OpenCV西班牙车牌识别（一）

最新推荐文章于 2024-05-03 12:13:39 发布

Feyico

最新推荐文章于 2024-05-03 12:13:39 发布

阅读量659

点赞数 1

分类专栏： OpenCV 文章标签：图像识别 OpenCV

本文链接：https://blog.csdn.net/fycqookuer/article/details/79858339

版权

OpenCV 专栏收录该内容

1 篇文章 0 订阅

订阅专栏

开发环境：Qt

车牌定位的大致流程：

读取原图
imread();
灰度化操作
cvtColor();
或者在读取原图时直接做灰度化处理
滤波去噪
blur();
梯度运算（sobel算子）
阈值化操作（二值化）
threshold();// CV_THRESH_OTSU大律法
利用形态学闭运算（先膨胀再腐蚀），闭运算能够排除小型黑洞，将白色区域连成一块。膨胀操作会使物体的边界向外扩张，如果物体内部存在小空洞的话，经过膨胀操作这些洞将被补上，因而不再是边界了。再进行腐蚀操作时，外部边界将变回原来的样子，而这些内部空洞则永远消失了。

轮廓检测

    //Point->vector<Point>->vector<vector<Point>>//一个轮廓由几个点构成
    vector<vector<Point>> contours;//定义存储轮廓的向量
    //轮廓又是 点的向量

    //CV_RETR_EXTERNAL:只检测外轮廓
    //CV_CHAIN_APPROX_SIMPLE 近似方法：只存储垂直/水平/对角直线的起始点-->就是只需要边缘点
    findContours(closed,contours, CV_RETR_EXTERNAL, CV_CHAIN_APPROX_SIMPLE);

绘制轮廓
求轮廓的最小外接矩形

验证过滤，通过面积和宽高比，验证是否为车牌区域

int i;
    //  key(整型下标)， value(旋转矩形-待选车牌区域)
    map<int, RotatedRect> imap; //映射/哈希，保存 待选车牌区域
    for(i=0; i<contours.size(); i++)
    {
        //                  所有轮廓   下标  颜色       线条粗细
        //drawContours(thresh, contours, i, Scalar(255), 3);
        //9.求轮廓最小外接矩形
        RotatedRect rect;//RotatedRect：旋转矩形
        rect = minAreaRect(contours[i]);

        //10.验证：过滤-->通过面积和宽高比 验证是否为车牌区域
        if(!verify(rect))
            continue;
        else
            imap[i] = rect;//哈希存储，用数组下标的方式-->第几个轮廓以及它的旋转矩形
        //https://www.cnblogs.com/fnlingnzb-learner/p/5833051.html

        //获取每个矩形的四个顶点
        Point2f vertices[4];
        rect.points(vertices);
        //画直线，看效果
        int j;
        for(j=0; j<4; j++)
            line(closed,vertices[j],vertices[(j+1)%4], Scalar(255), 3);
    }

利用矩形度来验证
利用迭代器，通过循环找出矩形度和标准车牌最接近的矩形

 /*
    *    矩形度：周长的平方除以面积
    *    (2w+2h)*(2w+2h)/w*h
    *    (4w^2 + 4h^2 + 4w*h)/w*h
    *    4w/h + 4h/w + 8
    *    4*4.7272 + 4*(1/4.7272) + 4 = 27.75
    */
    float min_diff = 10000;//任意初始值
    int index = 0;
    map<int,RotatedRect>::iterator iter;//迭代器
    for(iter = imap.begin(); iter!=imap.end(); iter++)//通过循环，找出矩形度与标准车牌的矩形度最接近的
    {
        //求面积：
        int area = contourArea(contours[iter->first]);
        int perimeter = arcLength(contours[iter->first],true);

        if(area != 0)
        {
            int squareness = perimeter * perimeter / area;//矩形度
            float diff = abs(squareness - 27.75);//差值
            if(diff<min_diff)
            {
                min_diff = diff;//当前最小差值
                index = iter->first;//对应的下标
            }
        }
    }

绘制最接近的矩形
图像切割

以下为本模块全部代码：

#include "locate.h"
#include <opencv.hpp>
#include <map>

using namespace cv;

#define Debug 1

void myDebug(const string &winname, const Mat &image)//调试代码
{
#if Debug
    imshow(winname,image);
#endif
}

bool verify(RotatedRect rect)//宽高比的算法
{
    const float aspect = 4.7272;//宽高比（西班牙车牌）
    int min = 15 * aspect * 15;//面积下限（宽*高）
    int max = 125 * aspect * 125;//面积上限

    //宽高比误差范围
    float error = 0.1;
    float rmin = aspect - aspect * error; //误差
    float rmax = aspect + aspect * error;

    int area = rect.size.width * rect.size.height; //实际面积
    float rate = rect.size.width / rect.size.height; //实际宽高比

    return area>=min && area<=max && rate>=rmin && rate<=rmax;
}


void locate(const string &filename)
{
    //1.读入图像
    Mat image;
    image = imread(filename);
    if(image.empty())
        return;
    myDebug("src",image);

    //2.灰度化
    Mat gray;
    cvtColor(image,gray,COLOR_BGR2GRAY);
    myDebug("gray",gray);

    //3.滤波去噪
    Mat blured;
    blur(gray,blured,Size(5,5));
    myDebug("blured",blured);

    //4.梯度运算，求边缘--定位出可能的位置-->利用sobel算子
    Mat xsobel,ysobel;
    Sobel(blured, xsobel, CV_8U, 1, 0, 3);
    Sobel(blured, ysobel, CV_8U, 0, 1, 3);
    myDebug("xsobel",xsobel);
    myDebug("ysobel",ysobel);

    //5.阈值化--得到最优的二值图像
    Mat thresh;
    threshold(xsobel,thresh, 0, 255, CV_THRESH_OTSU);//大律法
    myDebug("thresh",thresh);

    //6.形态学闭运算--白色连成一片-->获取结构元素/闭运算
    //使用闭运算（先膨胀再腐蚀）连通临近区域，说白了就是将亮的区域连在一起
    Mat closed;
    Mat element = getStructuringElement(MORPH_RECT,Size(17,3));
    morphologyEx(thresh,closed,MORPH_CLOSE,element);
    myDebug("closed",closed);

    //7.轮廓检测
    //Point->vector<Point>->vector<vector<Point>>//一个轮廓由几个点构成
    vector<vector<Point>> contours;//定义存储轮廓的向量
    //轮廓又是 点的向量

    //CV_RETR_EXTERNAL:只检测外轮廓
    //CV_CHAIN_APPROX_SIMPLE 近似方法：只存储垂直/水平/对角直线的起始点-->就是只需要边缘点
    findContours(closed,contours, CV_RETR_EXTERNAL, CV_CHAIN_APPROX_SIMPLE);

    //8.绘制轮廓
    int i;
    //  key(整型下标)， value(旋转矩形-待选车牌区域)
    map<int, RotatedRect> imap; //映射/哈希，保存 待选车牌区域
    for(i=0; i<contours.size(); i++)
    {
        //                  所有轮廓   下标  颜色       线条粗细
        //drawContours(thresh, contours, i, Scalar(255), 3);
        //9.求轮廓最小外接矩形
        RotatedRect rect;//RotatedRect：旋转矩形
        rect = minAreaRect(contours[i]);

        //10.验证：过滤-->通过面积和宽高比 验证是否为车牌区域
        if(!verify(rect))
            continue;
        else
            imap[i] = rect;//哈希存储，用数组下标的方式-->第几个轮廓以及它的旋转矩形
        //https://www.cnblogs.com/fnlingnzb-learner/p/5833051.html

        //获取每个矩形的四个顶点
        Point2f vertices[4];
        rect.points(vertices);
        //画直线，看效果
        int j;
        for(j=0; j<4; j++)
            line(closed,vertices[j],vertices[(j+1)%4], Scalar(255), 3);

    }
    myDebug("contours", closed);
    cout << imap.size() << endl;

    //11.利用矩形度来验证
    /*
        矩形度：周长的平方除以面积
        (2w+2h)*(2w+2h)/w*h
        (4w^2 + 4h^2 + 4w*h)/w*h
        4w/h + 4h/w + 8
        4*4.7272 + 4*(1/4.7272) + 4 = 27.75
    */
    float min_diff = 10000;//任意初始值
    int index = 0;
    map<int,RotatedRect>::iterator iter;//迭代器
    for(iter = imap.begin(); iter!=imap.end(); iter++)//通过循环，找出矩形度与标准车牌的矩形度最接近的
    {
        //求面积：
        int area = contourArea(contours[iter->first]);
        int perimeter = arcLength(contours[iter->first],true);

        if(area != 0)
        {
            int squareness = perimeter * perimeter / area;//矩形度
            float diff = abs(squareness - 27.75);//差值
            if(diff<min_diff)
            {
                min_diff = diff;//当前最小差值
                index = iter->first;//对应的下标
            }
        }

    }

    //12.绘制最接近的矩形
    RotatedRect rect2 = imap[index];
    Point2f vertices2[4];
    rect2.points(vertices2);
    for(int i=0; i<4; i++)
    {
        line(image,vertices2[i],vertices2[(i+1)%4], Scalar(0,255,0), 3);
    }
    myDebug("final",image);

    //13.图像切割 始终保持 宽 > 高
    Mat locate;
    RotatedRect rest = imap[index];
    Size size = rest.size;
    if(size.width < size.height)
        swap(size.width, size.height);
    //           原图像  大小（宽高） 中心点   输出结果
    getRectSubPix(image, size, rest.center, locate);
    imwrite("locate1.jpg",locate);

    waitKey(0);
}

欢迎交流学习，若有不足，还望指正！

Feyico

关注

1
点赞
踩
1

收藏

觉得还不错? 一键收藏
0
评论
OpenCV西班牙车牌识别（一）

开发环境：Qt车牌定位的大致流程：读取原图imread();灰度化操作cvtColor();或者在读取原图时直接做灰度化处理滤波去噪blur();梯度运算（sobel算子）阈值化操作（二值化）threshold();// CV_THRESH_OTSU大律法利用形态学闭运算（先膨胀再腐蚀），闭运算能够排除小型黑洞，将白色区域连成一块。膨胀操作会使物体的边界向外扩张，如果物体内部存在小空洞的话，经过膨...
复制链接

扫一扫