效果
先来看下效果
检测结果:
思路
-
原图转灰度图
-
对灰度图进行高斯滤波、中值滤波去噪
-
使用sobel算子计算梯度(即提取边缘),这里考虑到车牌上字都是瘦长的,所以我这里只用了水平梯度,这样可以避免环境的干扰
-
对梯度图进行高斯滤波去除细节
-
转二值图
-
腐蚀1次,膨胀10次,来使车牌整体连接成一个白色色块
-
寻找围成面积最大的轮廓,进行方向校正,最后画出
代码
import cv2 import numpy as np #读取图片 imagePath = 'car.jpg' img = cv2.imread(imagePath) #转灰度图 img_gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY) #高斯滤波+中值滤波 img_gaus = cv2.GaussianBlur(img_gray,(3,3),0,0,cv2.BORDER_DEFAULT) img_median = cv2.medianBlur(img_gaus,3) #使用sobel算子计算梯度 只计算水平方向 #转成64位float是为了保留梯度中的负值 x = cv2.Sobel(img_median,cv2.CV_64F,1,0,ksize = 3) gra = cv2.convertScaleAbs(x) #再次高斯滤波 去除噪声 blurred = cv2.GaussianBlur(gra,(9,9),0) #转二值图 _,thresholded = cv2.threshold(blurred,100,255,cv2.THRESH_BINARY) #选用了十字架核 kernel1 = cv2.getStructuringElement(cv2.MORPH_CROSS,(3,3)) #腐蚀膨胀 erode = cv2.erode(thresholded,kernel1,iterations= 1) dilate = cv2.dilate(erode,kernel1,iterations=10) #找轮廓 cnt,_ = cv2.findContours(dilate.copy(),cv2.RETR_LIST,cv2.CHAIN_APPROX_NONE) c = sorted(cnt, key=cv2.contourArea, reverse=True)[0] rect = cv2.minAreaRect(c) Box = np.int0(cv2.boxPoints(rect)) #轮廓校正 x1 = np.max(Box[...,0]) x2 = np.min(Box[...,0]) y1 = np.max(Box[...,1]) y2 = np.min(Box[...,1]) new_box= np.array([[x2,y2],[x2,y1],[x1,y1],[x1,y2]]) #展示效果 Final_img = cv2.drawContours(img.copy(), [new_box], -1, (0, 0, 255), 3) cv2.imshow('License',Final_img) cv2.waitKey(0) cv2.destroyAllWindows() cv2.imwrite('tmp.jpg',Final_img)
近期有很多朋友通过私信咨询有关Python学习问题。为便于交流,点击蓝色自己加入讨论解答资源基地