devbox
小小林熬夜学编程
这个屌丝很懒，什么也没留下！
关注作者
热门标签
热门文章
当前位置:   article > 正文

OpenCV第七篇：车牌识别_opencv车牌识别

作者：小小林熬夜学编程 | 2024-03-27 21:39:29

赞

踩

opencv车牌识别

目录

1.调整图片大小，并获取灰度图

 2.双边滤波去除噪音：cv2.bilateralFilter()。

3.边缘检测：cv2.Canny（image，threshold1，threshold2）

4.寻找轮廓：车牌（四边形）

​编辑 5.图像位运算进行遮罩

6.图像剪裁

7.字符识别：OCR

1.调整图片大小，并获取灰度图

  1. import cv2
  2.  
  3. if __name__ == '__main__':
  4.     img = cv2.imread('2.jpeg')
  5.     # 调整图片大小
  6.     img = cv2.resize(img, (620, 480))
  7.     # 灰度图
  8.     gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
  9.  
  10.  
  11.  
  12.  
  13.     # 显示效果
  14.     cv2.imshow('original', img)
  15.     cv2.waitKey(0)
  16.     cv2.destroyAllWindows()

 2.双边滤波去除噪音：cv2.bilateralFilter()。

  1. import cv2
  2.  
  3. if __name__ == '__main__':
  4.     img = cv2.imread('2.jpeg')
  5.     # 调整图片大小
  6.     img = cv2.resize(img, (620, 480))
  7.     # 灰度图
  8.     gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
  9.     # 双边滤波
  10.     gray1 = cv2.bilateralFilter(gray, 13, 15, 15)
  11.  
  12.     # 显示效果
  13.     cv2.imshow('gray', gray)
  14.     cv2.imshow('bilateralFilter', gray1)
  15.     cv2.waitKey(0)
  16.     cv2.destroyAllWindows()

3.边缘检测：cv2.Canny（image，threshold1，threshold2）

仅显示强度梯度大于最小阈值threshold1且小于最大阈值threshold2的边缘。

  1. import cv2
  2.  
  3. if __name__ == '__main__':
  4.     img = cv2.imread('2.jpeg')
  5.     # 调整图片大小
  6.     img = cv2.resize(img, (620, 480))
  7.     # 灰度图
  8.     gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
  9.     # 双边滤波
  10.     gray = cv2.bilateralFilter(gray, 13, 15, 15)
  11.     # 边缘检测
  12.     edged = cv2.Canny(gray, 30, 200)
  13.  
  14.  
  15.  
  16.  
  17.     # 显示效果
  18.     cv2.imshow('gray', gray)
  19.     cv2.imshow('edged', edged)
  20.     cv2.waitKey(0)
  21.     cv2.destroyAllWindows()

4.寻找轮廓：车牌（四边形）

pip install imutils
  1. import cv2
  2. import imutils
  3.  
  4. if __name__ == '__main__':
  5.     img = cv2.imread('2.jpeg')
  6.     # 调整图片大小
  7.     img = cv2.resize(img, (620, 480))
  8.     # 灰度图
  9.     gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
  10.     # 双边滤波
  11.     gray = cv2.bilateralFilter(gray, 13, 15, 15)
  12.     # 边缘检测
  13.     edged = cv2.Canny(gray, 30, 200)
  14.  
  15.  
  16.     # 寻找轮廓（图像矩阵，输出模式，近似方法）
  17.     contours = cv2.findContours(edged.copy(), cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)
  18.     # 配合上面一句使用：用来兼容cv2和cv3
  19.     contours = imutils.grab_contours(contours)
  20.     # 根据区域大小排序取前十个
  21.     contours = sorted(contours, key=cv2.contourArea, reverse=True)[:10]
  22.     screenCnt = None
  23.     # 遍历轮廓，找到车牌轮廓
  24.     for c in contours:
  25.         # 计算轮廓周长（轮廓，是否闭合）
  26.         peri = cv2.arcLength(c, True)
  27.         # 折线化（轮廓，阈值（越小越接近曲线），是否闭合）返回折线顶点坐标
  28.         approx = cv2.approxPolyDP(c, 0.018 * peri, True)
  29.         # 获取四个顶点（即四边形）
  30.         if len(approx) == 4:
  31.             screenCnt = approx
  32.             break
  33.     # 如果找到了四边形
  34.     if screenCnt is not None:
  35.         # 根据四个顶点坐标对img画线(图像矩阵，轮廓坐标集，轮廓索引，颜色，线条粗细)
  36.         cv2.drawContours(img, [screenCnt], -1, (0, 0, 255), 3)
  37.  
  38.  
  39.  
  40.     # 显示效果
  41.     cv2.imshow('img', img)
  42.     cv2.imshow('gray', gray)
  43.     cv2.imshow('edged', edged)
  44.     cv2.waitKey(0)
  45.     cv2.destroyAllWindows()

 5.图像位运算进行遮罩

  1. import cv2
  2. import imutils
  3. import numpy as np
  4.  
  5. if __name__ == '__main__':
  6.     img = cv2.imread('2.jpeg')
  7.     # 调整图片大小
  8.     img = cv2.resize(img, (620, 480))
  9.     # 灰度图
  10.     gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
  11.     # 双边滤波
  12.     gray = cv2.bilateralFilter(gray, 13, 15, 15)
  13.     # 边缘检测
  14.     edged = cv2.Canny(gray, 30, 200)
  15.  
  16.     """寻找轮廓（图像矩阵，输出模式，近似方法）"""
  17.     contours = cv2.findContours(edged.copy(), cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)
  18.     # 配合上面一句使用：用来兼容cv2和cv3
  19.     contours = imutils.grab_contours(contours)
  20.     # 根据区域大小排序取前十个
  21.     contours = sorted(contours, key=cv2.contourArea, reverse=True)[:10]
  22.     screenCnt = None
  23.     # 遍历轮廓，找到车牌轮廓
  24.     for c in contours:
  25.         # 计算轮廓周长（轮廓，是否闭合）
  26.         peri = cv2.arcLength(c, True)
  27.         # 折线化（轮廓，阈值（越小越接近曲线），是否闭合）返回折线顶点坐标
  28.         approx = cv2.approxPolyDP(c, 0.018 * peri, True)
  29.         # 获取四个顶点（即四边形）
  30.         if len(approx) == 4:
  31.             screenCnt = approx
  32.             break
  33.     # 如果找到了四边形
  34.     if screenCnt is not None:
  35.         # 根据四个顶点坐标对img画线(图像矩阵，轮廓坐标集，轮廓索引，颜色，线条粗细)
  36.         cv2.drawContours(img, [screenCnt], -1, (0, 0, 255), 3)
  37.  
  38.     """遮罩"""
  39.     # 创建一个灰度图一样大小的图像矩阵
  40.     mask = np.zeros(gray.shape, np.uint8)
  41.     # 将创建的图像矩阵的车牌区域画成白色
  42.     cv2.drawContours(mask, [screenCnt], 0, 255, -1, )
  43.     # 图像位运算进行遮罩
  44.     new_image = cv2.bitwise_and(img, img, mask=mask)
  45.  
  46.  
  47.     # 显示效果
  48.     cv2.imshow('img', img)
  49.     cv2.imshow('gray', gray)
  50.     cv2.imshow('edged', edged)
  51.     cv2.imshow('new_image', new_image)
  52.     cv2.waitKey(0)
  53.     cv2.destroyAllWindows()

6.图像剪裁

  1. import cv2
  2. import imutils
  3. import numpy as np
  4.  
  5. if __name__ == '__main__':
  6.     img = cv2.imread('2.jpeg')
  7.     # 调整图片大小
  8.     img = cv2.resize(img, (620, 480))
  9.     # 灰度图
  10.     gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
  11.     # 双边滤波
  12.     gray = cv2.bilateralFilter(gray, 13, 15, 15)
  13.     # 边缘检测
  14.     edged = cv2.Canny(gray, 30, 200)
  15.  
  16.     """寻找轮廓（图像矩阵，输出模式，近似方法）"""
  17.     contours = cv2.findContours(edged.copy(), cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)
  18.     # 配合上面一句使用：用来兼容cv2和cv3
  19.     contours = imutils.grab_contours(contours)
  20.     # 根据区域大小排序取前十个
  21.     contours = sorted(contours, key=cv2.contourArea, reverse=True)[:10]
  22.     screenCnt = None
  23.     # 遍历轮廓，找到车牌轮廓
  24.     for c in contours:
  25.         # 计算轮廓周长（轮廓，是否闭合）
  26.         peri = cv2.arcLength(c, True)
  27.         # 折线化（轮廓，阈值（越小越接近曲线），是否闭合）返回折线顶点坐标
  28.         approx = cv2.approxPolyDP(c, 0.018 * peri, True)
  29.         # 获取四个顶点（即四边形）
  30.         if len(approx) == 4:
  31.             screenCnt = approx
  32.             break
  33.     # 如果找到了四边形
  34.     if screenCnt is not None:
  35.         # 根据四个顶点坐标对img画线(图像矩阵，轮廓坐标集，轮廓索引，颜色，线条粗细)
  36.         cv2.drawContours(img, [screenCnt], -1, (0, 0, 255), 3)
  37.  
  38.     """遮罩"""
  39.     # 创建一个灰度图一样大小的图像矩阵
  40.     mask = np.zeros(gray.shape, np.uint8)
  41.     # 将创建的图像矩阵的车牌区域画成白色
  42.     cv2.drawContours(mask, [screenCnt], 0, 255, -1, )
  43.     # 图像位运算进行遮罩
  44.     new_image = cv2.bitwise_and(img, img, mask=mask)
  45.  
  46.     """图像剪裁"""
  47.     # 获取车牌区域的所有坐标点
  48.     (x, y) = np.where(mask == 255)
  49.     # 获取底部顶点坐标
  50.     (topx, topy) = (np.min(x), np.min(y))
  51.     # 获取底部坐标
  52.     (bottomx, bottomy,) = (np.max(x), np.max(y))
  53.     # 剪裁
  54.     Cropped = gray[topx:bottomx, topy:bottomy]
  55.  
  56.     # 显示效果
  57.     cv2.imshow('img', img)
  58.     cv2.imshow('gray', gray)
  59.     cv2.imshow('edged', edged)
  60.     cv2.imshow('Cropped', Cropped)
  61.     cv2.waitKey(0)
  62.     cv2.destroyAllWindows()

7.字符识别：OCR

  1. import cv2
  2. import imutils
  3. import numpy as np
  4.  
  5. if __name__ == '__main__':
  6.     img = cv2.imread('2.jpeg')
  7.     # 调整图片大小
  8.     img = cv2.resize(img, (620, 480))
  9.     # 灰度图
  10.     gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
  11.     # 双边滤波
  12.     gray = cv2.bilateralFilter(gray, 13, 15, 15)
  13.     # 边缘检测
  14.     edged = cv2.Canny(gray, 30, 200)
  15.  
  16.     """寻找轮廓（图像矩阵，输出模式，近似方法）"""
  17.     contours = cv2.findContours(edged.copy(), cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)
  18.     # 配合上面一句使用：用来兼容cv2和cv3
  19.     contours = imutils.grab_contours(contours)
  20.     # 根据区域大小排序取前十个
  21.     contours = sorted(contours, key=cv2.contourArea, reverse=True)[:10]
  22.     screenCnt = None
  23.     # 遍历轮廓，找到车牌轮廓
  24.     for c in contours:
  25.         # 计算轮廓周长（轮廓，是否闭合）
  26.         peri = cv2.arcLength(c, True)
  27.         # 折线化（轮廓，阈值（越小越接近曲线），是否闭合）返回折线顶点坐标
  28.         approx = cv2.approxPolyDP(c, 0.018 * peri, True)
  29.         # 获取四个顶点（即四边形）
  30.         if len(approx) == 4:
  31.             screenCnt = approx
  32.             break
  33.     # 如果找到了四边形
  34.     if screenCnt is not None:
  35.         # 根据四个顶点坐标对img画线(图像矩阵，轮廓坐标集，轮廓索引，颜色，线条粗细)
  36.         cv2.drawContours(img, [screenCnt], -1, (0, 0, 255), 3)
  37.  
  38.     """遮罩"""
  39.     # 创建一个灰度图一样大小的图像矩阵
  40.     mask = np.zeros(gray.shape, np.uint8)
  41.     # 将创建的图像矩阵的车牌区域画成白色
  42.     cv2.drawContours(mask, [screenCnt], 0, 255, -1, )
  43.     # 图像位运算进行遮罩
  44.     new_image = cv2.bitwise_and(img, img, mask=mask)
  45.  
  46.     """图像剪裁"""
  47.     # 获取车牌区域的所有坐标点
  48.     (x, y) = np.where(mask == 255)
  49.     # 获取底部顶点坐标
  50.     (topx, topy) = (np.min(x), np.min(y))
  51.     # 获取底部坐标
  52.     (bottomx, bottomy,) = (np.max(x), np.max(y))
  53.     # 剪裁
  54.     Cropped = gray[topx:bottomx, topy:bottomy]
  55.  
  56.     """OCR识别"""
  57.     text = pytesseract.image_to_string(Cropped, config='--psm 11')
  58.     print("车牌结果：", text)
  59.  
  60.     # 显示效果
  61.     cv2.imshow('img', img)
  62.     cv2.imshow('gray', gray)
  63.     cv2.imshow('edged', edged)
  64.     cv2.imshow('new_image', Cropped)
  65.     cv2.waitKey(0)
  66.     cv2.destroyAllWindows()

  

声明：本文内容由网友自发贡献，不代表【wpsshop博客】立场，版权归原作者所有，本站不承担相应法律责任。如您发现有侵权的内容，请联系我们。转载请注明出处：https://www.wpsshop.cn/w/小小林熬夜学编程/article/detail/327143
推荐阅读
相关标签

Copyright © 2003-2013 www.wpsshop.cn 版权所有，并保留所有权利。

  

闽ICP备14008679号