Halcon 学习笔记--仿射变换与车牌定位（6）

        

           

 Halcon仿射方式：

 vector_angle_to_rigid (Row, Column, Phi, Row, Column, rad(180), HomMat2D)其中Row, Column, Phi是所选择区域中心坐标以及相对于水平方向夹角，rad(180)为要旋转的角度这个角度是任意值

hom_mat2d_identity( : : : HomMat2DIdentity)形成单位矩阵：

hom_mat2d_rotate( : : HomMat2D, Phi, Px, Py : HomMat2DRotate) 

 hom_mat2d_scale( : : HomMat2D, Sx, Sy, Px, Py : HomMat2DScale)

 hom_mat2d_translate( : : HomMat2D, Tx, Ty : HomMat2DTranslate)

 

二、车牌识别

dev_close_window()

read_image (Image, 'E:/欣奕华/项目/Halcon/STUDY/网络课程笔记/3.仿射变换/车牌1.jpg')
get_image_size (Image, Width, Height)
dev_open_window (0, 0, Width, Height, 'black', WindowHandle)
dev_display (Image)

draw_rectangle2 (WindowHandle, Row, Column, Phi, Length1, Length2)
gen_rectangle2 (Rectangle, Row, Column, Phi, Length1, Length2)
area_center (Rectangle, Area, Row1, Column1)
orientation_region (Rectangle, Phi1)
vector_angle_to_rigid (Row1, Column1, Phi1, Row1, Column1, 3.14, HomMat2D)
affine_trans_region (Rectangle, RegionAffineTrans1, HomMat2D, 'nearest_neighbor')
affine_trans_image (Image, ImageAffinTrans, HomMat2D, 'constant', 'false')
reduce_domain (ImageAffinTrans, RegionAffineTrans1, ImageReduced)
rgb1_to_gray (ImageReduced, GrayImage)
dev_display (GrayImage)
threshold (GrayImage, Regions, 0, 66)

connection (Regions, ConnectedRegions)

select_shape (ConnectedRegions, SelectedRegions, ['area','width','height'], 'and', [1701.88,0,0], [5000,53.05,114.71])

sort_region (SelectedRegions, SortedRegions, 'character', 'true', 'column')
area_center (SortedRegions, Area1, Row2, Column2)
read_ocr_class_mlp ( 'Industrial_0-9A-Z_NoRej.omc', OCRHandle)
do_ocr_multi_class_mlp (SortedRegions, GrayImage, OCRHandle, Class, Confidence)
for I := 0  to 5 by 1
    disp_message (WindowHandle, Class[I], 'image', Row2[I], Column2[I], 'black', 'true')
endfor

上述代码是自己写的，下面是网络课程，主要看他的注释：

*1采集图像
read_image (Image, 'E:/欣奕华/项目/Halcon/STUDY/Lesson ten_OCR/1.jpg')
dev_close_window ()
dev_open_window (0, 0, 512, 512, 'black', WindowHandle)
dev_display (Image)
*2预处理之车牌定位，一般定位有两种，一个是blob像素团块定位，一个是模板匹配定位，然后几何变换转正
decompose3 (Image, Red, Green, Blue)
trans_from_rgb (Red, Green, Blue, Hue, Saturation, Intensity, 'hsv')
*注意这里的颜色通道转换是为了方便图像分割，也就是车牌定位，这里用的比较通用简单的blob，在实际项目中需要考虑光照等的影响进行微调优化
*这里的二值化是进行一个blob车牌定位

threshold (Saturation, Regions, 182, 255)
opening_rectangle1 (Regions, RegionOpening, 6, 6)
shape_trans (RegionOpening, RegionTrans, 'rectangle2')

*接下来求这个区域的角度和中心点，便于仿射变换转正
orientation_region (RegionTrans, Phi)
area_center (RegionTrans, Area, Row, Column)

*开始求解仿射变换之旋转矩阵,这里要注意是转到180度还是0度，需要注意你求解角度时的极轴方向，具体可以看链接视频
vector_angle_to_rigid (Row, Column, Phi, Row, Column, rad(180), HomMat2D)
*将图像和区域都做这个旋转变换，然后抠图，再进行图像分割
affine_trans_image (Image, ImageAffinTrans, HomMat2D, 'constant', 'false')
affine_trans_region (RegionTrans, RegionAffineTrans, HomMat2D, 'nearest_neighbor')
reduce_domain (ImageAffinTrans, RegionAffineTrans, ImageReduced)

rgb1_to_gray (ImageReduced, GrayImage)
invert_image (GrayImage, ImageInvert)
threshold (GrayImage, Regions2, 92,135)
opening_rectangle1 (Regions2, RegionOpening1, 3, 3)
connection (RegionOpening1, ConnectedRegions)
select_shape (ConnectedRegions, SelectedRegions, 'area', 'and', 568.08, 1372.46)
*字符就被提取了，注意这里我暂时不是识别汉字，要识别汉字也是可以的，可以看视频链接
*进行字符排序方便识别后观察，因为人都是习惯从左到右
sort_region (SelectedRegions, SortedRegions, 'first_point', 'true', 'column')
*4识别显示，注意这里识别用的halcon自带字库，同时带NoRej的表示非拒绝，识别要求不严格
read_ocr_class_mlp ('Industrial_0-9A-Z_NoRej.omc', OCRHandle)
*注意ocr套路，一般可以多个区域一起识别，也可以单个区域识别，注意上面的工作就是为了得到这个区域
do_ocr_multi_class_mlp (SortedRegions, ImageInvert, OCRHandle, Class, Confidence)

area_center (SortedRegions, Area1, Row1, Column1)

for index := 0 to 5 by 1
    disp_message (WindowHandle, Class[index], 'window', Row1[0], Column1[index], 'black', 'true')
endfor