Python implémente le positionnement et la segmentation des plaques d'immatriculation

Étapes spécifiques

1. Convertissez l'image de plaque d'immatriculation couleur collectée en une image en niveaux de gris
2 Utilisez le lissage gaussien sur l'image en niveaux de gris, puis effectuez un filtrage droit moyen dessus
3. Utilisez l'opérateur Sobel pour effectuer la détection des bords sur l'image
4. Effectuez une transformation combinée morphologique de l'érosion, de l'expansion, de l'opération d'ouverture et de la fermeture sur l'image binaire
5. Effectuez une transformation morphologique sur l'image. Effectuez une recherche et une extraction de contour. la plaque d'immatriculation selon son rapport hauteur/largeur

Mise en place du code

Niveau de gris de l'image

gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

Lissage gaussien, médiane filtrage

gaussian = cv2.GaussianBlur(gray, (3, 3), 0, 0, cv2.BORDER_DEFAULT)
median = cv2.medianBlur(gaussian, 5)

Détection de bord Sobel

sobel = cv2.Sobel(median, cv2.CV_8U, 1, 0,  ksize = 3)

Binarisation

ret, binary = cv2.threshold(sobel, 170, 255, cv2.THRESH_BINARY)

Corroder et élargir l'image binaire, la transformation combinée morphologique de l'opération ouverte et de l'opération fermée

# 膨胀和腐蚀操作的核函数
element1 = cv2.getStructuringElement(cv2.MORPH_RECT, (9, 1))
element2 = cv2.getStructuringElement(cv2.MORPH_RECT, (8, 6))
# 膨胀一次，让轮廓突出
dilation = cv2.dilate(binary, element2, iterations = 1)
# 腐蚀一次，去掉细节
erosion = cv2.erode(dilation, element1, iterations = 1)
# 再次膨胀，让轮廓明显一些
dilation2 = cv2.dilate(erosion, element2,iterations = 3)

effectue une recherche de contour sur l'image transformée morphologiquement et l'extrait en fonction du rapport hauteur/largeur de la plaque d'immatriculation Plaque d'immatriculation

1. zone de la plaque d'immatriculation

def findPlateNumberRegion(img):
    region = []
    # 查找轮廓
    contours,hierarchy = cv2.findContours(img, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)

    # 筛选面积小的
    for i in range(len(contours)):
        cnt = contours[i]
        # 计算该轮廓的面积
        area = cv2.contourArea(cnt)

        # 面积小的都筛选掉
        if (area < 2000):
            continue

        # 轮廓近似，作用很小
        epsilon = 0.001 * cv2.arcLength(cnt,True)
        approx = cv2.approxPolyDP(cnt, epsilon, True)

        # 找到最小的矩形，该矩形可能有方向
        rect = cv2.minAreaRect(cnt)
        print "rect is: "
        print rect

        # box是四个点的坐标
        box = cv2.cv.BoxPoints(rect)
        box = np.int0(box)

        # 计算高和宽
        height = abs(box[0][1] - box[2][1])
        width = abs(box[0][0] - box[2][0])

        # 车牌正常情况下长高比在2.7-5之间
        ratio =float(width) / float(height)
        if (ratio > 5 or ratio < 2):
            continue

        region.append(box)

    return region

2. Utilisez des lignes vertes pour dessiner la zone de la plaque d'immatriculation et coupez la plaque d'immatriculation

    # 用绿线画出这些找到的轮廓
    for box in region:
        cv2.drawContours(img, [box], 0, (0, 255, 0), 2)
    ys = [box[0, 1], box[1, 1], box[2, 1], box[3, 1]]
    xs = [box[0, 0], box[1, 0], box[2, 0], box[3, 0]]
    ys_sorted_index = np.argsort(ys)
    xs_sorted_index = np.argsort(xs)

    x1 = box[xs_sorted_index[0], 0]
    x2 = box[xs_sorted_index[3], 0]

    y1 = box[ys_sorted_index[0], 1]
    y2 = box[ys_sorted_index[3], 1]

    img_org2 = img.copy()
    img_plate = img_org2[y1:y2, x1:x2]

Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!