图象识别技术！(300分)

如何识别图象文件中的文字信息？
支持的文件格式是BMP和JPG图象,可以识别出图象中的汉字,数字等信息。
可用于车牌图象识别，希望能有相关资料或代码参考
问题不一定有答案，但我仍期待 ：）
能解决后，另开贴给分！

高难度问题!!!!!
我是来学习的。

晕，这种问题不是一两句就说的清楚的，汉王的车牌识别技术就不错，可以向他们咨询。

http://wenjinshan.wx-e.com/index2.htm
阿山编程主页
另推荐一本书《Visual C++数字图像模式识别技术及工程实践》
人民邮电出版社

It's very hard!

[]

查过离线资料，知道以前有DFW实现过，但没说明，
VCHelp站点也有这个图象识别项目，好象是OpenSource,但没看到
相关资料也少，呵呵，难度是很大

示范简单的图象识别，以腾讯网页附加码为例～～
//RecogniseUnit.pas
unit RecogniseUnit;
interface
uses
Windows, Messages, SysUtils, Variants, Classes, Graphics, Controls, Forms,
Dialogs, ExtCtrls, ImgList, StdCtrls, OleCtrls, SHDocVw;
type
TFormRecognise = class(TForm)
ImageList1: TImageList;
ButtonRefresh: TButton;
WebBrowser1: TWebBrowser;
EditNumber: TEdit;
procedure ButtonRefreshClick(Sender: TObject);
procedure FormCreate(Sender: TObject);
procedure WebBrowser1DownloadComplete(Sender: TObject);
private
{ Private declarations }
public
{ Public declarations }
end;
var
FormRecognise: TFormRecognise;
implementation
{$R *.dfm}
uses Math; //use Math.Min()
function SameCanvas(mCanvasA, mCanvasB: TCanvas): Boolean; { 比较两个画布是否相同 }
var
I, J: Integer;
begin
Result := False;
if not Assigned(mCanvasA) then Exit;
if not Assigned(mCanvasB) then Exit;
for I := Min(mCanvasA.ClipRect.Left, mCanvasB.ClipRect.Left) to
Min(mCanvasA.ClipRect.Right, mCanvasB.ClipRect.Right) do
for J := Min(mCanvasA.ClipRect.Top, mCanvasB.ClipRect.Top) to
Min(mCanvasA.ClipRect.Bottom, mCanvasB.ClipRect.Bottom) do
if mCanvasA.Pixels[I, J] <> mCanvasB.Pixels[I, J] then Exit;
Result := True;
end; { SameCanvas }
procedure TFormRecognise.ButtonRefreshClick(Sender: TObject);
begin
TButton(Sender).Enabled := False;
WebBrowser1.Refresh;
end;
procedure TFormRecognise.FormCreate(Sender: TObject);
begin
WebBrowser1.Navigate('http://verify.tencent.com/getimage?0.8539209923422657');
end;
procedure TFormRecognise.WebBrowser1DownloadComplete(Sender: TObject);
procedure fNumBitmap(mHandle: THandle; mIndex: Integer; mBitmap: TBitmap);
var
vDC: HDC;
begin
vDC := GetDC(mHandle);
try
mBitmap.Assign(nil);
mBitmap.Width := 5;
mBitmap.Height := 8;
BitBlt(mBitmap.Canvas.Handle, 0, 0, mBitmap.Width, mBitmap.Height, vDC,
17 + 6 * mIndex, 18, SRCCOPY);
mBitmap.PixelFormat := pf8bit;
mBitmap.PixelFormat := pf1bit;
finally
DeleteDC(vDC);
end;
end;
function fGetNum(mHandle: THandle; mIndex: Integer): Integer;
var
I: Integer;
vBitmapA: TBitmap;
vBitmapB: TBitmap;
begin
Result := -1;
vBitmapA := TBitmap.Create;
vBitmapB := TBitmap.Create;
fNumBitmap(mHandle, mIndex, vBitmapA);
vBitmapB.Width := vBitmapA.Width;
vBitmapB.Height := vBitmapA.Height;
for I := 9 downto 0 do begin //8会覆盖3的基础码，所以反循环
vBitmapB.Canvas.Draw(0, 0, vBitmapA);
ImageList1.Draw(vBitmapB.Canvas, 0, 0, I);
vBitmapB.PixelFormat := pf8bit;
vBitmapB.PixelFormat := pf1bit;
if SameCanvas(vBitmapA.Canvas, vBitmapB.Canvas) then begin
Result := I;
Exit;
end;
end;
vBitmapA.Free;
vBitmapB.Free;
end;
var
S: string;
I: Integer;
begin
Application.ProcessMessages;
S := '';
for I := 0 to 3 do S := S + IntToStr(fGetNum(WebBrowser1.Handle, I));
EditNumber.Text := S;
ButtonRefresh.Enabled := True;
end;
end.
//RecogniseUnit.dfm
object FormRecognise: TFormRecognise
Left = 369
Top = 273
Width = 174
Height = 88
Caption = 'FormRecognise'
Color = clBtnFace
Font.Charset = DEFAULT_CHARSET
Font.Color = clWindowText
Font.Height = -11
Font.Name = 'MS Sans Serif'
Font.Style = []
OldCreateOrder = False
OnCreate = FormCreate
PixelsPerInch = 96
TextHeight = 13
object ButtonRefresh: TButton
Left = 89
Top = 35
Width = 75
Height = 25
Caption = 'Refresh'
TabOrder = 0
OnClick = ButtonRefreshClick
end
object WebBrowser1: TWebBrowser
Left = 0
Top = 0
Width = 165
Height = 34
TabOrder = 1
OnDownloadComplete = WebBrowser1DownloadComplete
ControlData = {
4C0000000E110000840300000000000000000000000000000000000000000000
000000004C000000000000000000000001000000E0D057007335CF11AE690800
2B2E126208000000000000004C0000000114020000000000C000000000000046
8000000000000000000000000000000000000000000000000000000000000000
00000000000000000100000000000000000000000000000000000000}
end
object EditNumber: TEdit
Left = 3
Top = 37
Width = 86
Height = 21
Color = clSilver
TabOrder = 2
end
object ImageList1: TImageList
Height = 8
Width = 5
Left = 127
Bitmap = {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}
end
end

这个问题我在做收费站项目时也碰到过，不过后来那个收费站决定买另外的商业系统了。

我认为的难点有两个：
1、如何找到要识别的区域？对于车牌识别系统，可能可以通过定位设施强迫车辆在一个大概的位置停车，这是取得照片，车牌的位置也可以相对固定了。不知汉王是如何实现的。
2、OCR识别。不仅要识别数字和字母，还有汉字，不过汉字少些，只要能够识别40来字就可以了。

都是废话，只要有了OCR的技术，这就不是问题。我感兴趣的是如何判别两张图象是一样的，不管这两张图是不是一样大。

真的很难呀，我来帮忙顶，以后也许自己也会遇到

是收费站项目，有这个需求，虽然目前还没有很强烈要求有这个功能：
通过摄相头拍摄过路车辆车牌图像，进行车牌识别，分析是否冲关车辆
是的话可以进行报警等一系列功能。目前可以讨论图象识别的实现可能：）

我覺得圖象識別關鍵是特征的提取與匹配.
沒做過車牌識別,几年前做過指紋識別和AOI(自動外觀檢測,檢測柔性線路板表面缺陷).
車牌的類型與字有固定的模板,先找出規律,然后對需要檢測的車輛進行匹配.
彩色圖象的信息量比灰度多,檢測算法復雜,最好用一些帶學習功能的算法.

难度有点高， 有了这个技术可以开个公司当老板了
车牌识别属于模式识别问题， 需要至少具备数字图像处理和模式识别的知识。
数字的识别还好办， 汉字识别就复杂了
文字识别的方法有很多。
模板法，浮动模板法，神经网络， 小波分析都可以用于文字识别
http://www.delphibbs.com/delphibbs/dispq.asp?lid=941040

呵呵，判断是否冲关很简单，装个测速雷达不就行了，通过速度和距离判断就行了：）

对车牌识别很难，尤其是运动中的：（

车牌识别是很难的，当初我们也想做，但做到一半，就毕业了。

呵呵，这个问题可能有点复杂了，我也正在做一个计算机上面的图像识别，比这个简单的多
了，我说说我的思路，也许有用。
由于我的识别没有噪音，也很简单，所以没有二义化、切割等等。
是这样，我规定了一个色差范围，凡是在一定范围内的都认为是相同的颜色。然后根据汉字
和数字的特点（其中包括汉字的横、竖、连线、交点）查找有没有想类似的图片区域，然后
在这个区域里面具体的颜色判断汉字的形状，根据已知的字体，匹配特征（只要是80%点相
同就认为相同），然后计算出来汉字的大小、间隔，最后识别出来。
这个东西我也在做，还没有完。我的对象比较固定，噪音也非常得少，甚至颜色都是想近的
所以可能用处不大。

识别的关键是硬件！

现在我就发现了一个问题，拍照系统不是垂直拍摄的，一定是有角度的，而且角度也不固定
所以这个扭曲一定要计算的

他奶奶的我写出来一定把它做成个免费的软件包，大家分享！这个问题，我都想了好久好久了，还是没有结果

有意思，虽然没做过类似的，但值得去思考