基于python车牌号识别_python中使用Opencv进行车牌号检测——2018.10.24
#-*- coding: utf-8 -*-
"""Created on Tue Oct 23 20:46:45 2018
@author: Administrator"""
importcv2importnumpy as npdefstretch(img):'''图像拉伸函数'''maxi=float(img.max())
mini=float(img.min())for i inrange(img.shape[0]):for j in range(img.shape[1]):
img[i,j]=(255/(maxi-mini)*img[i,j]-(255*mini)/(maxi-mini))returnimgdefdobinaryzation(img):'''二值化处理函数'''maxi=float(img.max())
mini=float(img.min())
x=maxi-((maxi-mini)/2)#二值化,返回阈值ret 和 二值化操作后的图像thresh
ret,thresh=cv2.threshold(img,x,255,cv2.THRESH_BINARY)#返回二值化后的黑白图像
returnthreshdeffind_rectangle(contour):'''寻找矩形轮廓'''y,x=[],[]for p incontour:
y.append(p[0][0])
x.append(p[0][1])return[min(y),min(x),max(y),max(x)]deflocate_license(img,afterimg):'''定位车牌号'''img,contours,hierarchy=cv2.findContours(img,cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_SIMPLE)#找出最大的三个区域
block=[]for c incontours:#找出轮廓的左上点和右下点,由此计算它的面积和长度比
r=find_rectangle(c)
a=(r[2]-r[0])*(r[3]-r[1]) #面积
s=(r[2]-r[0])*(r[3]-r[1]) #长度比
block.append([r,a,s])#选出面积最大的3个区域
block=sorted(block,key=lambda b: b[1])[-3:]#使用颜色识别判断找出最像车牌的区域
maxweight,maxindex=0,-1
for i inrange(len(block)):
b=afterimg[block[i][0][1]:block[i][0][3],block[i][0][0]:block[i][0][2]]#BGR转HSV
hsv=cv2.cvtColor(b,cv2.COLOR_BGR2HSV)#蓝色车牌的范围
lower=np.array([100,50,50])
upper=np.array([140,255,255])#根据阈值构建掩膜
mask=cv2.inRange(hsv,lower,upper)#统计权值
w1=0for m inmask:
w1+=m/255w2=0for n inw1:
w2+=n#选出最大权值的区域
if w2>maxweight:
maxindex=i
maxweight=w2returnblock[maxindex][0]deffind_license(img):'''预处理函数'''m=400*img.shape[0]/img.shape[1]#压缩图像
img=cv2.resize(img,(400,int(m)),interpolation=cv2.INTER_CUBIC)#BGR转换为灰度图像
gray_img=cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)#灰度拉伸
stretchedimg=stretch(gray_img)'''进行开运算,用来去除噪声'''r=16h=w=r*2+1kernel=np.zeros((h,w),np.uint8)
cv2.circle(kernel,(r,r),r,1,-1)#开运算
openingimg=cv2.morphologyEx(stretchedimg,cv2.MORPH_OPEN,kernel)#获取差分图,两幅图像做差 cv2.absdiff('图像1','图像2')
strtimg=cv2.absdiff(stretchedimg,openingimg)#图像二值化
binaryimg=dobinaryzation(strtimg)#canny边缘检测
canny=cv2.Canny(binaryimg,binaryimg.shape[0],binaryimg.shape[1])'''消除小的区域,保留大块的区域,从而定位车牌'''
#进行闭运算
kernel=np.ones((5,19),np.uint8)
closingimg=cv2.morphologyEx(canny,cv2.MORPH_CLOSE,kernel)#进行开运算
openingimg=cv2.morphologyEx(closingimg,cv2.MORPH_OPEN,kernel)#再次进行开运算
kernel=np.ones((11,5),np.uint8)
openingimg=cv2.morphologyEx(openingimg,cv2.MORPH_OPEN,kernel)#消除小区域,定位车牌位置
rect=locate_license(openingimg,img)returnrect,imgdefcut_license(afterimg,rect):'''图像分割函数'''
#转换为宽度和高度
rect[2]=rect[2]-rect[0]
rect[3]=rect[3]-rect[1]
rect_copy=tuple(rect.copy())
rect=[0,0,0,0]#创建掩膜
mask=np.zeros(afterimg.shape[:2],np.uint8)#创建背景模型 大小只能为13*5,行数只能为1,单通道浮点型
bgdModel=np.zeros((1,65),np.float64)#创建前景模型
fgdModel=np.zeros((1,65),np.float64)#分割图像
cv2.grabCut(afterimg,mask,rect_copy,bgdModel,fgdModel,5,cv2.GC_INIT_WITH_RECT)
mask2=np.where((mask==2)|(mask==0),0,1).astype('uint8')
img_show=afterimg*mask2[:,:,np.newaxis]returnimg_showdefdeal_license(licenseimg):'''车牌图片二值化'''
#车牌变为灰度图像
gray_img=cv2.cvtColor(licenseimg,cv2.COLOR_BGR2GRAY)#均值滤波 去除噪声
kernel=np.ones((3,3),np.float32)/9gray_img=cv2.filter2D(gray_img,-1,kernel)#二值化处理
ret,thresh=cv2.threshold(gray_img,120,255,cv2.THRESH_BINARY)returnthreshdeffind_end(start,arg,black,white,width,black_max,white_max):
end=start+1
for m in range(start+1,width-1):if (black[m] if arg else white[m])>(0.98*black_max if arg else 0.98*white_max):
end=mbreak
returnendif __name__=='__main__':
img=cv2.imread('../image/carnumber7.jpg',cv2.IMREAD_COLOR)#预处理图像
rect,afterimg=find_license(img)#框出车牌号
cv2.rectangle(afterimg,(rect[0],rect[1]),(rect[2],rect[3]),(0,255,0),2)
cv2.imshow('afterimg',afterimg)#分割车牌与背景
cutimg=cut_license(afterimg,rect)
cv2.imshow('cutimg',cutimg)#二值化生成黑白图
thresh=deal_license(cutimg)
cv2.imshow('thresh',thresh)
cv2.waitKey(0)#分割字符
'''判断底色和字色'''
#记录黑白像素总和
white=[]
black=[]
height=thresh.shape[0] #263
width=thresh.shape[1] #400
#print('height',height)
#print('width',width)
white_max=0
black_max=0#计算每一列的黑白像素总和
for i inrange(width):
line_white=0
line_black=0for j inrange(height):if thresh[j][i]==255:
line_white+=1
if thresh[j][i]==0:
line_black+=1white_max=max(white_max,line_white)
black_max=max(black_max,line_black)
white.append(line_white)
black.append(line_black)print('white',white)print('black',black)#arg为true表示黑底白字,False为白底黑字
arg=Trueif black_max
arg=False
n=1start=1end=2
while n
n+=1
#判断是白底黑字还是黑底白字 0.05参数对应上面的0.95 可作调整
if(white[n] if arg else black[n])>(0.02*white_max if arg else 0.02*black_max):
start=n
end=find_end(start,arg,black,white,width,black_max,white_max)
n=endif end-start>5:
cj=thresh[1:height,start:end]
cv2.imshow('cutlicense',cj)
cv2.waitKey(0)
cv2.waitKey(0)
cv2.destroyAllWindows()
基于python车牌号识别_python中使用Opencv进行车牌号检测——2018.10.24相关推荐
- Python中利用Opencv进行车牌号检测
初学Python.Opencv,想用它做个实例解决车牌号检测. 车牌号检测需要分为四个部分:1.车辆图像获取.2.车牌定位.3.车牌字符分割和4.车牌字符识别 在百度查到了车牌识别部分车牌定位和车牌字 ...
- 基于python的表情识别_python 实现表情识别
表情识别 表情识别支持7种表情类型,生气.厌恶.恐惧.开心.难过.惊喜.平静等. 实现思路 使用opencv识别图片中的脸,在使用keras进行表情识别. 效果预览 实现代码 与<>相似, ...
- python屏幕文字识别_python中使用OCR 技术进行《文字识别》
# 导入组件 from uiautomatorimport deviceas d import pytesseract from PILimport Image import os import ti ...
- python利用opencv进行车牌号识别定位
import cv2 import numpy as np import matplotlib.pyplot as plt img=cv2.imread("G:\\IDLE\\timg.jp ...
- python round保留小数位_Python 中保留指定位数小数用round就可以了吗?
Python 中保留指定位数小数用round就可以了吗? Python 中保留指定位数小数用round就可以了吗? 在项目实践中,程序员经常会收到产品经理保留指定位数小数的需求. 在Python语言中 ...
- 基于Python的验证码识别技术
基于Python的验证码识别技术 作者:强哥 概述 前言 准备工作 识别原理 图像处理 切割图像 人工标注 训练数据 检测结果 搞笑一刻 福利一刻 推荐阅读 前言 很多网站登录都需要输入验证码,如果要 ...
- python人脸识别训练模型_开源 | 基于Python的人脸识别:识别准确率高达99.38%!
原标题:开源 | 基于Python的人脸识别:识别准确率高达99.38%! 该库使用 dlib 顶尖的深度学习人脸识别技术构建,在户外脸部检测数据库基准(Labeled Faces in the Wi ...
- python算法和数据结构_Python中的数据结构和算法
python算法和数据结构 To 至 Leonardo da Vinci 达芬奇(Leonardo da Vinci) 介绍 (Introduction) The purpose of this ar ...
- 基于Python的人脸识别课堂考勤系统(毕设)
一个菜鸟搞毕业设计的过程分享,可能对迷茫的你起到一点点作用! 序言 在着手开发项目之前我们一定要对系统进行一个初步的规划,比如系统可以实现什么功能,是否需要开发GUI页面(大部分导师都会让你搞一个,仅 ...
- 基于Python的人脸识别方法
摘要:得益于计算机硬件技术的进步以及软件算法的不断改进,近些年来人工智能技术得到了前所未有的发展,基于深.度学习的人脸识别技术也已经得到了广泛的应用,特别是在安保.金融等需要安全系数较高的领域.提出了 ...
最新文章
- golang库context学习
- N - Tram POJ - 1847
- 使用Oracle创建图书馆数据库(book reader lib loan表)
- 概率假设密度滤波 matlab,高斯混合概率假设密度滤波器
- 离线手动部署docker镜像仓库——harbor仓库(二)
- 集成电路pad指的是什么_芯片、半导体、集成电路,你分清楚了吗?
- IE6 的 hover 伪类 bug
- Charles 4.2 HTTPS抓包,乱码设置,证书信任,证书安装
- STM32 使用DMA+DAC+TIMER 输出正弦波
- 边缘检测——Roberts算子
- Unity关节的使用和举例,布娃娃系统
- HTML中的单行注释标签是,html如何单行和多行注释呢 ?
- Kafka 2.8.0 学习
- linux命令返回结果保存到文件,Linux终端运行命令及结果同时保存入文件方法总结...
- oracle中private同义词和public同义词
- 特征工程常用于特征提取方法——数值特征
- 互联网项目发币一年,“简书们”活得好吗?
- shell_一键部署脚本合集 .
- 【一文搞懂】linux无界面模式安装chrome和chromedriver
- 申万一级行业指数的BUG
热门文章
- 知识图谱商业应用 、介绍
- 安装签名不一致什么意思_探灵之夜嫁安装失败签名不一致怎么办-夜嫁安装失败签名不一致解决方法-松松手游网...
- 使用Animation编辑器编辑动画
- 【信息系统项目管理师】案例分析高频记忆考点汇总
- 用Python做一个基于OCR的微信聊天机器人
- php实现新闻管理系统,PHP基础示范:用PHP+Mysql编写简易新闻管理系统_mysql
- 深入解析WINDOWS操作系统
- 别在花钱买Java资料了!自学Java必备的干货合集免费给你(含珍藏电子书)
- Ubuntu安装gcc编译器
- 免费画图软件推荐 - draw.io