OpenCV基于颜色信息的车牌提取

OpenCV基于颜色信息的车牌提取

车牌提取的方法主要有：基于纹理特征分析法、基于数学形态学分析法、基于边缘检测的定位分析法、基于小波分析的定位分析法、基于彩色信息的定位分析法，本文采用的方法是基于颜色信息的定位分析法。
本文主要参考了以下这一篇博客，该博客是用C++编写的算法，我参考其方法用Python实现了一遍。
参考的博客（C++编写的算法）
在代码中，我详细地注释了每一个步骤流程以及一些注意事项，看注释应该比较容易理解，代码可以直接使用。
注意把cv2.imread()函数中的图片路径修改一下，原始图片我放在了博客的最后。

#基于颜色信息的车牌提取
#识别普通民用小型车，车牌号是蓝底白字，正常光照下蓝色车牌的BGR大约是（138,63,23）；车牌形状是矩形，长宽比是3:1
import cv2
import numpy as np

#读取车辆原始图像
car_original = cv2.imread('C:\\Users\\Administrator\\Desktop\\car.jpg')
rows,cols,td = car_original.shape  #图像的行/高、列/宽、通道数
#print(rows,cols,td)  #输出图像的大小，方便对图像的尺寸有一个了解
cv2.imshow('car_original',car_original)  #显示原始图像
#基于颜色信息进行二值化
#正常光照下蓝色车牌的BGR大约是（138,63,23），由于存在一定的偏差，在二值化的时候设置一个范围，在范围之内
#的颜色（车牌的蓝色背景）设置成白色，否则设置成黑色。
blue_goal = 138
green_goal = 63
red_goal = 23
threshold = 50  #二值化的时候，通过设置一个阈值来设置一个范围
#注意：OpenCV中彩色图像的像素值是BGR格式，即（blue,green,red）
for i in range(0,rows):
    for j in range(0,cols):
        B = car_original[i,j,0]
        G = car_original[i,j,1]
        R = car_original[i,j,2]
        if abs(B-blue_goal)<threshold and abs(G-green_goal)<threshold and abs(R-red_goal)<threshold:
            car_original[i,j,0] = 255
            car_original[i,j,1] = 255
            car_original[i,j,2] = 255
        else:
            car_original[i,j,0] = 0
            car_original[i,j,1] = 0
            car_original[i,j,2] = 0
cv2.imshow('car_binarization',car_original)  #显示基于颜色信息二值化之后的图像
#接下来进行形态学处理
#先膨胀再腐蚀
kernel = np.ones((3,3),np.int8)
dilation = cv2.dilate(car_original,kernel,iterations=1)  #膨胀一次
dilation = cv2.dilate(dilation,kernel,iterations=1)  #再膨胀一次
dilation = cv2.dilate(dilation,kernel,iterations=1)  #再膨胀一次
cv2.imshow('car_dilation',dilation)  #膨胀三次之后，可以看出车牌矩形区域内全部是白色
#再腐蚀三次
erosion = cv2.erode(dilation,kernel,iterations=1)
erosion = cv2.erode(erosion,kernel,iterations=1)
erosion = cv2.erode(erosion,kernel,iterations=1)
cv2.imshow('car_erosion',erosion)  #形态学处理之后最终得到的图像
#形态学处理之后的图像还是三通道的黑白图，通过灰度化转换成单通道的黑白图
car = cv2.cvtColor(erosion,cv2.COLOR_BGR2GRAY)
#查找轮廓
contours,hierarchy = cv2.findContours(car,cv2.RETR_TREE,cv2.CHAIN_APPROX_SIMPLE)
for c in contours:
    x,y,w,h = cv2.boundingRect(c)  #轮廓的边界矩形，x,y是矩形左上角的坐标，w,h是矩形的宽度和高度
    if w>60 and h>20:  #如果当前的这个轮廓区域足够大，它一定是车牌号矩形区域。
                        # 如果原始图像有大面积的蓝色背景，例如车的颜色是蓝色的，则可以设置w和h的上限值，即min<w<max and min<h<max
        x_goal = x
        y_goal = y
        w_goal = w
        h_goal = h
        goal = c
car_goal = cv2.imread('C:\\Users\\Administrator\\Desktop\\car.jpg')
cv2.rectangle(car_goal,(x_goal,y_goal),(x_goal+w_goal,y_goal+h_goal),(0,255,0),2)  #把车牌号在原始图像上标记出来
cv2.imshow('goal',car_goal)
cv2.waitKey(0)

下图是代码中使用的原始图片car.jpg