OpenCV车牌识别（2）

代码是从网上copy,然后经过自己微调，侵删！

import cv2
import numpy as np

def lpr(filename):
    img = cv2.imread(filename)
    gray_img = cv2.cvtColor(img, cv2.COLOR_RGB2GRAY) #灰度化
    GaussianBlur_img = cv2.GaussianBlur(gray_img, (3, 3),sigmaX=0) #高斯模糊
    canny = cv2.Canny(GaussianBlur_img,150,250)
    ret, binary_img = cv2.threshold(canny, 127, 255, cv2.THRESH_BINARY) #二值化操作
    # 形态学运算
    kernel = np.ones((7, 15), np.uint8)
    # 先闭运算将车牌数字部分连接，再开运算将较小的部分去掉
    close_img = cv2.morphologyEx(binary_img, cv2.MORPH_CLOSE, kernel)
    open_img = cv2.morphologyEx(close_img, cv2.MORPH_OPEN, kernel)
    # 由于部分图像得到的轮廓边缘不整齐，因此再进行一次膨胀操作
    dilation_img = cv2.dilate(open_img, np.ones(shape=[5, 5],
                                                dtype=np.uint8),
                                                iterations=2)
    # 获取轮廓
    contours, hierarchy = cv2.findContours(dilation_img, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
    # 将轮廓规整为长方形
    rectangles = []
    for c in contours:
        x = []
        y = []
        for point in c:
            y.append(point[0][0])
            x.append(point[0][1])
        r = [min(y), min(x), max(y), max(x)]
        rectangles.append(r)
    # 用颜色识别出车牌区域
    # 需要注意的是这里设置颜色识别下限low时，可根据识别结果自行调整
    dist_r = []
    max_mean = 0
    for r in rectangles:
        block = img[r[1]:r[3], r[0]:r[2]]
        hsv = cv2.cvtColor(block, cv2.COLOR_BGR2HSV)
        low = np.array([90, 60, 60])
        up = np.array([150, 255, 255])
        result = cv2.inRange(hsv, low, up)
        # 用计算均值的方式找蓝色最多的区块
        mean = cv2.mean(result)
        if mean[0] > max_mean:
            max_mean = mean[0]
            dist_r = r
    # 画出识别结果，由于之前多做了一次膨胀操作，导致矩形框稍大了一些，因此这里对于框架+3-3可以使框架更贴合车牌
    cv2.rectangle(img, (dist_r[0]+3, dist_r[1]),
                  (dist_r[2]-3, dist_r[3]),
                  (0, 255, 0), 2)
    cv2.imshow("lpr", img)
    cv2.waitKey(0)
# 主程序
lpr(r'C:\Users\Curry\Desktop\filename\2.jpg')