现在，汽车的踪影无处不在，公路上疾驰，大街边临停，小区中停靠，车库里停泊。管理监控如此庞大数量的汽车是个头疼的问题。精明的人们把目光放在车牌上，因为车牌是汽车的“身份证”。所以车牌识别成为了焦点，而车牌检测是车牌识别的基础和前提。本篇文章，主要讨论使用openCV实现车牌检测。
openCV是开源计算机视觉库，基于计算机视觉与机器学习，提供强大的图像处理能力。我们可以快速集成openCV库到android端，其中一种方式是直接安装openCV Manager，按需使用：启动服务去动态加载。这样前期配置更简单，但需要另外安装一个APK。我更倾向另外一种方式：把依赖的module和动态/静态库都导入Project。具体步骤如下：
1、导入module
先从官网下载openCVForAndroid的sdk，以3.2.0版本为例，找到依赖库路径，然后导入module。
2、导入动态与静态库
在sdk里面找到lib目录，把所有的.a和.so文件拷贝到项目的libs对应ABI路径下：
3、配置gradle
将依赖的静态库编译到native-libs里面：
task nativeLibsToJar(type: Jar, description: 'create a jar archive of the native libs') {
destinationDir file("$buildDir/native-libs")
baseName 'native-libs'
from fileTree(dir: 'libs', include: '**/*.so')
into 'lib/'
}
tasks.withType(JavaCompile) {
compileTask -> compileTask.dependsOn(nativeLibsToJar)
}dependencies {
compile fileTree(include: ['*.jar'], dir: 'libs')
compile fileTree(dir: "$buildDir/native-libs", include: 'native-libs.jar')
......
}好了，经过配置三步曲，我们就可以愉快地使用openCV了。
-----------------------------------------------------中场休息-----------------------------------------------------------------
接下来是调用三步曲：加载openCV、初始化车牌检测器和执行车牌检测
1、加载openCV
调用openCVLoader去加载，如果加载成功进行下一步操作：
private void initOpenCV(){
boolean result = OpenCVLoader.initDebug();
if(result){
Log.i(TAG, "initOpenCV success...");
//初始化车牌检测器
mPlateDetector = new ObjectDetector(this, R.raw.haarcascade_license_plate,
3, new Scalar(255, 0, 0, 0));
mObject = new MatOfRect();
}else {
Log.e(TAG, "initOpenCV fail...");
}
}使用车牌检测的级联分类xml文件进行初始化：
/**
* 创建级联分类器
* @param context 上下文
* @param id 级联分类器ID
* @return 级联分类器
*/
private CascadeClassifier createDetector(Context context, int id) {
CascadeClassifier javaDetector;
InputStream is = null;
FileOutputStream os = null;
try {
is = context.getResources().openRawResource(id);
File cascadeDir = context.getDir(LICENSE_PLATE_MODEL, Context.MODE_PRIVATE);
File cascadeFile = new File(cascadeDir, id + ".xml");
os = new FileOutputStream(cascadeFile);
byte[] buffer = new byte[4096];
int bytesRead;
while ((bytesRead = is.read(buffer)) != -1) {
os.write(buffer, 0, bytesRead);
}
javaDetector = new CascadeClassifier(cascadeFile.getAbsolutePath());
if (javaDetector.empty()) {
javaDetector = null;
}
boolean delete = cascadeDir.delete();
Log.i("ObjectDetector", "deleteResult=" + delete);
return javaDetector;
} catch (IOException e) {
e.printStackTrace();
return null;
} finally {
try {
if (null != is) {
is.close();
}
if (null != os) {
os.close();
}
} catch (IOException e) {
e.printStackTrace();
}
}
}由于openCV操作对象是Mat，所以我们得把Bitmap转成Mat，然后转成Gray灰度图去进行检测：
/**
* 执行车牌检测
* @param bitmap bitmap
* @return 车牌检测后的bitmap
*/
private Bitmap doPlateDetecting(Bitmap bitmap){
if(mPlateDetector != null && bitmap != null){
Mat mRgba = new Mat();
Mat mGray = new Mat();
//bitmap转成map
Utils.bitmapToMat(bitmap, mRgba);
//rgba转成灰度图
Imgproc.cvtColor(mRgba, mGray, Imgproc.COLOR_RGBA2GRAY);
// 检测车牌
Rect[] object = mPlateDetector.detectObject(mGray, mObject);
if(object != null && object.length > 0){
//检测到车牌区域
Rect rect = object[0];
//矩形标识
Imgproc.rectangle(mRgba, rect.tl(), rect.br(), mPlateDetector.getRectColor(), 3);
}
//mat转回bitmap
Utils.matToBitmap(mRgba, bitmap);
}
return bitmap;
}
public Rect[] detectObject(Mat gray, MatOfRect object) {
mCascadeClassifier.detectMultiScale(
gray, // 要检查的灰度图像
object, // 检测到的车牌
1.1, // 表示在前后两次相继的扫描中，搜索窗口的比例系数
mMinNeighbors, // 默认是3
Objdetect.CASCADE_SCALE_IMAGE,
getSize(gray, 80), // 检测目标最小值
getSize(gray, 800)); // 检测目标最大值
return object.toArray();
}
上面的车牌几乎是水平的，那么倾斜的车牌能不能检测到呢？真相就在下面：
角度发生倾斜的车牌也是可以检测出来，但是在后期的车牌识别，需要进行倾斜校正。如果静态检测还不够意思，那么请看动态检测的效果（转换出来的gif有点模糊，各位莫怪）：
接下来的一篇博客会与大家一起探讨车牌识别，敬请期待。欢迎各位热爱openCV与图像处理的朋友提出建议，相互学习。
