opencv4 车牌识别 C++ vs2019

我国的汽车牌照一般由七个字符和一个点组成，车牌字符的高度和宽度是固定的，分别为90mm和45mm，七个字符之间的距离也是固定的12mm，点分割符的直径是10mm。可根据这些特征进行提取。

#include<opencv2/opencv.hpp>
#include<iostream>
#include<opencv2/highgui/highgui_c.h>
#include<vector>using namespace cv;
using namespace std;int main(){Mat img2_gauss, img2gray, bin2img, dst_x, abs_X, kernelX, img2thre, kernelY, dst,img;vector<vector<Point>> contours;vector<Vec4i> vec_4f;Mat image = imread("D:\\4.JPG");                //读取图片GaussianBlur(image, img2_gauss, Size(5, 5), 15);//高斯滤波cvtColor(img2_gauss, img2gray, COLOR_RGB2GRAY); //转为灰度图像Sobel(img2gray, dst_x, CV_16S, 1, 0);           //梯度算子convertScaleAbs(dst_x, abs_X);                //将CV_16S型的输出图像转变成CV_8U型的图像img = abs_X;threshold(img, img, 0, 255, THRESH_OTSU);     //用这个函数，我们可以令图像灰度大于阈值 //的，为一个值，低于阈值的，为另一个值。这就可以实现图像的二值化//  闭操作,封闭轮廓kernelX = getStructuringElement(MORPH_RECT, Size(17, 5));  //构造一个矩形morphologyEx(img, img, MORPH_CLOSE, kernelX);   //用矩形来封闭// 形态学处理kernelX = getStructuringElement(MORPH_RECT,Size(20, 1));kernelY = getStructuringElement(MORPH_RECT,Size(1, 19));dilate(img, img, kernelX);                      //图像膨胀erode(img, img, kernelX);                       //图像腐蚀erode(img, img, kernelY);dilate(img, img, kernelY);// 平滑去噪处理，使边缘检测更准确GaussianBlur(img, img, Size(15, 1), 1);// 从二值化后的img图中提取所有轮廓findContours(img, contours, vec_4f, RETR_TREE, CHAIN_APPROX_SIMPLE);       // 在原图image上绘制所有轮廓(红色)drawContours(image, contours, -1, Scalar(0, 0, 255), 1);                   //    筛选for (int i = 0; i < contours.size(); i++) {//计算轮廓的垂直边界最小矩形Rect rect = boundingRect(contours[i]);                                int x = rect.x;int y = rect.y;if (rect.width > (rect.height * 2)){Mat chepai = image(Rect(rect.x,rect.y,rect.width,rect.height));  //区域提取//将提取出来的区域拿绿色矩形围起来rectangle(chepai,Point(rect.x,rect.y),Point(rect.x + rect.width, rect.y + rect.height),Scalar(0,255,0),1);imshow("car_num",chepai);}}imshow("test",image);waitKey(0);destroyAllWindows();return 0;
}

也可以下面这个代码段，提取方法稍有不同，但结果和原理一样的。

#include<opencv2/opencv.hpp>
#include<iostream>
#include<opencv2/highgui/highgui_c.h>
#include<vector>using namespace cv;
using namespace std;int main()
{
Mat img = imread("D://4.JPG");
//imshow("1.src",img);
//高斯模糊
Mat Gauss_img;
GaussianBlur(img, Gauss_img, Size(3, 3), 0, 0, BORDER_DEFAULT);
//imshow("2.gauss",Gauss_img);
//转化灰度图
Mat gray_img;
cvtColor(Gauss_img, gray_img, COLOR_BGR2GRAY);
//imshow("3.gray",gray_img);
//Sobel算子
Mat Sobel_x, absX;
Sobel(gray_img, Sobel_x, CV_16S, 1, 0);
convertScaleAbs(Sobel_x, absX);
//imshow("4.Abs",absX);
//二值化
Mat thr_img;
threshold(absX, thr_img, 0, 255, THRESH_OTSU);
//imshow("5.threshold",thr_img);//闭操作
Mat element, mor_img;
element = getStructuringElement(MORPH_RECT, Size(17, 5));
morphologyEx(thr_img, mor_img, MORPH_CLOSE, element);
//imshow("6.morphologyEx",mor_img);//膨胀、腐蚀
Mat kernelX, kernelY, ker_img;
kernelX = getStructuringElement(MORPH_RECT, Size(20, 1));
kernelY = getStructuringElement(MORPH_RECT, Size(1, 19));dilate(mor_img, ker_img, kernelX);
erode(ker_img, ker_img, kernelX);erode(ker_img, ker_img, kernelY);
dilate(ker_img, ker_img, kernelY);
//imshow("7.dilate and erode",ker_img);//中值滤波
Mat med_img;
medianBlur(ker_img, med_img, 15);
//imshow("8.medianBlur",med_img);//查找轮廓
vector<vector<Point>>contours;
findContours(med_img, contours, CV_RETR_TREE, CV_CHAIN_APPROX_SIMPLE);
//drawContours(img,contours,-1, Scalar(0, 0, 255), 3);
//imshow("9.result",img);//ROI提取
Mat roi_img;
vector<Rect> boundRect(contours.size());
for (int i = 0; i < contours.size(); i++)
{boundRect[i] = boundingRect(contours[i]);if (boundRect[i].width > boundRect[i].height * 2) //车牌尺寸判断{//在原图上绘制矩形rectangle(img, Rect(boundRect[i].x, boundRect[i].y, boundRect[i].width, boundRect[i].height), Scalar(0, 255, 0), 2);//ROI提取roi_img = img(Rect(boundRect[i].x, boundRect[i].y, boundRect[i].width, boundRect[i].height));}
}
imshow("10.ROI", roi_img);waitKey(0);
return 0;
}

该方法车牌识别原理是先对图像进行模糊、转换和图形化处理，使其成为一个二值图，在从该图中进行边缘识别、提取轮廓，然后用矩形圈出绘制在原图上。最后将长度大于二倍宽度的矩形挑出来(不多只有车牌长度大于二倍宽度)，即为车牌。

保存识别出来的车牌图，再次用上述方法可以识别出文字。可能还用其他方法一次识别出车牌文字，如cv::fillContours()函数还有层次结构，本人后续学习了再更改项目。识别结果如下：

opencv4 车牌识别 C++ vs2019相关推荐

【Python4】字符分割识别，车牌识别矫正，移动物检测，Caffe_SSD三字码识别，ckpt文件转pb文件，人脸检测与识别
文章目录 1.字符分割识别 2.车牌识别矫正 2.1 车牌识别项目安装 2.2 车牌矫正的方法 3.移动物检测 3.1 帧间差分法 3.2 相机捕捉照片 3.3 MindVision品牌的相机 3.4 ...
Mobile-LPR——面向移动端的准商业级车牌识别库
今天发现一个很棒的车牌识别项目,精度高.代码高度优化.方便使用,感谢开发者xiangweizeng!欢迎大家参考- 项目地址: https://github.com/xiangweizeng/mobi ...
毕业设计 - 题目：基于机器视觉的图像矫正 (以车牌识别为例) - 图像畸变校正
文章目录 0 简介 1 思路简介 1.1 车牌定位 1.2 畸变校正 2 代码实现 2.1 车牌定位 2.1.1 通过颜色特征选定可疑区域 2.1.2 寻找车牌外围轮廓 2.1.3 车牌区域定位 2. ...
开源项目车牌识别EasyPR的使用
开源项目车牌识别EasyPR的使用 1.配置Visual studio+opencv 2.下载源码 https://gitee.com/easypr/EasyPR?hmsr=aladdin1e6 3. ...
c# opencv车牌识别_毕设有着落了！一套开源的，基于SpringBoot的车牌识别系统
阅读本文大概需要 4 分钟. 前言这个项目是良月柒在逛社区时发现的,刚看到它,思绪直接被拉回了几年前,当初有同学的毕设就是停车场管理系统,关键的功能--车牌识别,连硬件都整上了,一整套流程跑下来,p ...
【毕设】车牌识别系统的设计与实现
车牌识别系统的设计与实现_毕设记录 1 前言[源码见评论区] 2 开发环境 3 VS2017配置OpenCV运行第一个小程序(19.12.27) 3.1 第一个小程序 3.2 参考链接汇总 4 车牌定 ...
【树莓派开发】02-基于OpenCV的车牌识别处理(LPR)
[说明]:疫情期间比较闲学习了python.LPR这个东西,基于OpenCV已经做过很多遍了,通过这个小项目利用树莓派来熟悉Python编程,而且通过实际操作可以掌握一些具体的细节与技巧,这里我将整个 ...
智能驾驶车牌检测和识别（五）《C++实现车牌检测和识别（可实时车牌识别）》
智能驾驶车牌检测和识别(五)<C++实现车牌检测和识别(可实时车牌识别)> 目录智能驾驶车牌检测和识别(五)<C++实现车牌检测和识别(可实时车牌识别)> 1. 前言 2 ...
基于树莓派车牌识别门禁系统
基于树莓派车牌识别门禁系统前言开发环境源码硬件效果演示后记前言毕业设计想做一个集大学所自学过的所有语言,再加上嵌入式的完整应用类型.但由于疫情的原因,没办法完整的展现.不过中间还是自己 ...
robo3t 连接服务器数据库_车牌识别软件连接各种数据库方法大全
软件连接各种数据库方法大全 1:软件连接免安装数据库. 免安装数据库使用方便,不受操作系统版本影响,不用安装,解压打开运行即可,所以免安装数据库不要放在桌面上,也不要解压打开多个. 打开车牌识别软件, ...

opencv4 车牌识别 C++ vs2019

opencv4 车牌识别 C++ vs2019相关推荐

最新文章

热门文章