OPENCV
Posts
31 posts
Canny Edge와 Hough Transform을 이용한 차선 검출(5)
한동안 회사 업무에 바빠서 글을 올리는 게 늦었네요.앞으로는 한 주에 하나 정도는 꾸준히 글을 올리도록 노력하겠습니다. 지난 시간에 계속 이어서 이번 시간에 도전할 이미지는 아래와 같습니다. 만만하게 생각한 이미지였는데 의외로 복병이 많은 이미지입니다.미리 말씀드리면 아래의 3가지 수정 포인트가 존재합니다. 1. 무한루프에 빠지는 문제 2. Threshold 조정 3. 소실점을 이용한 차선 검출 로직 구현 아직 우리 알고리즘이 완전하지 않기 때문에 그렇겠지요.오늘은 1번 2번 문제만 해결하고 수정이 살짝 까다로운 3번 문제의 해결책은 다음 글에서 설명하도록 하겠습니다. 먼저 테스트 이미지가 계속 늘고 있는데 이미지의 이름이 하드코딩 되어 있어서 이미지를 바꿀 때마다 매번 소스를 수정하고 다시
차량번호판 인식 #6
차량번호판 인식 #5 에서 찾은 두개의 merge image에서 사람은 어느쪽이 번호인지 알 수 있지만 OpenCV로는 알수 없기 때문에 2개를 모두 OCR에 넣는 것을 택했습니다. OCR 에 넣기전에 먼저 OCR LIB 및 Tranning Data가 필요로 합니다.먼저 Tesseract-OCR을 설치를 해야 하는데요.. 소스를 받아서 컴파일 해도 되고, 설치파일을 다운로드 하는 방법이 있습니다.저 같은 경우는 아래 blog를 참고로 하여 설치를 하였습니다. tesseract-ocr 3.02 설치방법 train 하기 위해서 jTessBoxEditor 를 사용하였으며, 아래 blog를 참조 하였습니다. jTessBoxEditor 사용법 학습은 아래 blog를 참조 하시면 됩니다 tesse
차량번호판 인식 #5
차량번호판 인식 #4 에서 문자집합들이 중복적으로 만들어지는 문제들이 있었습니다.이문제를 해결하기 위해서 여러가지 방법들이 있겠지만...중복적으로 가지는 집합들을 merge 하는 방법을 택했습니다.어떤 문자집합이 번호판를 가지고 있는지 코드상으로 판단할수 있는 방법이 없기 때문입니다. 즉, 조건을 가지는 합집합 필터를 만들었습니다. 2차 필터로 구한 문자의 집합은 아래의 파란 사각형들입니다. 로그를 보면 7개를 찾은것을 알 수 있고, 문자집합들만 짤라 보았습니다. 보시면, 번호판의 숫자가 포함되지 않는것을 볼 수 있습니다. 테스트 이미지마다 조금씩 다른데 70%정도는 번호판이 모두 들어갈것 입니다..^^딱 봐도 2개의 그룹으로 줄일 수 있을거라는 생각이 드네요...Merge 는 아래와 같이 꼭지
차량번호판 인식 #4
차량번호판 인식 #3 에서 1차 필터를 거친후에도 숫자만을 찾기에는 역부족입니다. 번호판의 숫자는 규격적인 text 이므로, 사각형의 일률적으로 나열되는것을 볼수 있습니다.이미지상의 차량번호가 기울어지지 않았다면 아래처럼 Y의 좌표는 비슷한 값을 가질것이며, X의 좌표들이 문자의 크기만큼 늘어나날 것입니다. 번호판의 집합은 비슷한 Y의 좌표를 가지고, X의 좌표는 어느정도의 거리를 가지는 7개이상의 덩어리들의 합으로 정의를 내렸습니다. 첫번째 덩어리와 그다음 덩어리들을 비교하기 편하기 위해서, X축 기준으로 Sorting을 먼저 진행하였습니다.굳이 안해도 될것 같지만 덩어리들 위치 분석을 좀 더 쉽게 하기 위해서 필요합니다. for (unsigned int i = 1; i < mBo
