【笔记】OpenCV3 车牌定位 基于边缘检测的分割

---

摘抄一段目前常用的方法

1. 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
2. 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
3. 基于边缘检测的分割方法
4. 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

1. 将车牌图像转换成灰度图
2. 对灰度图，利用高斯平滑处理，去除噪声
3. 使用Canny行边缘检测
4. 对图像进行膨胀、腐蚀，闭运算，开运算的形态学组合变换
5. 对图像medianBlur去噪
6. 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