基于HALCON汽车牌照的识别

徐雯斐， 薛慧慧， 王宜宁， 程玉玲

（1.山东科技大学 机械电子工程学院，山东 青岛 266590；2.兖矿事业发展公司社区管理中心，山东 邹城 273500）

0 引言

随着计算机技术的不断发展，许多新的领域都在普遍应用机器视觉，特别是最近几年得到充分的发展。目前许多机器和生产线中必不可少的一部分就是机器视觉。机器视觉就是机器代替人眼来对物体测量和判断，它的概念是使用器件进行非接触感知，自动获取和解释一个真实场景的图像，用来获取信息和控制机器或过程。

车辆牌照识别是智能交通中的一个重要课题，对于车牌的识别，不管是采用什么样的算法，我们常见的一般都是采用C，C++或者opencv等来实现，总结而言，车牌识别的过程归结为这几步：获取车牌图片-图片预处理-图像处理-显示结果。Halcon是一个用来开发机器视觉应用软件的工具箱。它提供了一个良好的交互式编程环境，可以快速开发基于图像视觉处理技术的应用软件。

文章所涉及的系统方法对于识别汽车车牌更加快捷，特别是HALCON这个软件本身中的多个运算子不仅语句简单而且功能强大，即可以单独使用也可以组合在一起发挥出更强大的新功能，可以使设计者从繁琐的程序中解脱出来。

1 HARCON简介

HALCON这一款机器视觉软件是德国MVTEC公司出产的。HALCON是一套image processing library，由一千多个各自独立的函数，以及底层的资料管理核心构成。其中，包含了许多基本的几何以及影像计算功能，比如各类铝箔、色彩以及几何、数学转换、形态学计算分析、校正、分类辨认等。

目前，HARCON作为一款完整的软件包，它之所以是一款全能机器视觉软件包是因为HARCON有目前为止最为强大的视觉算法开发包；它之所以是独立于硬件的视觉软件产品最受欢迎的是因为HARCON是以最新的计算机视觉技术和图像处理为基础的。HARCON的广泛应用可以节约程序的开发时间，从而使人们有更多的精力和时间强化自己的产品和开发自己的产品。

2 Blob分析算法

Blob分析算法对于汽车牌照识别有重要的作用，特别是在车牌定位、字符分割等算法进行研究。Blob整个分析算法过程就是对图像二值化，进而背景和前景得到分割，最后连通区域得到检测。简单地说，就是从“光滑”区域找寻“灰度突变”的区域，这就是Blob分析算法。

文章我们也多次用到Blob分析算法思想，首先就是对于初始彩色图像的处理，对其进行三通道的处理，对图像进行二值化处理，然后就是阈值限定，得到初步的车牌区域，除去不相干区域，最后实现车牌的定位。

3 编程以及结果

1）采集图像。使用算子read_image从磁盘中加载图像IMG_20150312_105149.jpg，程序为：

read_image（Image，′C：/Users/Administrator/Desktop/IMG_2015 0312_105145.jpg′）

图1 Selected Regions

2） 预处理图像。对于图像预处理，文章主要针对的是对彩色图像进行三通道的处理以及阈值限定，为后期处理做准备，这里需要 decompose3，trans_from_rgb，threshold，connection，select_shape 5个运算子来对其进行处理，程序为：

decompose3（Image，Red，Green，Blue）

trans_from_rgb （Red，Green，Blue，ImageResult1，ImageResult2，ImageResult3，′hsv′）

threshold（ImageResult3，Regions，190，255）

connection（Regions，ConnectedRegions）

select_shape （ConnectedRegions，SelectedRegions，［′area′，′width′，′column′］，′and′，［92，9.55，225.68］，［240，12.75，319.81］）

3）处理图像。对于预处理的图像进行数字字母的识别，程序如下：

sort_region （SelectedRegions1，SortedRegions1，′upper_left′，′true′，′column′）

read_ocr_class_mlp（′Industrial_0-9A-Z.omc′，OCRHandle）

do_ocr_multi_class_mlp（SortedRegions1，ImageResult2，OCR Handle，Class，Confidence）

area_center（SortedRegions1，Area，Row，Column）

for i：=0 to 5 by 1

disp_message（3600，Class［i］，′window′，Row［i］，Column［i］，′black′，′true′）Endfor

图2 变量窗口

图3 实验结果图像

4）结论。通过实验，可知基于HALCON的Blob算法的可靠和可行性，从而实现了汽车牌照的识别过程。如图3。

4 结语

文章只是对于汽车牌照进行最简单的编程，从而证实了Blob算法的应用性，从而说明HALCON的优势：节约时间，简单，方便。

由于一些条件的限制，对于汽车牌照的识别研究还是有好多后期的工作要进行完成，需要根据现实的一些条件进行进一步的完善：1）由于条件限制只能对单个汽车牌照进行识别；2）文章只是简单地对字母和数字进行识别；3）文章最后图像处理很粗糙，识别得不是很清楚。以上问题需要进一步改正。

［1］ 尤里奇，威德曼.机器视觉算法及应用［M］.杨少荣，译.北京：清华大学出版社，2008.

［2］ 李宁，刘志峰，李富平，等.基于机器视觉技术的薄膜孔洞检测系统设计［J］.机械设计与制造，2008（2）：51-65.

［3］ 黎小琴.HALCON软件在机器视觉课程实验中的应用［J］.科技资讯，2014（10）：35-38.

［4］ 马千里，唐万有，徐敏.基于神经网络的印刷墨量在线检测研究［J］.包装工程，2011（10）：23-25.

［5］ 段史江，谭方利，余有龙，等，机器视觉技术在烤烟密集烘烤过程中的应用［J］.湖南农业科学，2011（2）：23-25.