p86743915
/
pp6hrvtlm
1
0
Fork 0
Code Issues Pull Requests Releases Wiki Activity

修改svm训练算法，优化车牌识别过程

Browse Source
devA
yuxue 5 years ago
parent 9179985e15
commit 6d6c75ca1f
2 changed files with 9 additions and 70 deletions
Show Stats Download Patch File Download Diff File

57
src/main/java/com/yuxue/train/SVMTrain.java
Unescape View File

@ -22,7 +22,6 @@ import com.yuxue.util.FileUtil;
/**
* 基于org.opencv官方包实现的训练
*
*
* windows下环境配置：
* 1、官网下载对应版本的openvp：https://opencv.org/releases/page/2/ 当前使用4.0.1版本
* 2、双击exe文件安装，将 安装目录下\build\java\x64\opencv_java401.dll 拷贝到\build\x64\vc14\bin\目录下
@ -59,7 +58,6 @@ public class SVMTrain {
pridect();
}
public static void train() {
// 正样本 // 136 × 36 像素 训练的源图像文件要相同大小
@ -88,23 +86,9 @@ public class SVMTrain {
}
Mat inMat = Imgcodecs.imread(path); // 读取样本文件
// 创建一个行数为sample_num, 列数为 rows*cols 的矩阵; 用于存放样本
/*if (trainingDataMat == null) {
trainingDataMat = new Mat(sample_num, inMat.rows() * inMat.cols(), CvType.CV_32F);
}*/
// 样本文件处理，这里是为了过滤不需要的特征，减少训练时间 // 根据实际情况需要进行处理
/*Mat greyMat = new Mat();
Imgproc.cvtColor(inMat, greyMat, Imgproc.COLOR_BGR2GRAY); // 转成灰度图
Mat dst = new Mat();
Imgproc.threshold(greyMat, dst, 100, 255, Imgproc.THRESH_OTSU + Imgproc.THRESH_BINARY);
Mat dst = new Mat(inMat.rows(), inMat.cols(), inMat.type());
Imgproc.Canny(greyMat, dst, 130, 250);*/
Mat dst = getFeature(inMat); // 获取样本文件的特征
Mat dst = getFeature(inMat);
// 创建一个行数为sample_num, 列数为 rows*cols 的矩阵; 用于存放样本
if (trainingDataMat == null) {
trainingDataMat = new Mat(sample_num, dst.rows() * dst.cols(), CvType.CV_32F);
}
@ -120,8 +104,7 @@ public class SVMTrain {
}
}
trainingDataMat.put(i, 0, arr); // 多张图合并到一张
trainingDataMat.put(i, 0, arr); // 多张图的特征合并到一个矩阵
}
// Imgcodecs.imwrite(DEFAULT_PATH + "trainingDataMat.jpg", trainingDataMat);
@ -146,7 +129,6 @@ public class SVMTrain {
}
public static void pridect() {
// 加载训练得到的 xml 模型文件
SVM svm = SVM.load(MODEL_PATH);
@ -158,45 +140,14 @@ public class SVMTrain {
doPridect(svm, DEFAULT_PATH + "test/debug_resize_3.jpg");
doPridect(svm, DEFAULT_PATH + "test/S22_KG2187_3.jpg");
doPridect(svm, DEFAULT_PATH + "test/S22_KG2187_5.jpg");
}
public static void doPridect(SVM svm, String imgPath) {
Mat src = Imgcodecs.imread(imgPath);// 图片大小要和样本一致
/*Imgproc.cvtColor(src, src, Imgproc.COLOR_BGR2GRAY);
Mat dst = new Mat();
Imgproc.threshold(src, dst, 100, 255, Imgproc.THRESH_OTSU + Imgproc.THRESH_BINARY);
Mat dst = new Mat();
Imgproc.Canny(src, dst, 130, 250);
Mat samples = dst.reshape(1, 1);
samples.convertTo(samples, CvType.CV_32F);*/
Mat src = Imgcodecs.imread(imgPath);
Mat dst = getFeature(src);
// 等价于上面两行代码
/*Mat samples = new Mat(1, dst.cols() * dst.rows(), CvType.CV_32F);
float[] arr = new float[dst.cols() * dst.rows()];
int l = 0;
for (int j = 0; j < dst.rows(); j++) { // 遍历行
for (int k = 0; k < dst.cols(); k++) { // 遍历列
double[] a = dst.get(j, k);
arr[l] = (float) a[0];
l++;
}
}
samples.put(0, 0, arr);*/
// Imgcodecs.imwrite(DEFAULT_PATH + "test_1.jpg", samples);
// 如果训练时使用这个标识，那么符合的图像会返回9.0
float flag = svm.predict(dst);
// System.err.println(flag);
if (flag == 0) {
System.err.println(imgPath + "： 目标符合");
}

22
src/main/java/com/yuxue/util/ImageUtil.java
Unescape View File

@ -21,7 +21,6 @@ import org.opencv.imgproc.Imgproc;
import com.google.common.collect.Lists;
import com.google.common.collect.Maps;
import com.yuxue.constant.Constant;
/**
@ -58,19 +57,14 @@ public class ImageUtil {
// debugMap.put("specMat", 11);
// debugMap.put("chineseMat", 12);
// debugMap.put("char_auxRoi", 13);
// 加载训练库文件
//loadAnnModel(Constant.DEFAULT_ANN_PATH);
//loadSvmModel(Constant.DEFAULT_SVM_PATH);
}
public static void main(String[] args) {
String tempPath = DEFAULT_BASE_TEST_PATH + "test/";
String filename = tempPath + "/100_yuantu.jpg";
filename = tempPath + "/100_yuantu1.jpg";
//filename = tempPath + "/109_crop_0.png";
// filename = tempPath + "/100_yuantu4.jpg";
filename = tempPath + "/109_crop_0.png";
Mat src = Imgcodecs.imread(filename);
@ -226,12 +220,6 @@ public class ImageUtil {
public static Mat threshold(Mat inMat, Boolean debug, String tempPath) {
Mat dst = new Mat();
Imgproc.threshold(inMat, dst, 100, 255, Imgproc.THRESH_OTSU + Imgproc.THRESH_BINARY);
/*for (int i = 0; i < dst.rows(); i++) {
for (int j = 0; j < dst.cols(); j++) {
System.err.println((int)dst.get(i, j)[0]);
}
}*/
if (debug) {
Imgcodecs.imwrite(tempPath + (debugMap.get("threshold") + 100) + "_threshold.jpg", dst);
}
@ -260,7 +248,7 @@ public class ImageUtil {
Imgcodecs.imwrite(tempPath + (debugMap.get("morphology") + 100) + "_morphology0.jpg", dst);
}
/*// 去除小连通区域
// 去除小连通区域
Mat a = clearSmallConnArea(dst, 3, 10, false, tempPath);
Mat b = clearSmallConnArea(a, 10, 3, false, tempPath);
// 去除孔洞
@ -269,8 +257,8 @@ public class ImageUtil {
if (debug) {
Imgcodecs.imwrite(tempPath + (debugMap.get("morphology") + 100) + "_morphology1.jpg", d);
}*/
return dst;
}
return d;
}

Write Preview
Loading…
Cancel
Save