EasyPR中主要涉及到藍色底牌與黃色底牌的車牌識別，隨著新能源車輛的發展，目前已經出現綠色底牌的車牌，因此有必要增加綠色車牌的識別。

  EasyPR中關於車牌的識別，已經比較完善，這裡主要涉及到三個地方的修改。

新增顏色

在自定義Color的列舉類中，新增 綠色，修改之後為：

public enum Color {
        UNKNOWN, BLUE, YELLOW, GREEN
};

新增綠色識別

  在OpenCV或其他軟體中，識別顏色主要通過RGB對映到HSV空間，通過判斷H、S、V的相關值來判斷顏色的，主要原理可以參考：OpenCV顏色識別。修改之後的部分程式碼如下：

public static Mat colorMatch(final Mat src, final Color r,
            final boolean adaptive_minsv) {

        final float max_sv = 255;
        final float minref_sv = 40;
        final float minabs_sv = 60;

        // blue的H範圍75-130
        final int min_blue = 100;
        final int max_blue = 140;

        // yellow的H範圍22- 38
 

        final int min_yellow = 10;
        final int max_yellow = 35;

        // green的H範圍38-75// -- 增加綠色判斷範圍 --
        final int min_green = 35;
        final int max_green = 80;

        // 轉到HSV空間進行處理，顏色搜尋主要使用的是H分量進行藍色與黃色、綠色的匹配工作
        Mat src_hsv = new Mat();
        cvtColor(src, src_hsv, CV_BGR2HSV);
        MatVector hsvSplit = new
 
 MatVector();
        split(src_hsv, hsvSplit);
        equalizeHist(hsvSplit.get(2), hsvSplit.get(2));
        merge(hsvSplit, src_hsv);

        // 匹配模板基色,切換以查詢想要的基色
        int min_h = 0;
        int max_h = 0;
        switch (r) {
        case BLUE:
            min_h = min_blue;
            max_h = max_blue;
            break;
        case YELLOW:
            min_h = min_yellow;
            max_h = max_yellow;
            break;
        case GREEN:
            min_h = min_green;
            max_h = max_green;
        default:
            break;
        }

        float diff_h = (float) ((max_h - min_h) / 2);
        int avg_h = (int) (min_h + diff_h);

        int channels = src_hsv.channels();
        int nRows = src_hsv.rows();
        // 影象資料列需要考慮通道數的影響；
        int nCols = src_hsv.cols() * channels;

        // 連續儲存的資料，按一行處理
        if (src_hsv.isContinuous()) {
            nCols *= nRows;
            nRows = 1;
        }

        for (int i = 0; i < nRows; ++i) {
            BytePointer p = src_hsv.ptr(i);
            for (int j = 0; j < nCols; j += 3) {
                int H = p.get(j) & 0xFF;
                int S = p.get(j + 1) & 0xFF;
                int V = p.get(j + 2) & 0xFF;

                boolean colorMatched = false;

                if (H > min_h && H < max_h) {

                    int Hdiff = 0;
                    if (H > avg_h)
                        Hdiff = H - avg_h;
                    else
                        Hdiff = avg_h - H;

                    float Hdiff_p = Hdiff / diff_h;

                    float min_sv = 0;
                    if (true == adaptive_minsv)
                        min_sv = minref_sv - minref_sv / 2 * (1 - Hdiff_p);
                    else
                        min_sv = minabs_sv;

                    if ((S > min_sv && S <= max_sv)
                            && (V > min_sv && V <= max_sv))
                        colorMatched = true;
                }

                if (colorMatched == true) {
                    p.put(j, (byte) 0);
                    p.put(j + 1, (byte) 0);
                    p.put(j + 2, (byte) 255);
                } else {
                    p.put(j, (byte) 0);
                    p.put(j + 1, (byte) 0);
                    p.put(j + 2, (byte) 0);
                }
            }
        }

        // 獲取顏色匹配後的二值灰度圖
        MatVector hsvSplit_done = new MatVector();
        split(src_hsv, hsvSplit_done);
        Mat src_grey = hsvSplit_done.get(2);

        return src_grey;
}

增加字元限制

  以前的車牌主要是7位字元，包括省 [A-Z].[5位字元] 的方式。但新能源車牌，後面5為字元變為6位字元，因此之前的判斷方法不能夠獲取全部車牌，最好的情況也只能獲得前面的7位字元。因此需要修改為：

private int RebuildRect(final Vector<Rect> vecRect, Vector<Rect> outRect,
            int specIndex) {
        // 最大隻能有7個Rect,減去中文的就只有6個Rect
        int count = 7;// --這裡將6修改為7即可--
        for (int i = 0; i < vecRect.size(); i++) {
            // 將特殊字元左邊的Rect去掉，這個可能會去掉中文Rect，不過沒關係，我們後面會重建。
            if (i < specIndex)
                continue;

            outRect.add(vecRect.get(i));
            if (--count == 0)
                break;
        }

        return 0;
}

至此，可以識別綠色車牌。