纯手码 | 基于OpenCV的车牌识别(Sobel、颜色定位)，绝对实用

最新推荐文章于 2024-07-21 08:35:26 发布

深兰深延AI

最新推荐文章于 2024-07-21 08:35:26 发布

阅读量3.7k

点赞数 1

文章标签：算法人工智能

本文链接：https://blog.csdn.net/shenlanshenyanai/article/details/121499770

版权

本文介绍了基于OpenCV的车牌识别技术，包括Sobel边缘检测和颜色定位方法。通过高斯模糊、灰度化、边缘化、二值化和闭操作等步骤进行降噪和候选车牌定位。接着使用HSV颜色模型筛选蓝色区域，并结合Sobel定位结果。最终利用SVM对候选车牌进行评估，采用HOG特征提取进行模型训练。

摘要由CSDN通过智能技术生成

车牌识别大体上需要经历过Sobel定位、颜色定位、SVM对定位来的候选车牌进行评测，给出评分，最后通过提取HOG特征按照训练模型进入ANN识别。

这一章节介绍定位相关的逻辑代码，其中定位用到 Sobel定位(边缘检测定位), 颜色定位：对应代码里的CarSobelPlateLocation，CarColorPlateLocation；两者定位后得到一些候选的图片，把这些图片送去SVM进行评测，SVM基于HOG提取边缘信息特征，HOG类同之前处理纹理特征的LBP，项目代码在Clion上开发的。

Sobel定位

CarSobelPlateLocation，通过以下的一些步骤进行降噪：

高斯模糊
灰度化
边缘化
二值化
闭操作

高斯模糊

//预处理 ：去噪 让车牌区域更加突出
    Mat blur;
    //1、高斯模糊（平滑） （1、为了后续操作 2、降噪 ）
    GaussianBlur(src, blur, Size(5, 5), 0);
    //imshow("高斯模糊",blur);

灰度化

Mat gray;
    //2、灰度化 去掉颜色 因为它对于我们这里没用  降噪
    cvtColor(blur, gray, COLOR_BGR2GRAY);
    imshow("灰度", gray);

边缘化

Mat sobel_16;
    //3、 边缘检测 让车牌更加突出  在调用时需要以16位来保存数据 在后续操作 以及显示的时候需要转回8位
    Sobel(gray, sobel_16, CV_16S, 1, 0);
    //转为8位
    Mat sobel;
    convertScaleAbs(sobel_16, sobel);
    imshow("Sobel", sobel);

二值化

//4. 二值化 黑白
    Mat shold;
    //大律法   最大类间算法
    threshold(sobel, shold, 0, 255, THRESH_OTSU + THRESH_BINARY);
    imshow("二值", shold);

闭操作

//5、闭操作
    // 将相邻的白色区域扩大 连接成一个整体
    Mat close;
    Mat element = getStructuringElement(MORPH_RECT, Size(17, 3));
    morphologyEx(shold, close, MORPH_CLOSE, element);
    imshow("闭操作", close);

以上的操作是在处理降噪，第六步初步赛选。

第六步：最大面积、最小面积.宽高逼。

//6、查找轮廓
    //获得初步筛选车牌轮廓================================================================
    //轮廓检测
    vector< vector<Point>> contours;
    //查找轮廓 提取最外层的轮廓  将结果变成点序列放入 集合
    findContours(close, contours, RETR_EXTERNAL, CHAIN_APPROX_NONE);

    //遍历
    vector<RotatedRect> vec_sobel_roi;
    for(vector<Point> point:contours){
        RotatedRect rotatedRect= minAreaRect(point);
        //rectangle(sr