OpenCV基于颜色信息的车牌提取

车牌提取的方法主要有：基于纹理特征分析法、基于数学形态学分析法、基于边缘检测的定位分析法、基于小波分析的定位分析法、基于彩色信息的定位分析法，本文采用的方法是基于颜色信息的定位分析法。
本文主要参考了以下这一篇博客，该博客是用C++编写的算法，我参考其方法用Python实现了一遍。
参考的博客（C++编写的算法）
在代码中，我详细地注释了每一个步骤流程以及一些注意事项，看注释应该比较容易理解，代码可以直接使用。
注意把cv2.imread()函数中的图片路径修改一下，原始图片我放在了博客的最后。

#基于颜色信息的车牌提取
#识别普通民用小型车，车牌号是蓝底白字，正常光照下蓝色车牌的BGR大约是（138,63,23）；车牌形状是矩形，长宽比是3:1
import cv2
import numpy as np#读取车辆原始图像
car_original = cv2.imread('C:\\Users\\Administrator\\Desktop\\car.jpg')
rows,cols,td = car_original.shape  #图像的行/高、列/宽、通道数
#print(rows,cols,td)  #输出图像的大小，方便对图像的尺寸有一个了解
cv2.imshow('car_original',car_original)  #显示原始图像
#基于颜色信息进行二值化
#正常光照下蓝色车牌的BGR大约是（138,63,23），由于存在一定的偏差，在二值化的时候设置一个范围，在范围之内
#的颜色（车牌的蓝色背景）设置成白色，否则设置成黑色。
blue_goal = 138
green_goal = 63
red_goal = 23
threshold = 50  #二值化的时候，通过设置一个阈值来设置一个范围
#注意：OpenCV中彩色图像的像素值是BGR格式，即（blue,green,red）
for i in range(0,rows):for j in range(0,cols):B = car_original[i,j,0]G = car_original[i,j,1]R = car_original[i,j,2]if abs(B-blue_goal)<threshold and abs(G-green_goal)<threshold and abs(R-red_goal)<threshold:car_original[i,j,0] = 255car_original[i,j,1] = 255car_original[i,j,2] = 255else:car_original[i,j,0] = 0car_original[i,j,1] = 0car_original[i,j,2] = 0
cv2.imshow('car_binarization',car_original)  #显示基于颜色信息二值化之后的图像
#接下来进行形态学处理
#先膨胀再腐蚀
kernel = np.ones((3,3),np.int8)
dilation = cv2.dilate(car_original,kernel,iterations=1)  #膨胀一次
dilation = cv2.dilate(dilation,kernel,iterations=1)  #再膨胀一次
dilation = cv2.dilate(dilation,kernel,iterations=1)  #再膨胀一次
cv2.imshow('car_dilation',dilation)  #膨胀三次之后，可以看出车牌矩形区域内全部是白色
#再腐蚀三次
erosion = cv2.erode(dilation,kernel,iterations=1)
erosion = cv2.erode(erosion,kernel,iterations=1)
erosion = cv2.erode(erosion,kernel,iterations=1)
cv2.imshow('car_erosion',erosion)  #形态学处理之后最终得到的图像
#形态学处理之后的图像还是三通道的黑白图，通过灰度化转换成单通道的黑白图
car = cv2.cvtColor(erosion,cv2.COLOR_BGR2GRAY)
#查找轮廓
contours,hierarchy = cv2.findContours(car,cv2.RETR_TREE,cv2.CHAIN_APPROX_SIMPLE)
for c in contours:x,y,w,h = cv2.boundingRect(c)  #轮廓的边界矩形，x,y是矩形左上角的坐标，w,h是矩形的宽度和高度if w>60 and h>20:  #如果当前的这个轮廓区域足够大，它一定是车牌号矩形区域。# 如果原始图像有大面积的蓝色背景，例如车的颜色是蓝色的，则可以设置w和h的上限值，即min<w<max and min<h<maxx_goal = xy_goal = yw_goal = wh_goal = hgoal = c
car_goal = cv2.imread('C:\\Users\\Administrator\\Desktop\\car.jpg')
cv2.rectangle(car_goal,(x_goal,y_goal),(x_goal+w_goal,y_goal+h_goal),(0,255,0),2)  #把车牌号在原始图像上标记出来
cv2.imshow('goal',car_goal)
cv2.waitKey(0)

下图是代码中使用的原始图片car.jpg

OpenCV基于颜色信息的车牌提取相关推荐

Python OpenCV基于颜色通道分离法去除图片中的红色印章
最近一段时间的工作都是研究如何去除图片中的红色印章,在网上查找了大量的大佬写过的方法,发现大多数是采取颜色通道分离法来做,并且效果还不错.站在前人的肩膀上,我又做了些许调整,谈不上是改进,但是能应对更 ...
基于内容的图像检索系统设计与实现--颜色信息--纹理信息--形状信息--PHASH--SHFT特征点的综合检测项目，包含简易版与完整版的源码及数据！
百度云提取源码以及数据包,直接下载压缩包解压就可以使用,数据就在压缩包文件dataset中. 简化版:只有-颜色信息–纹理信息–形状信息–PHASH–SHFT特征点的综合检测 [百度云链接,提取码:6 ...
C++毕业设计——基于VC+++BP神经网络+车牌识别的车牌定位和识别系统设计与实现（毕业论文+程序源码）——车牌定位和识别系统
基于VC+++BP神经网络+车牌识别的车牌定位和识别系统设计与实现(毕业论文+程序源码) 大家好,今天给大家介绍基于VC+++BP神经网络+车牌识别的车牌定位和识别系统设计与实现,文章末尾附有本毕业设 ...
第一部分利用opencv基于hsv颜色的目标提取效果和python代码
因为做毕设,想找个地方记录一下毕设当初写的东西. 第一部分,HSV模型进行颜色提取先放效果图: 图1 左右摄像头采集到的乒乓球图像图 2 HSV模型颜色提取器图 2 HSV模型提取的效果图提取 ...
数字图像处理——大作业基于车道信息的违法车辆车牌识别
数字图像处理--大作业基于车道信息的违法车辆车牌识别一.车牌识别研究现状与分析二.车牌识别算法原理 2.1 车牌定位 2.1.1 基于RGB阈值的车牌区域初定位 2.1.2 基于数学形态学的车牌 ...
OpenCV（项目）车牌识别1 -- 车牌提取（形态学）
目录一.形态学车牌提取(简单:单情景) 1.读取图片,转灰度图 2.提取轮廓(Sobel算子提取y方向边缘) 3.自适应二值化 4.闭运算处理,把图像闭合.揉团,使图像区域化 5.腐蚀/膨胀去噪得到 ...
【python ++ opencv + pytorch 】车牌提取、分割、识别
话不多说,先看最后成果图(如果想要全部工程,文章最后我会把github链接放上): 可以看到最终的识别车牌号码是:苏G99999. 其实前年冬天偶然想着用c++来做一个小项目,然后就用 c++ ope ...
matlab中caitu_tiqu,Matlab平台基于颜色的车牌识别程序
Matlab平台基于颜色的车牌识别程序 matlab 2020-11-18 下载地址 https://www.codedown123.com/51252.html Matlab平台基于颜色的车牌识别程 ...
基于Adaboost算法的车牌检测在OpenCV上的研究与实现
目录结构 E:\Adaboost\ ---------positive\ //正样本文件夹 ---------pimages\ //正样本图片所在文件夹 --- ...

OpenCV基于颜色信息的车牌提取

OpenCV基于颜色信息的车牌提取

OpenCV基于颜色信息的车牌提取相关推荐

最新文章

热门文章