Python OpenCv 车牌检测识别

背景

车牌识别在交通、停车等方面有着广泛应用，在网上也有很多种基于OpenCV方案进行识别，本文是综合了两种比较流行的方案，首先是提取出疑似车牌区域的轮廓，然后再基于色彩空间进行二次判断，比之前的方案有精度更高，泛化能力更强。

最终效果

详细过程

将正常图像等比例压缩并且转化为灰度图像，便于处理以后处理

 img = cv2.imread('car2.jpeg')initial_car = cv2.resize(img, (400, int(400 * img.shape[0] / img.shape[1])))gray_car = cv2.cvtColor(initial_car, cv2.COLOR_BGR2GRAY)

高斯模糊，消除噪点，便于边缘提取。卷积核所选取的越大，模糊效果越明显，但是也有可能造成重要边缘信息的丢失，应该根据实际情况去调整。

blur_car = cv2.GaussianBlur(gray_car, (7, 7), 0)

使用cv2.Canny() 进行边缘检测此效果强于OpenCV中的Sobel边缘检测。cv2.Canny()返回的一幅二值化的图像，可以直接用cv2.findContours()进行轮廓提取。

canny_car = cv2.Canny(blur_car, 70, 120)

4. 各种形态学操作，主要是让车牌的轮廓更加明显，消除无用的噪点。此处卷积核的选择使用横向卷积核（3，13）3行13列。因为车牌也是一个横向的长方形，这样效果更好。可根据具体情况适当增加开闭操作的次数。

def morphological_operation(img):kernel = np.ones((3, 13), np.uint8)closing_img = cv2.morphologyEx(img, cv2.MORPH_CLOSE, kernel)opening_img = cv2.morphologyEx(closing_img, cv2.MORPH_OPEN, kernel)kernel_2 = cv2.getStructuringElement(cv2.MORPH_RECT, (5, 5))dilated_car = cv2.dilate(opening_img, kernel_2)return dilated_car

5. 提取轮廓，并且cv2.minAreaRect() 获得包裹轮廓的最小矩形，对这个矩形的长宽比进行判断，看其是否符合车牌特征。

# 对minAreaRect获得的最小外接矩形，用长宽比进行判断
def verify_sizes(rect):error = 0.3aspect = 3.143  # 定义的车牌长宽比 数据来源百度百科==>车牌rmin = aspect - aspect * errorrmax = aspect + aspect * errorheight, width = rect[1]if height == 0 or width == 0:return Falser = width/heightif r < 1:r = height/widthif r < rmin or r > rmax:return Falseelse:return True

根据色彩空间进行第二次判断，识别提高精度。

# 根据色彩空间进行二次筛选，图像均值最大的为结果
def verify_color(all_contour):dist_mean = 0t = 0for contour in all_contour:t=t+1x,y,w,h = cv2.boundingRect(contour)# 获取矩形框里面的像素res = initial_car[y:y+h,x:x+w,:]hsv = cv2.cvtColor(res, cv2.COLOR_BGR2HSV)# 蓝色车牌范围lower = np.array([100, 43, 46])upper = np.array([124, 255, 255])# 色彩空间提取，在蓝色范围内为255，不在为0.dist = cv2.inRange(hsv, lower, upper)# 计算均值，输出最大值mean = cv2.mean(dist)if mean[0]>dist_mean:dist_mean = mean[0]dist_img = resreturn dist_img

效果展示

Python OpenCv 车牌检测识别（边缘检测、HSV色彩空间判断）相关推荐

毕设深度学习 python opencv 火焰检测识别火灾检测
文章目录 0 前言 1 基于YOLO的火焰检测与识别 2 课题背景 3 卷积神经网络 3.1 卷积层 3.2 池化层 3.3 激活函数: 3.4 全连接层 3.5 使用tensorflow中keras ...
六种车牌检测识别算法GitHub项目调研对比
文章目录前言一.EasyOCR 1.1 仓库介绍 1.2 使用记录二.HyperLPR 2.1 HyperLPR 概述 2.2使用记录 2.3 使用建议三.simple-car-plate-r ...
Python OpenCV车道线识别侦测
Python OpenCV车道线识别侦测如需安装运行环境或远程调试,可加QQ905733049, 或QQ2945218359由专业技术人员远程协助! 运行结果如下: 代码如下: import cv2 ...
2021-01-07 Python Opencv转换颜色空间 RGB转为HSV
Python Opencv转换颜色空间 RGB转为HSV 举个例子,通过摄像头把视频中的蓝色区域凸显出来,剩余的颜色均为黑色 import numpy as npcap = cv2.VideoCapt ...
【项目三、车牌检测+识别项目】四、使用LPRNet进行车牌识别
目录前言一.数据集二.训练三.验证四.测试结果五.推理代码 Reference 前言马上要找工作了,想总结下自己做过的几个小项目. 之前已经总结过了我做的第一个项目:xxx病虫害检测项目 ...
Python opencv进行矩形识别
Python opencv进行矩形识别图像识别中,圆形和矩形识别是最常用的两种,上一篇讲解了圆形识别,本例讲解矩形识别,最后的结果是可以识别出圆心,4个顶点,如下图: 左边是原始图像,右边是识别结果 ...
JavaCV进阶opencv图像检测识别：摄像头图像人脸检测
JavaCV免费教程目录: JavaCV入门教程(免费JavaCV教程) javacv实战专栏目录(2016年更新至今): JavaCV实战专栏文章目录(2016年更新至今) 2022年最新JavaC ...
JavaCV进阶opencv图像检测识别：ffmpeg视频图像画面人脸检测
JavaCV免费教程目录: JavaCV入门教程(免费JavaCV教程) javacv实战专栏目录(2016年更新至今): JavaCV实战专栏文章目录(2016年更新至今) 2022年最新JavaC ...
【项目三、车牌检测+识别项目】一、CCPD车牌数据集转为YOLOv5格式和LPRNet格式
目录前言一.CCPD数据集介绍二.CCPD数据集下载三.划分训练集.验证集和测试集四.车牌检测数据集制作五.车牌识别数据集制作六.我的车牌检测+识别数据集 Reference 前言马上 ...

Python OpenCv 车牌检测识别（边缘检测、HSV色彩空间判断）

Python OpenCv 车牌检测识别

背景

最终效果

详细过程

Python OpenCv 车牌检测识别（边缘检测、HSV色彩空间判断）相关推荐

最新文章

热门文章