python+opencv實現車牌定位

寫在前面

HIT大三上學期視聽覺信號處理課程中視覺部分的實驗三，通過和學長們實驗的對比發現每一級實驗要求都不同，所以這裏標明瞭是2019年秋季學期的視覺實驗三。

因爲時間緊張，代碼沒有進行任何優化，實驗算法僅供參考。

實驗要求

對給定的車牌進行車牌識別

實驗代碼

代碼首先貼在這裏，僅供參考

源代碼

實驗代碼以下：

import cv2
import numpy as np

def lpr(filename):
    img = cv2.imread(filename)
    # 預處理，包括灰度處理，高斯濾波平滑處理，Sobel提取邊界，圖像二值化
    # 對於高斯濾波函數的參數設置，第四個參數設爲零，表示不計算y方向的梯度，緣由是車牌上的數字在豎方向較長，重點在於獲得豎方向的邊界
    # 對於二值化函數的參數設置，第二個參數設爲127，是二值化的閾值，是一個經驗值
    gray_img = cv2.cvtColor(img, cv2.COLOR_RGB2GRAY)
    GaussianBlur_img = cv2.GaussianBlur(gray_img, (3, 3), 0)
    Sobel_img = cv2.Sobel(GaussianBlur_img, -1, 1, 0, ksize=3)
    ret, binary_img = cv2.threshold(Sobel_img, 127, 255, cv2.THRESH_BINARY)

    # 形態學運算
    kernel = np.ones((5, 15), np.uint8)
    # 先閉運算將車牌數字部分鏈接，再開運算將不是塊狀的或是較小的部分去掉
    close_img = cv2.morphologyEx(binary_img, cv2.MORPH_CLOSE, kernel)
    open_img = cv2.morphologyEx(close_img, cv2.MORPH_OPEN, kernel)
    # kernel2 = np.ones((10, 10), np.uint8)
    # open_img2 = cv2.morphologyEx(open_img, cv2.MORPH_OPEN, kernel2)
    # 因爲部分圖像獲得的輪廓邊緣不整齊，所以再進行一次膨脹操做
    element = cv2.getStructuringElement(cv2.MORPH_RECT, (5, 5))
    dilation_img = cv2.dilate(open_img, element, iterations=3)

    # 獲取輪廓
    contours, hierarchy = cv2.findContours(dilation_img, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
    # 測試邊框識別結果
    # cv2.drawContours(img, contours, -1, (0, 0, 255), 3)
    # cv2.imshow("lpr", img)
    # cv2.waitKey(0)

    # 將輪廓規整爲長方形
    rectangles = []
    for c in contours:
        x = []
        y = []
        for point in c:
            y.append(point[0][0])
            x.append(point[0][1])
        r = [min(y), min(x), max(y), max(x)]
        rectangles.append(r)

    # 用顏色識別出車牌區域
    # 須要注意的是這裏設置顏色識別下限low時，可根據識別結果自行調整
    dist_r = []
    max_mean = 0
    for r in rectangles:
        block = img[r[1]:r[3], r[0]:r[2]]
        hsv = cv2.cvtColor(block, cv2.COLOR_BGR2HSV)
        low = np.array([100, 60, 60])
        up = np.array([140, 255, 255])
        result = cv2.inRange(hsv, low, up)
        # 用計算均值的方式找藍色最多的區塊
        mean = cv2.mean(result)
        if mean[0] > max_mean:
            max_mean = mean[0]
            dist_r = r

    # 畫出識別結果，因爲以前多作了一次膨脹操做，致使矩形框稍大了一些，所以這裏對於框架+3-3可使框架更貼合車牌
    cv2.rectangle(img, (dist_r[0]+3, dist_r[1]), (dist_r[2]-3, dist_r[3]), (0, 255, 0), 2)
    cv2.imshow("lpr", img)
    cv2.waitKey(0)

# 主程序
for i in range(5):
    lpr(str(i+1) + ".jpg")

參數調整

上述代碼中，全部涉及到參數調整的函數，例如形態學操做，都需邊調整邊觀察當前參數下的運行結果，待本步運行結果較好時，再繼續寫下一步。

該代碼對具體圖片要求較高，不一樣的圖片可能沒法成功識別車牌，此時可嘗試依次調整預處理部分，形態學部分，hsv檢測部分函數的參數

實驗結果

ps:圖五是最難識別的圖片，最後是經過調整hsv下限爲[100, 60, 60]實現的

知識總結

這一部分總結實驗過程當中查詢的博客，介紹完成本實驗所需的知識，並對其記錄以便以後複習。

python3 利用opencv 添加中值濾波，均值濾波，高斯濾波，高斯雙邊濾波 這篇博客參考的是opencv中經常使用的濾波函數

圖像的二值化之python+opencv 這篇博客是opencv中二值化函數的詳解

Python下opencv使用筆記（四）（圖像的閾值處理） 這篇博客參考的是使用二值化函數時的閾值如何設置

OpenCV_ cv2.imshow() 這篇博客參考的是opencv圖片顯示的方式

OpenCV-Python教程（六、Sobel算子） 這篇博客參考的是sobel算子函數的使用方法

形態學操做—膨脹與腐蝕（Dilation and Erosion） OpenCV中的圖像的膨脹和腐蝕 這兩篇博客參考的是膨脹腐蝕的原理即opencv使用

輪廓檢測cv2.findContours() Python OpenCV findContours()函數與drawContours()函數用法 這兩篇博客參考的是opencv邊框畫法，前者是輪廓檢測，後者是畫出邊框

從 RGB 到 HSV 的轉換詳細介紹 這篇博客參考的是hsv的原理

實驗總結

很簡單的一個實驗，總時間加起來大體5個小時左右,（其中還包括了一個小時調參數的時間）

簡單的緣由是opencv真好用，全程調庫

原文出處：https://www.cnblogs.com/fyunaru/p/12083856.html