机器视觉python-openCV实验—— 实验四车牌识别实验

最新推荐文章于 2024-03-16 18:46:45 发布

星羽空间

最新推荐文章于 2024-03-16 18:46:45 发布

阅读量2k

点赞数 1

分类专栏：机器视觉openCV 文章标签： opencv 计算机视觉图像处理

本文链接：https://blog.csdn.net/qq_25662827/article/details/124985336

版权

机器视觉openCV 专栏收录该内容

3 篇文章 2 订阅

订阅专栏

一、实验目的

1. 掌握车牌识别原理；

2. 掌握利用Python-OpenCV进行编程实现车牌识别的方法

二、实验要求

1. 利用Matlab对标准车牌图像和自建车牌图像进行识别；

2. 认真撰写实验报告，要求说明实验原理，对实验过程叙述清楚，关键代码给出注释，对实验结果给出合理解释，实验分析部分则需要指出实验结果优劣的原因以及如何进一步提高实验性能的方法或手段

三、实验代码及结果

3.1 实验代码

# ———————— 实验四 ——————————————
import cv2
import numpy as np

#二值化
def binaryzation(img):
    maxi = float(img.max())
    mini = float(img.min())
    x = maxi - ((maxi - mini) / 2)
    ret, thresh = cv2.threshold(img, x, 255, cv2.THRESH_BINARY)
    return thresh

#找到能够包围给定区块的最小矩形的左下角坐标(min(x),min(y))与右上角坐标(max(x),max(y))
def find_rectangle(contour):
    x = []
    y = []
    for p in contour:
        y.append(p[0][0])
        x.append(p[0][1])
    return [min(y), min(x), max(y), max(x)]
#读取图片
img = cv2.imread(r".\test4.jpeg")
cv2.imshow('initial image', img)
m = 400 * img.shape[0] / img.shape[1]
#调整图像尺寸
img = cv2.resize(img, (400, int(m)), interpolation = cv2.INTER_AREA)
#转化为灰度图
gray_img = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
#结构元素(kernel)为半径为16的圆
r = 16
h = w = r * 2 + 1
kernel = np.zeros((h, w), np.uint8)
cv2.circle(kernel, (r, r), r, 1, -1)
#开运算
open_img = cv2.morphologyEx(gray_img, cv2.MORPH_OPEN, kernel)
#顶帽
hat_img = cv2.absdiff(gray_img, open_img)
#图像二值化
binary_img = binaryzation(hat_img)
#canny边缘检测
canny = cv2.Canny(binary_img, binary_img.shape[0], binary_img.shape[1])
#闭运算核
kernel = np.ones((5, 19), np.uint8)
#闭运算
close_img = cv2.morphologyEx(canny, cv2.MORPH_CLOSE, kernel)
#开运算
open_img = cv2.morphologyEx(close_img, cv2.MORPH_OPEN, kernel)
#更换结构元素
kernel = np.ones((11, 5), np.uint8)
#开运算
open_img = cv2.morphologyEx(open_img, cv2.MORPH_OPEN, kernel)
#提取轮廓
contours, hierarchy = cv2.findContours(open_img, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
#存储每个块的矩形坐标
block = []
for c in contours:
    r = find_rectangle(c)
    block.append(r)

max_weight = 0
max_index = -1
#遍历分割出来的各个区域
for i in range(len(block)):
    b = img[block[i][1] : block[i][3], block[i][0] : block[i][2]]
    #转化为hsv颜色空间
    hsv = cv2.cvtColor(b, cv2.COLOR_BGR2HSV)
    #蓝色下界
    lower = np.array([100, 50, 50])
    #蓝色上界
    upper = np.array([140, 255, 255])
    #利用掩膜进行筛选
    mask = cv2.inRange(hsv, lower, upper)
    #计算当前区域的满足情况
    w1 = 0
    for m in mask:
        w1 += m / 255
    w2 = 0
    for n in w1:
        w2 += n
    if w2 > max_weight:
        max_index = i
        max_weight = w2
#最可能为车牌的区域对应的矩形坐标
rect = block[max_index]
#画框
cv2.rectangle(img, (rect[0], rect[1]), (rect[2], rect[3]),(0, 255, 0), 2)
cv2.imshow('result', img)
cv2.waitKey(0)
cv2.destroyAllWindows()