本篇文章主要基于python語(yǔ)言和OpenCV庫(kù)（cv2）進(jìn)行車(chē)牌區(qū)域識(shí)別和字符分割，開(kāi)篇之前針對(duì)在python中安裝opencv的環(huán)境這里不做介紹，可以自行安裝配置！

“專(zhuān)業(yè)、務(wù)實(shí)、高效、創(chuàng)新、把客戶(hù)的事當(dāng)成自己的事”是我們每一個(gè)人一直以來(lái)堅(jiān)持追求的企業(yè)文化。 創(chuàng)新互聯(lián)建站是您可以信賴(lài)的網(wǎng)站建設(shè)服務(wù)商、專(zhuān)業(yè)的互聯(lián)網(wǎng)服務(wù)提供商! 專(zhuān)注于網(wǎng)站建設(shè)、成都做網(wǎng)站、軟件開(kāi)發(fā)、設(shè)計(jì)服務(wù)業(yè)務(wù)。我們始終堅(jiān)持以客戶(hù)需求為導(dǎo)向，結(jié)合用戶(hù)體驗(yàn)與視覺(jué)傳達(dá)，提供有針對(duì)性的項(xiàng)目解決方案，提供專(zhuān)業(yè)性的建議，創(chuàng)新互聯(lián)建站將不斷地超越自我，追逐市場(chǎng)，引領(lǐng)市場(chǎng)！

車(chē)牌號(hào)檢測(cè)需要大致分為四個(gè)部分：

1.車(chē)輛圖像獲取

2.車(chē)牌定位、

3.車(chē)牌字符分割

4.車(chē)牌字符識(shí)別

具體介紹

車(chē)牌定位需要用到的是圖片二值化為黑白后進(jìn)canny邊緣檢測(cè)后多次進(jìn)行開(kāi)運(yùn)算與閉運(yùn)算用于消除小塊的區(qū)域，保留大塊的區(qū)域，后用cv2.rectangle選取矩形框，從而定位車(chē)牌位置

車(chē)牌字符的分割前需要準(zhǔn)備的是只保留車(chē)牌部分，將其他部分均變?yōu)楹谏尘啊＿@里我采用cv2.grabCut方法，可將圖像分割成前景與背景。分割完成后，再經(jīng)過(guò)二值化為黑白圖后即可進(jìn)行字符分割。由于圖像中只有黑色和白色像素，因此我們需要通過(guò)圖像的白色像素和黑色像素來(lái)分割開(kāi)字符。即分別通過(guò)判斷每一行每一列的黑色白色像素值的位置，來(lái)定位出字符。

具體步驟如下：

1.灰度轉(zhuǎn)換：將彩色圖片轉(zhuǎn)換為灰度圖像，常見(jiàn)的R=G=B=像素平均值。

2.高斯平滑和中值濾波：去除噪聲。

3.Sobel算子：提取圖像邊緣輪廓，X方向和Y方向平方和開(kāi)跟。

4.二值化處理：圖像轉(zhuǎn)換為黑白兩色，通常像素大于127設(shè)置為255，小于設(shè)置為0。

5.膨脹和細(xì)化：放大圖像輪廓，轉(zhuǎn)換為一個(gè)個(gè)區(qū)域，這些區(qū)域內(nèi)包含車(chē)牌。

6.通過(guò)算法選擇合適的車(chē)牌位置，通常將較小的區(qū)域過(guò)濾掉或?qū)ふ宜{(lán)色底的區(qū)域。

7.標(biāo)注車(chē)牌位置

8.圖像切割和識(shí)別

通過(guò)代碼實(shí)現(xiàn):

# -*- coding: utf-8 -*-
"""
@email:cuiran2001@163.com
@author: cuiran
"""
import cv2
import numpy as np
from PIL import Image
import os.path
from skimage import io,data
def stretch(img):
 '''
 圖像拉伸函數(shù)
 '''
 maxi=float(img.max())
 mini=float(img.min())

 for i in range(img.shape[0]):
  for j in range(img.shape[1]):
   img[i,j]=(255/(maxi-mini)*img[i,j]-(255*mini)/(maxi-mini))

 return img

def dobinaryzation(img):
 '''
 二值化處理函數(shù)
 '''
 maxi=float(img.max())
 mini=float(img.min())

 x=maxi-((maxi-mini)/2)
 #二值化,返回閾值ret 和 二值化操作后的圖像thresh
 ret,thresh=cv2.threshold(img,x,255,cv2.THRESH_BINARY)
 #返回二值化后的黑白圖像
 return thresh

def find_rectangle(contour):
 '''
 尋找矩形輪廓
 '''
 y,x=[],[]

 for p in contour:
  y.append(p[0][0])
  x.append(p[0][1])

 return [min(y),min(x),max(y),max(x)]

def locate_license(img,afterimg):
 '''
 定位車(chē)牌號(hào)
 '''
 img,contours,hierarchy=cv2.findContours(img,cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_SIMPLE)

 #找出大的三個(gè)區(qū)域
 block=[]
 for c in contours:
  #找出輪廓的左上點(diǎn)和右下點(diǎn)，由此計(jì)算它的面積和長(zhǎng)度比
  r=find_rectangle(c)
  a=(r[2]-r[0])*(r[3]-r[1]) #面積
  s=(r[2]-r[0])*(r[3]-r[1]) #長(zhǎng)度比

  block.append([r,a,s])
 #選出面積大的3個(gè)區(qū)域
 block=sorted(block,key=lambda b: b[1])[-3:]

 #使用顏色識(shí)別判斷找出最像車(chē)牌的區(qū)域
 maxweight,maxindex=0,-1
 for i in range(len(block)):
  b=afterimg[block[i][0][1]:block[i][0][3],block[i][0][0]:block[i][0][2]]
  #BGR轉(zhuǎn)HSV
  hsv=cv2.cvtColor(b,cv2.COLOR_BGR2HSV)
  #藍(lán)色車(chē)牌的范圍
  lower=np.array([100,50,50])
  upper=np.array([140,255,255])
  #根據(jù)閾值構(gòu)建掩膜
  mask=cv2.inRange(hsv,lower,upper)
  #統(tǒng)計(jì)權(quán)值
  w1=0
  for m in mask:
   w1+=m/255

  w2=0
  for n in w1:
   w2+=n

  #選出大權(quán)值的區(qū)域
  if w2>maxweight:
   maxindex=i
   maxweight=w2

 return block[maxindex][0]

def find_license(img):
 '''
 預(yù)處理函數(shù)
 '''
 m=400*img.shape[0]/img.shape[1]

 #壓縮圖像
 img=cv2.resize(img,(400,int(m)),interpolation=cv2.INTER_CUBIC)

 #BGR轉(zhuǎn)換為灰度圖像
 gray_img=cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)

 #灰度拉伸
 stretchedimg=stretch(gray_img)

 '''進(jìn)行開(kāi)運(yùn)算，用來(lái)去除噪聲'''
 r=16
 h=w=r*2+1
 kernel=np.zeros((h,w),np.uint8)
 cv2.circle(kernel,(r,r),r,1,-1)
 #開(kāi)運(yùn)算
 openingimg=cv2.morphologyEx(stretchedimg,cv2.MORPH_OPEN,kernel)
 #獲取差分圖，兩幅圖像做差 cv2.absdiff('圖像1','圖像2')
 strtimg=cv2.absdiff(stretchedimg,openingimg)

 #圖像二值化
 binaryimg=dobinaryzation(strtimg)

 #canny邊緣檢測(cè)
 canny=cv2.Canny(binaryimg,binaryimg.shape[0],binaryimg.shape[1])

 '''消除小的區(qū)域，保留大塊的區(qū)域，從而定位車(chē)牌'''
 #進(jìn)行閉運(yùn)算
 kernel=np.ones((5,19),np.uint8)
 closingimg=cv2.morphologyEx(canny,cv2.MORPH_CLOSE,kernel)

 #進(jìn)行開(kāi)運(yùn)算
 openingimg=cv2.morphologyEx(closingimg,cv2.MORPH_OPEN,kernel)

 #再次進(jìn)行開(kāi)運(yùn)算
 kernel=np.ones((11,5),np.uint8)
 openingimg=cv2.morphologyEx(openingimg,cv2.MORPH_OPEN,kernel)

 #消除小區(qū)域，定位車(chē)牌位置
 rect=locate_license(openingimg,img)

 return rect,img

def cut_license(afterimg,rect):
 '''
 圖像分割函數(shù)
 '''
 #轉(zhuǎn)換為寬度和高度
 rect[2]=rect[2]-rect[0]
 rect[3]=rect[3]-rect[1]
 rect_copy=tuple(rect.copy())
 rect=[0,0,0,0]
 #創(chuàng)建掩膜
 mask=np.zeros(afterimg.shape[:2],np.uint8)
 #創(chuàng)建背景模型 大小只能為13*5，行數(shù)只能為1，單通道浮點(diǎn)型
 bgdModel=np.zeros((1,65),np.float64)
 #創(chuàng)建前景模型
 fgdModel=np.zeros((1,65),np.float64)
 #分割圖像
 cv2.grabCut(afterimg,mask,rect_copy,bgdModel,fgdModel,5,cv2.GC_INIT_WITH_RECT)
 mask2=np.where((mask==2)|(mask==0),0,1).astype('uint8')
 img_show=afterimg*mask2[:,:,np.newaxis]

 return img_show

def deal_license(licenseimg):
 '''
 車(chē)牌圖片二值化
 '''
 #車(chē)牌變?yōu)榛叶葓D像
 gray_img=cv2.cvtColor(licenseimg,cv2.COLOR_BGR2GRAY)

 #均值濾波 去除噪聲
 kernel=np.ones((3,3),np.float32)/9
 gray_img=cv2.filter2D(gray_img,-1,kernel)

 #二值化處理
 ret,thresh=cv2.threshold(gray_img,120,255,cv2.THRESH_BINARY)

 return thresh


def find_end(start,arg,black,white,width,black_max,white_max):
 end=start+1
 for m in range(start+1,width-1):
  if (black[m] if arg else white[m])>(0.98*black_max if arg else 0.98*white_max):
   end=m
   break
 return end


if __name__=='__main__':
 img=cv2.imread('test_images/car001.jpg',cv2.IMREAD_COLOR)
 #預(yù)處理圖像
 rect,afterimg=find_license(img)

 #框出車(chē)牌號(hào)
 cv2.rectangle(afterimg,(rect[0],rect[1]),(rect[2],rect[3]),(0,255,0),2)
 cv2.imshow('afterimg',afterimg)

 #分割車(chē)牌與背景
 cutimg=cut_license(afterimg,rect)
 cv2.imshow('cutimg',cutimg)

 #二值化生成黑白圖
 thresh=deal_license(cutimg)
 cv2.imshow('thresh',thresh)
 cv2.waitKey(0)

 #分割字符
 '''
 判斷底色和字色
 '''
 #記錄黑白像素總和
 white=[]
 black=[]
 height=thresh.shape[0] #263
 width=thresh.shape[1] #400
 #print('height',height)
 #print('width',width)
 white_max=0
 black_max=0
 #計(jì)算每一列的黑白像素總和
 for i in range(width):
  line_white=0
  line_black=0
  for j in range(height):
   if thresh[j][i]==255:
    line_white+=1
   if thresh[j][i]==0:
    line_black+=1
  white_max=max(white_max,line_white)
  black_max=max(black_max,line_black)
  white.append(line_white)
  black.append(line_black)
  print('white',white)
  print('black',black)
 #arg為true表示黑底白字，F(xiàn)alse為白底黑字
 arg=True
 if black_max<white_max:
  arg=False

 n=1
 start=1
 end=2
 s_width=28
 s_height=28
 while n<width-2:
  n+=1
  #判斷是白底黑字還是黑底白字 0.05參數(shù)對(duì)應(yīng)上面的0.95 可作調(diào)整
  if(white[n] if arg else black[n])>(0.02*white_max if arg else 0.02*black_max):
   start=n
   end=find_end(start,arg,black,white,width,black_max,white_max)
   n=end
   if end-start>5:
    cj=thresh[1:height,start:end]

    # new_image = cj.resize((s_width,s_height),Image.BILINEAR)
    # cj=cj.reshape(28, 28)
    print("result/%s.jpg" % (n))
    #保存分割的圖片 by cayden
    # cj.save("result/%s.jpg" % (n))
    infile="result/%s.jpg" % (n)
    io.imsave(infile,cj)

    # im = Image.open(infile)
    # out=im.resize((s_width,s_height),Image.BILINEAR)
    # out.save(infile)

    cv2.imshow('cutlicense',cj)
    cv2.waitKey(0)


 cv2.waitKey(0)
 cv2.destroyAllWindows()

網(wǎng)站標(biāo)題：OpenCV+Python識(shí)別車(chē)牌和字符分割的實(shí)現(xiàn)-創(chuàng)新互聯(lián)
URL標(biāo)題：http://www.chinadenli.net/article46/igheg.html

成都網(wǎng)站建設(shè)公司_創(chuàng)新互聯(lián)，為您提供微信公眾號(hào)、網(wǎng)站營(yíng)銷(xiāo)、定制開(kāi)發(fā)、Google、網(wǎng)站收錄、企業(yè)網(wǎng)站制作

廣告

聲明：本網(wǎng)站發(fā)布的內(nèi)容（圖片、視頻和文字）以用戶(hù)投稿、用戶(hù)轉(zhuǎn)載內(nèi)容為主，如果涉及侵權(quán)請(qǐng)盡快告知，我們將會(huì)在第一時(shí)間刪除。文章觀(guān)點(diǎn)不代表本網(wǎng)站立場(chǎng)，如需處理請(qǐng)聯(lián)系客服。電話(huà)：028-86922220；郵箱：631063699@qq.com。內(nèi)容未經(jīng)允許不得轉(zhuǎn)載，或轉(zhuǎn)載時(shí)需注明來(lái)源： 創(chuàng)新互聯(lián)