LabVIEW OCR 实现车牌识别（实战篇—3）

点击上方蓝色字体，关注我们

在学习本章之前，推荐先学习系列专栏文章：LabVIEW目标对象分类识别（理论篇—5）

OCR（光学字符识别）是指机器自动从图像中识别文本字符的过程，OCR机器视觉系统可用于对被测件的识别和分类。常见的识别应用包括：药品包装标签识别、IC芯片编码读取、冲压零件上的字符识别、汽车零件编码读取以及车牌识别等。

OCR从本质上可看作是目标分类和识别的一种实际应用，因此它也包括训练和分类过程。

OCR训练过程主要从图像中提取用于字符识别的特征向量，并对各字符图像赋予准确的字符值。具有相同字符值的字符样本图像构成一个字符类（Character Class），该类可以用其中一个最能代表该类字符的样本图像来代表，称为参考字符（Reference Character）。字符训练完成后，就可得到一个用于对字符进行识别的字符集（Character Set）。

OCR对图像中的文本进行读取时，会先将图像中的各个字符图像分割开来，并将字符的特征向量与字符集中保存的特征向量进行对比，选取满足条件的最佳匹配向量所对应的字符值作为读取识别结果。若有必要，也可以通过字符验证过程对OCR的识别质量进行验证。

下图对OCR应用及OCR的关键技术点进行汇总：

和目标分类过程类似，要能使OCR过程正确读取或验证文本，就需要先使用字符样本对分类器进行训练。训练过程一方面从字符样本图像中提取字符特征，另一方面将不同字符特征与字符值（相当于类标识）进行关联映射。训练结束后，字符特征及对应的字符值连同其他与字符识别相关的信息被一并保存在字符集文件中，用于后续的文本识别过程。从分类识别的角度来看，训练得到的字符集文件就相当于分类器。

字符的属性参数决定了OCR训练和文本读取验证过程以何种方式分割字符。

常用的字符属性包括字符的边界长和宽，字符间距、字符占像素的多少（又称为字符大小）等。字符间距若设置得太大，则OCR过程可能会将多个字符当成一个字符。点阵或字段类字符可认为是由多个元素（Element)构成。这种情况下，各元素之间的横向或纵向间隔是较为重要的字符属性之一。元素间的间隔若设置过大，则字符图像可能会包含多余的图像颗粒;而若元素间的间隔设置过小，则字符图像可能并不完全。无论哪种情况，都会造成要识别的字符与其对应图像不能匹配。

Nl Vision提供了两种OCR字符集训练方法，一是使用NI OCR训练器应用程序离线完成字符集训练，二是使用程序代码在运行时完成字符集训练。

下图显示了NI OCR训练器（位于：National Instruments\Vision\Utility\OCR Training Interface\OCR Training.exe）用来设置字符属性的界面，以及两种OCR无法正确识别字符的示例。由于示例中字符元素横向间隔设置过小，因此点阵字符O和R无法被完整识别。而由于字符间隔设置过大，OCR 3个字符被当成了一个字符。

也可以在程序代码中使用位于LabVIEW的视觉与运动→Machine Vision→OCR函数选板的IMAQ OCR Property读取或配置OCR的各种字符属性信息或形态学处理参数，如下所示：

函数说明及使用可参见帮助手册： 

在OCR应用中，文字识别或验证过程实际上就是基于训练得到的字符集信息对字符分类的过程。OCR的字符集既可由Nl OCR训练器应用程序离线训练得到，也可由程序代码在运行时训练获得。从图像中识别文字时，OCR程序先分割出各字符，并将其特征与字符集中的字符特征进行对比，返回与之最接近的字符所在类的字符值。

通过一个车牌识别实例了解OCR的应用方法，程序设计思路如下所示：

程序实现如下所示：

程序运行效果如下所示：

在实际车牌识别应用程序中，通常首先要从车辆图像中定位到车牌区域。常见的车牌定位方法有以下几种：

往期推荐

• 美团王慧文：顶尖高手，如何做决策？
  

• 测量电压调节器输出纹波和开关瞬变的方法
  

• 鸿蒙OS制作小游戏：数字华容道（自定义组件踩坑记录）
  

点击阅读原文，更精彩~