基于opencv的车辆识别系统

使用OpenCV和Tkinter库来创建一个简单的图形用户界面(GUI)，用户可以通过这个界面选择一张图片，并使用Haar级联分类器来检测图片中的汽车。

---

导入所需的库

cv2 是OpenCV库，用于图像处理；os 提供了一种方便的方式来使用操作系统依赖的功能；numpy 是一个强大的数学库，用于进行数值计算；PIL（Pillow）和ImageTk 用于图像处理和与Tkinter的兼容；Tk, filedialog, Button, Label, Canvas, NW 都是Tkinter库的一部分，用于创建GUI。

import cv2
import os
import numpy as np
from PIL import Image, ImageTk
from tkinter import Tk, filedialog, Button, Label, Canvas, NW

加载Haar级联分类器

一个预训练的模型，用于检测图像中的汽车。

car_cascade = cv2.CascadeClassifier('haarcascade_car.xml')

主程序

def detect_cars_in_image():

定义一个函数 detect_cars_in_image，用于处理图像并检测其中的汽车。

		file_path = filedialog.askopenfilename()

弹出一个文件选择对话框，允许用户选择一个图像文件，并获取文件的路径。

		if file_path:

检查是否选择了文件。

		img = Image.open(file_path)

使用PIL库打开选择的图像文件。

		img_cv = cv2.cvtColor(np.array(img), cv2.COLOR_RGB2BGR)

将图像转换为NumPy数组，并将其从RGB颜色空间转换为BGR颜色空间，因为OpenCV使用BGR。

		gray = cv2.cvtColor(img_cv, cv2.COLOR_BGR2GRAY)

将图像转换为灰度图，因为Haar级联分类器通常在灰度图像上进行训练和检测。

		cars = car_cascade.detectMultiScale(gray, scaleFactor=1.1, minNeighbors=4)

使用Haar级联分类器检测灰度图像中的汽车，返回检测到的汽车的边界框列表。

		for (x, y, w, h) in cars:
			cv2.rectangle(img_cv, (x, y), (x + w, y + h), (0, 0, 255), 2)

遍历检测到的每个汽车边界框，并在原始图像上绘制红色矩形框。

		img = Image.fromarray(cv2.cvtColor(img_cv, cv2.COLOR_BGR2RGB))

将处理后的图像转换回RGB颜色空间，并转换回PIL图像格式。

		img = img.resize((600, 500), Image.LANCZOS)

调整图像大小以适应画布。

		img_tk = ImageTk.PhotoImage(img)

创建一个Tkinter兼容的图像对象。

		canvas.create_image(0, 0, anchor=NW, image=img_tk)

在画布上显示图像。

		canvas.image = img_tk

保持对图像对象的引用，防止它被垃圾回收。

		root.update()

更新Tkinter窗口以显示新图像。

root = Tk()
root.title("Car Detection")

创建Tkinter窗口，并设置标题为 “Car Detection”。

canvas = Canvas(root, width=600, height=500)
canvas.pack()

创建一个600x500大小的画布，并将其添加到窗口中。

label = Label(root, text="Click the button to select an image.")
label.pack(pady=10)

创建一个标签，提示用户点击按钮选择图像，并将其添加到窗口中。

button = Button(root, text="Select Image", command=detect_cars_in_image)
button.pack(pady=5)

创建一个按钮，当点击时调用 detect_cars_in_image 函数，并将其添加到窗口中。

root.mainloop()

启动Tkinter事件循环，这样用户界面就可以响应用户的操作了。