1. 収集したカラーナンバープレート画像をグレースケール画像に変換します
2. グレースケール画像にガウススムージングを使用し、それに対してミディアムストレートフィルタリングを実行します
3. ソーベルオペレーターを使用して画像処理を実行します
4. バイナリ画像に対して侵食、拡張、開閉操作の形態学的組み合わせ変換を実行します
5. 形態学的に変換された画像に対して輪郭検索を実行し、アスペクト比に従ってナンバープレートを抽出します
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
gaussian = cv2.GaussianBlur(gray, (3, 3), 0, 0, cv2.BORDER_DEFAULT) median = cv2.medianBlur(gaussian, 5)
sobel = cv2.Sobel(median, cv2.CV_8U, 1, 0, ksize = 3)
ret, binary = cv2.threshold(sobel, 170, 255, cv2.THRESH_BINARY)
# 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)
1に従って、形態学的に変換された画像に対して輪郭探索を実行します. ナンバープレートの領域を見つけます
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. 緑色の線を使用してナンバープレートの領域を描き、ナンバープレートを切り取ります
以上がPython はナンバー プレートの位置決めとセグメンテーションを実装しますの詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。