate", resultMat);
14       waitKey(0);
15     }
16     destroyWindow("plate_locate");
17   }
18   return result;
19 }

View Code

CPlateLocate 是实现车牌定位的主要功能类，其构造函数比较简单，主函数是 plateLocate，用于定位车牌区域，具体代码如下：

 1 //主处理函数
 2 int CPlateLocate::plateLocate(Mat src, vector<Mat> &resultVec, int index) {
 3   vector<CPlate> all_result_Plates;
 4 
 5   plateColorLocate(src, all_result_Plates, index);
 6   plateSobelLocate(src, all_result_Plates, index);
 7   plateMserLocate(src, all_result_Plates, index);
 8 
 9   for (size_t i = 0; i < all_result_Plates.size(); i++) {
10     CPlate plate = all_result_Plates[i];
11     resultVec.push_back(plate.getPlateMat());
12   }
13 
14   return 0;
15 }

View Code

从代码中可以看到，CPlateLocate 此处主要使用了以下三种方法，三种方法混合使用，互为补充。

1、颜色定位 plateColorLocate()；

2、sobel算子定位 plateSobelLocate() ；

3、MSER方法，即最大极值稳定区域方法 plateMserLocate()。

为什么要设计三种方法对车牌进行定位，这里有其使用场景的特殊性。最开始的车牌识别系统都是用sobel算子查找垂直边缘的方法进行车牌识别，但是该方法最大的问题在于面对垂直边缘交错的情况下，无法准确地定位车牌。如下图所示：

但是颜色定位也并非万能的，例如在色彩充足，光照足够的情况下，颜色定位的效果很好，但是在面对光线不足的情况，或者蓝色车身的情况时，颜色定位的效果很糟糕。如下图所示：

所以新版本的EasyPR中使用了颜色定位与 Sobel 定位结合的方式。首先进行颜色定位，然后根据条件使用Sobel 进行再次定位，增加整个系统的适应能力。但是有没有可能出现颜色定位和Sobel定位都无法识别车牌的情况呢，当然这种情况是有的，比如对分辨率较大的图片处理仍然不好。再加上颜色定位在面对低光照，低对比度的图像时处理效果大幅度下降，颜色本身也是一个不稳定的特征。因此EasyPR的车牌定位的整体鲁棒性仍然不足。如下图所示：

因此在前面两种方法的基础上又增加了MSER 最大极值稳定区域方法。最大极值稳定区域是由Matas等人提出的一种仿射特征区域提取算法。其提取的区域内部灰度几乎不变但是和背景的对比十分强烈，并且该区域能够在多重阈值下保持形状不变。它是基于分水岭的概念。MSER的基本原理是对一幅灰度图像（灰度值为0～255）取阈值进行二值化处理，阈值从0到255依次递增。阈值的递增类似于分水岭算法中的水面的上升，随着水面的上升，有一些较矮的丘陵会被淹没，类似于二值图像。在得到的所有二值图像中，图像中的某些连通区域变化很小，甚至没有变化，则该区域就被称为最大稳定极值区域。MSER算法的具体描述和实现我们会在后面做详细的介绍。

后续章节我们会分别对这三种车牌定位方法进行详细的介绍。