Python+Opencv简易车牌识别(一)：基于HSV颜色空间的图像分割

注：这是一个非常简单的车牌识别demo

1.前言

首先看疗效：
原图：

输出：

代码：

import cv2
import numpy as np
image = cv2.imread(r'D:\car1.png')
hsv_img = cv2.cvtColor(image, cv2.COLOR_BGR2HSV)
lower = np.array([110, 100, 150])
upper = np.array([125, 200, 255])
mask = cv2.inRange(hsv_img, lowerb=lower, upperb=upper)
kernel = np.ones((5,5), np.uint8)
mask = cv2.dilate(mask, kernel, iterations=10)
contours, hier = cv2.findContours(mask, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
for c in contours:
    x, y, w, h = cv2.boundingRect(c)
    if w < 2*h:
        continue
cv2.rectangle(image, (x, y), (x+w, y+h), (0, 255, 0), 2) 
cv2.imshow("image", image)
cv2.waitKey(0)

2.分析

2.1.HSV颜色空间

HSV模型和RGB模型一样是用来表示表示颜色空间的，其中：

• H(Hue)：色调，即"颜色"
• S(Saturation)：饱和度，S=0表示只有灰度
• V(Value)：明度，表示色彩的明亮程度

根据经验，蓝色车牌的HSV范围空间在[110, 100, 150]到[125, 200, 255]这一范围内。

2.2 掩膜

基于上面的经验结论我们可以直接利用opencv中的inRange方法对图像进行mask处理：

import cv2
import numpy as np
image = cv2.imread(r'D:\car1.png')
#将图片从RGB色彩空间转换至HSV色彩空间
hsv_img = cv2.cvtColor(image, cv2.COLOR_BGR2HSV)
#下界
lower = np.array([110, 100, 150])
#上界
upper = np.array([125, 200, 255])
#设置mask
mask = cv2.inRange(hsv_img, lowerb=lower, upperb=upper)
kernel = np.ones((5,5), np.uint8)
mask = cv2.dilate(mask, kernel, iterations=10)

画出来的掩膜是这样的(也就是原图中车牌的大致区域)：

2.3.画框

最后给图片加上方框便可以完成识别了。

contours, hier = cv2.findContours(mask, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
for c in contours:
    x, y, w, h = cv2.boundingRect(c)
    if w < 2*h:
        continue
cv2.rectangle(image, (x, y), (x+w, y+h), (0, 255, 0), 2)