车辆识别 (练习用，代码不完整)

最新推荐文章于 2022-07-09 22:00:00 发布

qiao_lili

最新推荐文章于 2022-07-09 22:00:00 发布

阅读量862

点赞数

分类专栏： OpenCV python

本文链接：https://blog.csdn.net/qiao_lili/article/details/89877309

版权

这篇博客主要探讨了车辆识别技术的应用，虽然提供了部分代码，但请注意这仅是一个练习案例，代码并不完整。通过阅读，读者可以了解到车辆识别的基本流程和关键算法。

摘要由CSDN通过智能技术生成

import cv2
import matplotlib.pyplot as plt
import os, glob
from Parking import Parking


def img_process(test_images, park):
    # 1.使用cv2.iRange进行第一步过滤,并转化为GRAY图像
    first_step_images = list(map(park.filter_RGB, test_images))  # 使用map可以将函数作用到list的每一个成员
    park.show_images(first_step_images)
    # 2.基于一些先验坐标进行二次过滤
    second_step_images = list(map(park.select_ROI, first_step_images))
    park.show_images(second_step_images)
    # 3.保留符合要求的直线信息，进行第三次过滤
    LineInfo = list(map(park.LineInfo, second_step_images))
    third_step_images = []
    Lines = []
    test_image_copy = test_images.copy()
    for (image, lines) in zip(test_image_copy, LineInfo):
        for line in lines:
            for x1, y1, x2, y2 in line:
              # image = cv2.line(image, (x1, y1), (x2, y2), (0, 255, 0))
                Lines.append((x1, y1, x2, y2)) # 列表不可哈希，元组却可以
        third_step_images.append(image)
    park.show_images(third_step_images)
    # 4.对这些直线数据排序，大致给出每个车位的位置，第四次过滤
    image_copy = test_images.copy()
    (car_pos0, fourst_step_images0) = park.ComputerParkingPos(Lines, image_copy[0])
    (car_pos1, fourst_step_images1) = park.ComputerParkingPos(Lines, image_copy[1])
    (car_pos, fourst_step_images) = list(zip((car_pos0, fourst_step_images0),(car_pos1, fourst_step_images1)))
    park.show_images(fourst_step_ima