車両ライセンスプレート認識システムの実現（2）-ライセンスプレートの位置
序文
私は4年生のコンピュータービジョン処理の新人です。個人的な興味と完成度から、コンピュータービジョンについて学びたいと思います。あなたの批判とエラーの修正を待っています。
画像の前処理
カメラが車のライセンスプレートの画像を取得する場合、ほとんどの場合、画像にライセンスプレートが1つしかないことは非現実的です。画像には建物、木、その他の車などが含まれているのが普通で、非常に大きいです。それらのほとんどにはノイズポイントがあります。この場合、ライセンスプレートの配置と認識に大きな干渉が発生します。
ガウススムージングとメディアンフィルタリングの原則は、インターネット上の多くのブログで非常に明確に紹介されているため、ここではこれ以上は説明しません。コードにアクセスしてください。
**注：これは単なるリマインダーです。誰もが白地に黒か黒地に白かを区別する必要があります。勉強中に多くの苦しみを味わいました。これは非常に重要です。****
#对图像进行缩放处理
if img_width > MAX_WIDTH:
resize_rate = MAX_WIDTH / img_width
img = cv2.resize(img,(MAX_WIDTH,int(img_hight * resize_rate)),interpolation=cv2.INTER_AREA)
# cv_show('img_resize',img)
# 高斯平滑
img_aussian = cv2.GaussianBlur(img,(5,5),1)
# cv_show('img_aussian',img_aussian)
#中值滤波
img_median = cv2.medianBlur(img_aussian,3)
# cv_show('img_median',img_median)
ライセンスプレートの特性
私たちの研究対象は青と白のライセンスプレートであり、他のライセンスプレートは一時的に認識できません。ちなみに、青のライセンスプレートと白のライセンスプレートの色情報を説明してください。通常の露出画像の場合、青のライセンスプレートの3つのチャネル値は約青= 138、緑= 63、赤= 23です。カラー情報に加えて、ライセンスプレートは3：1の固定アスペクト比の長方形の形状をしています。（この段落はhttps://blog.csdn.net/qq_39960119/article/details/83930112から抜粋したものです）
ライセンスプレートの配置
ライセンスプレートの場所は通常、ライセンスプレート抽出とも呼ばれ、その目的は、ライセンスプレートを含む画像からライセンスプレート領域を見つけることです。ライセンスプレートの位置の重要性は自明です。ライセンスプレート認識の最初のステップとして、ライセンスプレート領域の位置の成功または失敗は、ライセンスプレート認識システムの完成の基礎および主要な決定要因です。このシステムは、色情報に基づいた位置決め方法を使用します。この方法には、長所と短所があります。長所は、ライセンスプレート領域をすばやく正確に特定できることです。短所は、光の強度と天候が位置決め効果に大きな影響を与えることです。ただし、初心者の場合、この方法はそれはよりシンプルで使いやすいです。
コードは完成したばかりで、面倒です。後で並べ替えて機能化します。なるべくコメントするように心がけています。誰でも読むのに便利です。わからない場合はコメントしてメッセージを残してください。
#分离通道
img_B = cv2.split(img_median)[0]
img_G = cv2.split(img_median)[1]
img_R = cv2.split(img_median)[2]
# print(img_B)
# print(img_G)
# print(img_R)
for i in range(img_median.shape[:2][0]):
for j in range(img_median.shape[:2][1]):
if abs(img_B[i,j] - Blue) < THRESHOLD and abs(img_G[i,j] - Green) <THRESHOLD and abs(img_R[i,j] - Red) < THRESHOLD:
img_median[i][j][0] = 255
img_median[i][j][1] = 255
img_median[i][j][2] = 255
else:
img_median[i][j][0] = 0
img_median[i][j][1] = 0
img_median[i][j][2] = 0
cv_show('img_median',img_median)
kernel = np.ones((3,3),np.uint8)
img_dilate = cv2.dilate(img_median,kernel,iterations = 5) #膨胀操作
img_erosion = cv2.erode(img_dilate,kernel,iterations = 5) #腐蚀操作
cv_show('img_erosion',img_erosion)
img1 = cv2.cvtColor(img_erosion,cv2.COLOR_RGB2GRAY)
# cv_show('img1',img1)
image, contours, hierarchy = cv2.findContours(img1,cv2.RETR_TREE,cv2.CHAIN_APPROX_SIMPLE)
# for i in range(len(contours)):
# print(contours[i])
car_contours = []
for cnt in contours: #TODO：此处需要一个异常处理（因为有可能/0）
# 框选 生成最小外接矩形 返回值（中心(x,y), (宽,高), 旋转角度）rect[0]：矩形中心点坐标；rect[1]：矩形的高和宽；rect[2]：矩形的旋转角度
rect = cv2.minAreaRect(cnt)
# print('宽高:',rect[1])
area_width, area_height = rect[1]
#计算最小矩形的面积，初步筛选
area = rect[1][0] * rect[1][1] #最小矩形的面积
if area > MIN_AREA:
# 选择宽大于高的区域
if area_width < area_height:
area_width, area_height = area_height, area_width
wh_ratio = area_width / area_height
# print('宽高比：',wh_ratio)
# 要求矩形区域长宽比在2到5.5之间，2到5.5是车牌的长宽比，其余的矩形排除
if wh_ratio > 2 and wh_ratio < 5.5:
car_contours.append(rect) # rect是minAreaRect的返回值，根据minAreaRect的返回值计算矩形的四个点
box = cv2.boxPoints(rect) # box里面放的是最小矩形的四个顶点坐标
box = np.int0(box) # 取整
# for i in range(len(box)):
# print('最小矩形的四个点坐标：', box[i])
# 获取四个顶点坐标
left_point_x = np.min(box[:, 0])
right_point_x = np.max(box[:, 0])
top_point_y = np.min(box[:, 1])
bottom_point_y = np.max(box[:, 1])
left_point_y = box[:, 1][np.where(box[:, 0] == left_point_x)][0]
right_point_y = box[:, 1][np.where(box[:, 0] == right_point_x)][0]
top_point_x = box[:, 0][np.where(box[:, 1] == top_point_y)][0]
bottom_point_x = box[:, 0][np.where(box[:, 1] == bottom_point_y)][0]
vertices = np.array([[top_point_x, top_point_y], [bottom_point_x, bottom_point_y], [left_point_x, left_point_y],[right_point_x, right_point_y]])
oldimg = cv2.drawContours(img, [box], 0, (0, 0, 255), 2)
# print(car_contours)
cv_show('oldimg', oldimg)
すべてのコードを配置する前処理とライセンスプレート
**環境に問題がなければ、コピー後に実行できるはずです。****
import numpy as np
import cv2
import argparse
from matplotlib import pyplot as plt
Blue = 138
Green = 63
Red = 23
THRESHOLD = 50
ANGLE = -45
MIN_AREA = 2000
LICENSE_WIDTH = 440
LICENSE_HIGH = 140
#绘图展示(后期放入工具类中)
def cv_show(name,img):
cv2.namedWindow(name,0)
print(img.shape)
cv2.imshow(name,img)
cv2.waitKey(0)
cv2.destroyAllWindows()
MAX_WIDTH = 640
# 设置参数
parser = argparse.ArgumentParser()
parser.add_argument("-i", "--image", required=True,help="path to input image") #image是变量名
args = vars(parser.parse_args())
#读取原图像
img = cv2.imread(args["image"])
cv_show('img',img)
img_hight, img_width = img.shape[:2]
#-------------------------------预处理--------------------------------------
#对图像进行缩放处理
if img_width > MAX_WIDTH:
resize_rate = MAX_WIDTH / img_width
img = cv2.resize(img,(MAX_WIDTH,int(img_hight * resize_rate)),interpolation=cv2.INTER_AREA)
# cv_show('img_resize',img)
# 高斯平滑
img_aussian = cv2.GaussianBlur(img,(5,5),1)
# cv_show('img_aussian',img_aussian)
#中值滤波
img_median = cv2.medianBlur(img_aussian,3)
# cv_show('img_median',img_median)
# print('width：',img_median.shape[:2][0])
# print('h',img_median.shape[:2][1])
#------------------------------车牌定位-------------------------------------
#分离通道
img_B = cv2.split(img_median)[0]
img_G = cv2.split(img_median)[1]
img_R = cv2.split(img_median)[2]
# print(img_B)
# print(img_G)
# print(img_R)
for i in range(img_median.shape[:2][0]):
for j in range(img_median.shape[:2][1]):
if abs(img_B[i,j] - Blue) < THRESHOLD and abs(img_G[i,j] - Green) <THRESHOLD and abs(img_R[i,j] - Red) < THRESHOLD:
img_median[i][j][0] = 255
img_median[i][j][1] = 255
img_median[i][j][2] = 255
else:
img_median[i][j][0] = 0
img_median[i][j][1] = 0
img_median[i][j][2] = 0
cv_show('img_median',img_median)
kernel = np.ones((3,3),np.uint8)
img_dilate = cv2.dilate(img_median,kernel,iterations = 5) #膨胀操作
img_erosion = cv2.erode(img_dilate,kernel,iterations = 5) #腐蚀操作
cv_show('img_erosion',img_erosion)
img1 = cv2.cvtColor(img_erosion,cv2.COLOR_RGB2GRAY)
# cv_show('img1',img1)
image, contours, hierarchy = cv2.findContours(img1,cv2.RETR_TREE,cv2.CHAIN_APPROX_SIMPLE)
# for i in range(len(contours)):
# print(contours[i])
car_contours = []
for cnt in contours: #TODO：此处需要一个异常处理（因为有可能/0）
# 框选 生成最小外接矩形 返回值（中心(x,y), (宽,高), 旋转角度）rect[0]：矩形中心点坐标；rect[1]：矩形的高和宽；rect[2]：矩形的旋转角度
rect = cv2.minAreaRect(cnt)
# print('宽高:',rect[1])
area_width, area_height = rect[1]
#计算最小矩形的面积，初步筛选
area = rect[1][0] * rect[1][1] #最小矩形的面积
if area > MIN_AREA:
# 选择宽大于高的区域
if area_width < area_height:
area_width, area_height = area_height, area_width
wh_ratio = area_width / area_height
# print('宽高比：',wh_ratio)
# 要求矩形区域长宽比在2到5.5之间，2到5.5是车牌的长宽比，其余的矩形排除
if wh_ratio > 2 and wh_ratio < 5.5:
car_contours.append(rect) # rect是minAreaRect的返回值，根据minAreaRect的返回值计算矩形的四个点
box = cv2.boxPoints(rect) # box里面放的是最小矩形的四个顶点坐标
box = np.int0(box) # 取整
# for i in range(len(box)):
# print('最小矩形的四个点坐标：', box[i])
# 获取四个顶点坐标
left_point_x = np.min(box[:, 0])
right_point_x = np.max(box[:, 0])
top_point_y = np.min(box[:, 1])
bottom_point_y = np.max(box[:, 1])
left_point_y = box[:, 1][np.where(box[:, 0] == left_point_x)][0]
right_point_y = box[:, 1][np.where(box[:, 0] == right_point_x)][0]
top_point_x = box[:, 0][np.where(box[:, 1] == top_point_y)][0]
bottom_point_x = box[:, 0][np.where(box[:, 1] == bottom_point_y)][0]
vertices = np.array([[top_point_x, top_point_y], [bottom_point_x, bottom_point_y], [left_point_x, left_point_y],[right_point_x, right_point_y]])
oldimg = cv2.drawContours(img, [box], 0, (0, 0, 255), 2)
# print(car_contours)
cv_show('oldimg', oldimg)
運用結果
いくつかの画像を試してみましたが、効果は悪くありません！
1.元の画像を読み取る
2.色情報に基づく前処理と位置決め方法の後
3.形態学的操作後
4.特性に基づくライセンスプレートの位置決めとフィルタリング
次の記事は画像補正についてです！