【QT】OpenCV车牌识别之第一部分：车牌定位

摘要
车牌识别主要包括三大方面：车牌定位、字符分割、字符识别，今天先整理第一部分
主要处理步骤如下，方法不单一，也可以在HSV图做车牌定位，我这里用了灰度图

• 灰度处理
• 二值化
• 边缘检测
• 生态学检测

一、灰度处理
把RGB图处理成灰度图，方便二值化

//灰度处理
Mat MainWindow::GRAY(Mat img)
{
    Mat img_gray;
    cvtColor(img, img_gray, COLOR_BGR2GRAY);//颜色空间转换
    return img_gray;
}

二、二值化处理
这里主要利用了opencv的threshold()函数，255是最大阈值，120是当前阈值，根据实际情况更改

//二值化处理
Mat MainWindow::Two_Value(Mat img)
{
    Mat two_value_img;
    threshold(img, two_value_img, 150, 255, THRESH_BINARY);
    return two_value_img;
}

这个奥迪二值化完了好酷，忍不住贴出来

或者可以用adaptiveThreshold函数，自适应二值化，可以更改底色，需要添加#include <opencv2/imgproc.hpp>

//二值化处理
Mat MainWindow::Two_Value(Mat img)
{
    Mat two_value_img;
    adaptiveThreshold(img, two_value_img,255, ADAPTIVE_THRESH_MEAN_C, THRESH_BINARY, 15, 9);
    /** @brief 自适应二值化
      *@param _src     要二值化的灰度图
      *@param _dst     二值化后的图
      *@param maxValue    二值化后要设置的那个值
      *@param method 块计算的方法（ADAPTIVE_THRESH_MEAN_C 平均值，ADAPTIVE_THRESH_GAUSSIAN_C 高斯分布加权和）
      *@param type     二值化类型（CV_THRESH_BINARY 大于为最大值，CV_THRESH_BINARY_INV 小于为最大值）
      *@param blockSize    块大小（奇数，大于1）
      *@param delta 差值（正值底色为白色）
      */
    return two_value_img;
}

三、边缘检测（膨胀腐蚀）
提取出图像中的轮廓，这里直接用的canny算子，也可以单独膨胀腐蚀处理，程序在下面

//边缘检测
Mat MainWindow::EDGE(Mat img)
{
    Mat edge_img;
    Canny(img,edge_img,120,100,3);
//    edge_img = Dilate(img);
//    edge_img = Erode(edge_img);
//    edge_img = Dilate(edge_img);
    return edge_img;
}
//膨胀
Mat MainWindow::Dilate(Mat img)
{
    Mat edge_img;
    Mat element = getStructuringElement(MORPH_RECT, Size(3, 3), Point(1, 1));
    dilate(img, edge_img, element);
    return edge_img;
}
//腐蚀
Mat MainWindow::Erode(Mat img)
{
    Mat edge_img;
    Mat element = getStructuringElement(MORPH_RECT, Size(3, 3), Point(1, 1));
    erode(img, edge_img, element);
    return edge_img;
}

换张图试一下，二值化的程度不太一样，大众轮廓效果有点差，下面我还是开奥迪吧！

四、生态学检测
1、车牌比例
（1）去Bing图片找到中国车牌的标准，尺寸为440mm*140mm，比例大概是3.14，程序可以放宽这个比例，比如2.5到4来寻找符合要求的轮廓
（2）但是感觉上面奥迪那个车标外边框看起来也是这个比例，有可能成为干扰项

2.定位车牌
（1）核心程序是使用findContours函数检测车牌的轮廓
函数定义如下→来剽窃一下函数用法

findContours( InputOutputArray image, OutputArrayOfArrays contours,
                              OutputArray hierarchy, int mode,
                              int method, Point offset=Point());

• 先建立一个单通道幕布来显示轮廓 ，因为画到原图上是看不出来的,下面是按照大小创建的->Mat8种创建方式

    int with = ui->target_img_label->width();//设置宽度
    int height = ui->target_img_label->height();//设置高度
    Mat target_img = Mat::ones(Size(height,with),CV_8UC1);

像这样

• 将轮廓从canny处理过的图中用findContours提取出来

    vector<vector<Point>> contours;
    vector<Vec4i> hierarchy;
    float temp = 0;
    findContours(edge_img,contours,hierarchy,CV_RETR_TREE,CV_CHAIN_APPROX_NONE,Point());

• 把轮廓画到幕布上

//生态学检测
Mat MainWindow::MORG(Mat img)
{
    for(int i=0;i<contours.size();i++)
    {
        //计算每个轮廓的面积
        temp = fabs(contourArea(contours[i]));
        if(temp>1000)
        {
            //绘制出contours向量内第i个轮廓
            drawContours(target_img,contours,i,Scalar(255),1,8,hierarchy);
            cout<<"i="<<i<<"  Contour_Area="<<temp<<endl;
        }
    }
    return target_img;
}

有两点跟我想的不一样：我把大于1000的轮廓画出来了，幸运的发现就是车牌；虽然提取出来了，但是是个斜的？
感觉上是因为幕布不够大，像素放不下，错位了，那么改大一点试试

Mat target_img = Mat::ones(Size(500,400),CV_8UC1);

果然，但是效果真辣鸡
实际上应该按照比例找轮廓的，就不演示了，下班下班