python图像识别 车牌_[图像处理] Python+OpenCV实现车牌区域识别

点击上方蓝色字体，关注我们

15

本篇文章主要调用OpenCV库(cv2)进行车牌区域识别，具体步骤包括：

1.灰度转换：将彩色图片转换为灰度图像，常见的R=G=B=像素平均值。

2.高斯平滑和中值滤波：去除噪声。

3.Sobel算子：提取图像边缘轮廓，X方向和Y方向平方和开跟。

4.二值化处理：图像转换为黑白两色，通常像素大于127设置为255，小于设置为0。

5.膨胀和细化：放大图像轮廓，转换为一个个区域，这些区域内包含车牌。

6.通过算法选择合适的车牌位置，通常将较小的区域过滤掉或寻找蓝色底的区域。

7.标注车牌位置，如果是花儿、人脸、牛角，可能需要特征提取和训练。

▽▽▽

一、读取图像及灰度转换#encoding:utf-8

import cv2

import numpy as np

import matplotlib.pyplot as plt

#读取图片

imagePath = '10.jpg'

img = cv2.imread(imagePath)

#opencv默认的imread是以BGR的方式进行存储的

#而matplotlib的imshow默认则是以RGB格式展示

#所以此处我们必须对图片的通道进行转换

lenna_img = cv2.cvtColor(img,cv2.COLOR_BGR2RGB)

#灰度图像处理

GrayImage = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)

print(u"读入lenna图的shape为", GrayImage.shape)

#显示图形

titles = ['Source Image','Gray Image']

images = [lenna_img, GrayImage]

for i in xrange(2):

plt.subplot(1,2,i+1),plt.imshow(images[i],'gray')

plt.title(titles[i])

plt.xticks([]),plt.yticks([])

plt.show()

cv2.imshow('Gray.bmp', GrayImage)

cv2.waitKey(0)

输出结果如下图所示：

二、高斯平滑和中值滤波去噪

这里原理推荐我以前C++图像处理的文章，如下：https://blog.csdn.net/column/details/eastmount-mfc.html

完整代码如下所示：

#encoding:utf-8

import cv2

import numpy as np

import matplotlib.pyplot as plt

#读取图片

imagePath = '10.jpg'

img = cv2.imread(imagePath)

#opencv默认的imread是以BGR的方式进行存储的

#而matplotlib的imshow默认则是以RGB格式展示

#所以此处我们必须对图片的通道进行转换

lenna_img = cv2.cvtColor(img,cv2.COLOR_BGR2RGB)

#灰度图像处理

GrayImage = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)

print(u"读入lenna图的shape为", GrayImage.shape)

#直方图均衡化

#equ = cv2.equalizeHist(gray)

#高斯平滑

Gaussian = cv2.GaussianBlur(GrayImage, (3, 3), 0, 0, cv2.BORDER_DEFAULT)

#Gaussian = cv2.GaussianBlur(GrayImage