基于SVM的车牌定位程序

这是本人最近做的车牌定位程序，程序是用C++和OpenCV编写的。程序中包含了30张图片，识别率能达到90%，程序可以作为OpencV初学者实例，或者是作为本科生的毕业设计。

#include “carID_Detection.h“

void RgbConvToGray（const Mat& inputImageMat & outpuImage）  //g = 0.3R+0.59G+0.11B
{
	outpuImage = Mat（inputImage.rows inputImage.cols CV_8UC1）;  

	for （int i = 0 ;i	{
		uchar *ptrGray = outpuImage.ptr（i）; 
		const Vec3b * ptrRgb = inputImage.ptr（i）;
		for （int j = 0 ;j		{
			ptrGray[j] = 0.3*ptrRgb[j][2]+0.59*ptrRgb[j][1]+0.11*ptrRgb[j][0];	
		}
	}
}

bool verifySizes_closeImg（const RotatedRect & candidate）
{
	float error = 0.4;
	const float aspect = 44/14; //长宽比
	int min = 20*aspect*20; //最小区域
	int max = 180*aspect*180;  //最大区域
	float rmin = aspect - aspect*error; //考虑误差后的最小长宽比
	float rmax = aspect + aspect*error; //考虑误差后的最大长宽比

	int area = candidate.size.height * candidate.size.width;
	float r = （float）candidate.size.width/（float）candidate.size.height;
	if（r <1）
		r = 1/r;

	if（ （area < min || area > max） || （r< rmin || r > rmax）  ）
		return false;
	else
		return true;
}

void posDetect（Mat &inputImage  vector  & rects  ）   //初步找到候选区域 rects
{
	Mat img_sobel;
	Sobel（inputImage  img_sobel  CV_8U 10310）;
	Mat img_threshold;
	threshold（img_sobel  img_threshold0255  CV_THRESH_OTSU+CV_THRESH_BINARY）; //otsu算法自动获得阈值
	Mat element = getStructuringElement（MORPH_RECT Size（17 3））;  //闭形态学的结构元素
	morphologyEx（img_threshold img_thresholdCV_MOP_CLOSEelement）; 
	morphologyEx（img_threshold img_thresholdMORPH_OPENelement）;
	//namedWindow（“img“CV_WINDOW_NORMAL）;
	//imshow（“img“img_threshold）;
	//waitKey（）;
	//寻找车牌区域的轮廓
	vector< vector  > contours;
	findContours（img_threshold contoursCV_RETR_EXTERNAL CV_CHAIN_APPROX_NONE）;//只检测外轮廓
	//对候选的轮廓进行进一步筛选
	vector< vector  > ::iterator itc = contours.begin（）;

	while（ itc != contours.end（））
	{
		RotatedRect mr = minAreaRect（Mat（ *itc ））; //返回每个轮廓的最小有界矩形区域
		if（!verifySizes（mr））  //判断矩形轮廓是否符合要求
		{
			itc = contours.erase（itc）;
		}
		else     
		{
			rects.push_back（mr）;
			++itc;
		}      
	}
}


bool verifySizes（const RotatedRect & candidate）
{
	float error = 0.4;
	const float aspect = 44/14; //长宽比
	int min = 20*aspect*20; //最小区域
	int max = 180*aspect*180;  //最大区域
	float rmin = aspect - 2*aspect*error; //考虑误差后的最小长宽比
	float rmax = aspect + 2*aspect*error; //考虑误差后的最大长宽比

	int area = candidate.size.height * candidate.size.width;
	float r = （float）candidate.size.width/（float）candidate.size.height;
	if（r <1）
		r = 1/r;

	if（ （area < min || area > max） || （r< rmin || r > rmax）  ） //满足该条件才认为该candidate为车牌区域
		return false;
	else
		return true;
}


void normalPosArea（Mat &intputImg vector &rects_optimal vector & output_area ）
{
	float rangle;
	for （int i = 0 ;i< rects_optimal.size（） ; ++i）
	{
		//旋转区域
		angle = rects_optimal[i].angle;
		r = （float）rects_optimal[i].size.width / （float） （float）rects_optimal[i].size.height;
		if（r<1）
			angle = 90 + angle;//旋转图像使其得到长大于高

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----
     目录           0  2017-03-17 21:15  CarNumber\
     文件      145637  2016-06-17 11:39  CarNumber\1.jpg
     文件      164788  2016-06-17 11:39  CarNumber\10.jpg
     文件      122761  2016-06-17 11:39  CarNumber\11.jpg
     文件      307370  2016-06-17 11:39  CarNumber\12.jpg
     文件      160888  2016-06-17 11:39  CarNumber\13.jpg
     文件      132182  2016-06-17 11:39  CarNumber\14.jpg
     文件      122507  2016-06-17 11:39  CarNumber\15.jpg
     文件      146481  2016-06-17 11:39  CarNumber\16.jpg
     文件      115442  2016-06-17 11:39  CarNumber\17.jpg
     文件      116986  2016-06-17 11:39  CarNumber\18.jpg
     文件      152912  2016-06-17 11:39  CarNumber\19.jpg
     文件      151518  2016-06-17 11:39  CarNumber\2.jpg
     文件      121903  2016-06-17 11:39  CarNumber\20.jpg
     文件      135255  2016-06-17 11:39  CarNumber\21.jpg
     文件      117527  2016-06-17 11:39  CarNumber\22.jpg
     文件      153424  2016-06-17 11:39  CarNumber\23.jpg
     文件      141034  2016-06-17 11:39  CarNumber\24.jpg
     文件      145079  2016-06-17 11:39  CarNumber\25.jpg
     文件      136953  2016-06-17 11:39  CarNumber\26.jpg
     文件      120412  2016-06-17 11:39  CarNumber\27.jpg
     文件      146480  2016-06-17 11:39  CarNumber\28.jpg
     文件      156454  2016-06-17 11:39  CarNumber\29.jpg
     文件      157747  2016-06-17 11:39  CarNumber\3.jpg
     文件      105273  2016-06-17 11:39  CarNumber\30.jpg
     文件      158448  2016-06-17 11:39  CarNumber\31.jpg
     文件      146374  2016-06-17 11:39  CarNumber\4.jpg
     文件      134187  2016-06-17 11:39  CarNumber\5.jpg
     文件      126343  2016-06-17 11:39  CarNumber\6.jpg
     文件      370419  2016-06-17 11:39  CarNumber\7.jpg
     文件      169780  2016-06-17 11:39  CarNumber\8.jpg
............此处省略11个文件信息