摘抄一段目前常用的方法
- 基于颜色的分割方法,这种方法主要利用颜色空间的信息,实现车牌分割,包括彩色边缘算法、颜色距离和相似度算法等
- 基于纹理的分割方法,这种方法主要利用车牌区域水平方向的纹理特征进行分割,包括小波纹理、水平梯度差分纹理等
- 基于边缘检测的分割方法
- 基于数学形态法的分割方法
基于近段时间研究的内容,先尝试下第三种方法。。。
-
具体步骤
- 将车牌图像转换成灰度图
- 对灰度图,利用高斯平滑处理,去除噪声
- 使用Canny行边缘检测
- 对图像进行膨胀、腐蚀,闭运算,开运算的形态学组合变换
- 对图像medianBlur去噪
- 对图像进行轮廓查找,根据车牌的长宽比提取车牌,也可以叠加上颜色,让它更精准
- 读入图片,并转换灰度图
def rec_car(img_name):
img = cv2.imread(img_name)
cv2.imshow('img',img)
img_old = img.copy()
img = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
cv2.imshow('gray', img)
百度查找的图片,如有不适,请及