Python与车牌识别（四）车牌定位

网络上关于车牌识别的文章挺多，重要的是动手实践。文章以及源码参考如下

https://blog.csdn.net/weixin_41695564/article/details/79712393
测试图片（来源于网络）

第一步 图片读取和灰度化

import cv2
import numpy as np

img =cv2.imread("d:/test.jpg")
gray_img = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

cv2.waitKey(0)
cv2.destroyAllWindows()

效果如下：

第二步 图像降噪，用的是高斯模糊

gs_img = cv2.GaussianBlur(gray_img, (5,5), 0, 0, cv2.BORDER_DEFAULT)

效果如下

第三步 形态学处理，开运算
参考 https://blog.csdn.net/hanshanbuleng/article/details/80657148

kernel = np.ones((23, 23), np.uint8)
open_img = cv2.morphologyEx(gs_img ,cv2.MORPH_OPEN ,kernel)
open_img = cv2.addWeighted(resize_img, 1, open_img, -1, 0)

效果如下

第四步 阈值处理&边缘检测，用了Canny算子

ret, edge_img = cv2.threshold(open_img, 0, 255, cv2.THRESH_BINARY + cv2.THRESH_OTSU)
edge_img = cv2.Canny(edge_img, 100, 200)

效果如下

第五步 形态学处理获取区域，将区域连通，车牌的区域可能在其中

kernel = np.ones((10, 10), np.uint8)
edge_img1 = cv2.morphologyEx(edge_img, cv2.MORPH_CLOSE, kernel)
edge_img2 = cv2.morphologyEx(edge_img1, cv2.MORPH_OPEN, kernel)
contours ,hierarchy = cv2.findContours(edge_img2, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)

效果如下

第六步 获取车牌区域

car_plates=[]
for contour in contours:
    if cv2.contourArea( contour ) >500 : #这个500参数和图片大小有关，本文经验值
        rect_tupple = cv2.minAreaRect( contour )
        rect_width, rect_height = rect_tupple[1]
        if rect_width < rect_height:
            rect_width, rect_height = rect_height, rect_width
        aspect_ratio = rect_width / rect_height
        # 车牌正常情况下宽高比在2 - 5.5之间
        if aspect_ratio > 2 and aspect_ratio < 5.5:
            car_plates.append(contour)

效果如下

基本完成车牌定位的流程，但该方法效果较差，网上很多图片定位错误。