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