©2020-2024 ioDraw All rights reserved
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：