蓝色车牌识别OpenCV-Python

前言

定位车牌位置有很多方法可以成功的定位，而每种方法都有各自的优缺点。

---

提示：以下是本篇文章正文内容，下面案例可供参考

一、程序体会

我是基于HSV转换取到大概率车牌的位置，然后高斯去噪，灰度处理，Sobel算法边缘检测（x方向检测，x方向结果较好），自适应阈值二值化处理，进行膨胀腐蚀，中值滤波去除噪点。不过HSV的mask图设置的为蓝色的阙值，只能识别蓝色车牌，如果要识别的绿色或黄色的车牌要换阙值.

形态学运算最好先为CLOSE运算，填充字块连在一起，效果不好可以调整核的大小以及迭代次数。花的最长时间在形态学的调试，要尝试不同的膨胀腐蚀的结果，达到最佳，才能定位好车牌。最后车牌轮廓检测，要选好提取轮廓的比例和矩形的大小，最好在图片处理前同一固定好图片大小，最后的到的满足条件的矩形作为车牌，最好另保存好图片，这样效果会好一点。

上面只是将车牌定位出来了，我们的目的是识别，但目前还不能直接识别出车牌里面的字符。第一次做法是对字符进行分割，然后再一个字符一个字符的识别。字符分割的方法有很多种，比如直方图切割，我们这里按比例分割：车牌样式是固定的，字符的大小也是固定的，就可以直接根据比例来分割出字符来，但是这样对上一步的要求就比较高，要求切割出来的车牌必须的方方正正的，要不然效果可能不如意。字符识别有OCR框架也有模板匹配，PIL。我选取的OCR框架识别单个字符，但效果非常差，所有最后我采取的方式是对车牌原图高斯去噪，灰度处理然后识别一次OCR得str1，二值化识别一次OCR的str2，最终车牌号为str1(汉字)+A_z(字母)+str2(数字/字母)。

图像处理的步骤有很多种方法，各有优点，大家可以自己去研究。目的就是为了找去我们要的那一块矩形区域。同时，我们用到的卷积核大小，都是自己调的，不一定要按照我这个来。

二、使用步骤

1.系统分析

车牌识别的大体步骤：
获取图片->图像处理->车牌字符分割->字符识别

具体流程图：

2.事前定义函数

# 显示图片
def cv_show(name, img):  # 生成窗口显示--opencv读取的格式是BGR
    cv2.imshow(name, img)
    cv2.waitKey(0)
    cv2.destroyAllWindows()

# plt显示彩色图片
def plt_show0(img):  # plt.imshow 是以RGB顺序保存
    b,g,r = cv2.split(img)
    img = cv2.merge([r,g,b])
    plt.imshow(img)
    plt.show()
    
# plt显示灰度图
def plt_show(img):
    plt.imshow(img, cmap='gray')
    plt.show()
    
def my_cv_imread(filepath):  # 解决python中OpenCV库读取图像函数不支持中文路径问题
    # 使用imdecode函数进行读取
    img = cv2.imdecode(np.fromfile(filepath,dtype=np.uint8),-1)
    return img

3.车牌定位

def color_change(picture):  # 将图片转化到HSV空间，并按位取反,突出车牌区域
    #转化为HSV颜色空间
    hsv=cv2.cvtColor(picture,cv2.COLOR_BGR2HSV)     
    
    # 函数通过设置不同的h、s、v的min和max阈值可以获取不同色彩的一个二值的mask图
    lower_blue=np.array([100,43,46])   #蓝色阈值
    upper_blue=np.array([124,255,255])
    #构建掩模
    mask=cv2.inRange(hsv,lower_blue,upper_blue)     
    
    #按位与操作函数
    res1=cv2.bitwise_and(image,image,mask=mask) 
    plt_show0(res1)
    # plt_show(res1) 通道数不对
    return res1

def Gauss_image(img):# 高斯去噪
    image = cv2.GaussianBlur(img, (3, 3), 0)  # 高斯矩阵的长与宽都是3，标准差取0
    plt_show0(image)
    return image

def Gray_image(img):    # 灰度处理
    gray_image = cv2.cvtColor(img, cv2.COLOR_RGB2GRAY)
    plt_show(gray_image)
    return gray_image

def Sobel_x_image(gray_image)