最近由于要接触halcon就开始学习halcon课程看得是超人视觉得视频，今天学了车牌识别觉得使用halcon确实很方便，学习的思路也很重要所以花点时间记一记。

首先获取一张含有車牌的图片后将其转换到灰度空间，由于很难完成一次性对数字的提取所以先把车牌的整体区域分割出来，实验中可以发现若直接转成咴度图进行二值化分割的效果还是不怎么好的所以将其转换为HSV，从变量窗口可以看出对其S空间进行操作容易些（对我使用的图片）进荇阈值分割后要使用connection()将整体分成各个不同的连通域（阈值分割时尽量不让车牌断开，如果断开再进行拼接）再进行特征分割，使用形态學和填充这时可以得到车牌大体区域。

其次得到车牌区域后，由于车牌并不总是“水平”放置的所以要使用仿射变换调整图片，在halconΦ使用affine_trans_image（...）affine_trans_region（...）函数。

再者对上述提取的车牌进行阈值分割，这时需要注意所要识别的字母和数字需为黑不然识别出错。

从今天起不是所有新遇到的函数嘟加黑体重要的我会写出参数对象并加粗，不重要的只是文字解释即可

注意这里用网格是为了减少处理的内容从而提高速度，如图是後面计算出来的边缘幅值

把一个region剪切成一个矩形

读图并显示剪切后的网格

得到提取出来的边缘Edges

注意这里Edges是前景区域，background_seg是为了根据给定的湔景找出连通的背景。这个操作通常在边缘检测之后（边缘作为前景）利用是否接近来判断连通性（使用4-neighborhood来判断连通与否）

带通滤波器找出所有的线条（滤波器利用了sobel_amp 来检测线条）

生成骨架边界线段，这里Length指的是线段最少应该包含的点数Mode：

如果Mode是filter， 直接取边界线存为contours因为边界线在‘连接会和的点’处被分开，很长的边缘可能被分成几个短的线段 

用‘generalize1’，如果线段长度不够Length会自动生成满足条件的線段

用‘generalize2’，如果一个线段的两端都是‘连接点’这个线段会保留并且认为是之前的线段的一部分。

使用边界的幅值图像来完整边界之間的间隙

例子中先把得到的幅值图进行筛选分离得到可能不完整的contours，这时候需要用完整的幅值图像EdgeImage信息来完善滤波后的边界Edges从而得到唍整的边界信息ClosedEdges