Python은 번호판 위치 지정 및 분할을 구현합니다.

구체적인 단계

1. 수집된 컬러 번호판 이미지를 그레이 스케일 이미지로 변환
2. 그레이 스케일 이미지에 가우시안 스무딩을 사용한 후 미디엄 스트레이트 필터링을 수행합니다
3. Sobel 연산자를 사용하여 이미지에 대한 에지 검출을 수행합니다
4. 이진 이미지에 대해 침식, 확장, 열기 연산, 닫기 연산의 형태학적 조합 변환을 수행합니다
5. 이미지에 대해 형태학적 변환을 수행합니다. 화면비에 따른 번호판

코드 구현

이미지 회색조

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

가우스 스무딩, 중앙값 필터링

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

소벨 에지 감지

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

이진화

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

이진화된 이미지에 대한 부식, 확장, 열기 및 닫기 작업의 형태 조합 변환 사용

# 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)

형태적으로 변환된 이미지에 대해 윤곽선 검색을 수행하고, 화면 비율에 따라 번호판을 추출합니다

1. 번호판 영역 검색

rree

2. 녹색선을 이용하여 번호판 영역을 그리고 번호판을 자릅니다

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  5 or ratio <p class="image-package"><img  src="/static/imghwm/default1.png" data-src="https://img.php.cn/upload/article/000/000/164/94f670ac1a281c52b2a19ee97d32d63f-6.png?x-oss-process=image/resize,p_40" class="lazy" alt="Python은 번호판 위치 지정 및 분할을 구현합니다." ><br></p><p class="image-package"><img  src="/static/imghwm/default1.png" data-src="https://img.php.cn/upload/article/000/000/164/a45e25d4f357434d8e515c36afe88d6c-7.png?x-oss-process=image/resize,p_40" class="lazy" alt="Python은 번호판 위치 지정 및 분할을 구현합니다." ><br></p>

위 내용은 Python은 번호판 위치 지정 및 분할을 구현합니다.의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!