1 說明：
=====
1.1 環境：
python3.8，深度作業系統deepin-linux，微軟編輯器vscode，opencv版本4.2.0。
1.2 上一篇：
《強！全套完整中文車牌識别，純python來實作和代碼分析》
1.3 本次講解：超級詳細，一步一步，注釋分析，小白都會。
1.4 注意：代碼為注釋講解版，有點繁瑣，但是可讀性較高，大神可以封裝成函數，去掉注釋和視窗顯示過程。
圖檔：來自今日頭條免費正版圖庫
2 圖檔：來自今日頭條免費正版圖庫：
僅供學習
===代碼逐漸分析===
3 讀取圖檔并顯示原始圖檔：額外知識
=============================
3.1 cv2法：顯示是原圖，省略。牽涉到知識點是圖檔的通道的拆分和合并。
import cv2origin_image = cv2.imread('/home/xgj/Desktop/car911/2.jpeg')cv2.imshow('image', origin_image)cv2.waitKey(0)
3.2 matplotlib法：
import cv2#---第2步：讀取待檢測原始的圖檔---origin_image = cv2.imread('/home/xgj/Desktop/car911/2.jpeg')#---第3步：顯示圖檔法---'''# cv2顯示圖檔法：原圖cv2.imshow('image', origin_image)cv2.waitKey(0)''''''# matplotlib法直接顯示，不是原圖from matplotlib import pyplot as pltplt.imshow(origin_image)plt.show()'''# 調整通道的順序，顯示原圖# 分割通道from matplotlib import pyplot as plt#說明cv2讀取的順序是bgr#而matplotlib顯示rgb，故顯示plt原圖法需要轉換b,g,r = cv2.split(origin_image)# 合并通道img = cv2.merge([r, g, b])plt.imshow(img)plt.show()
3.3 圖：
原圖顯示
不是原圖顯示
4 提取藍色車牌：
============
4.1 代碼：
#---第1步：導入所需子產品---import cv2from matplotlib import pyplot as plt#---第2步：讀取待檢測原始的圖檔---origin_image = cv2.imread('/home/xgj/Desktop/car911/2.jpeg')# 可注釋掉# 調整通道的順序# 分割通道b,g,r = cv2.split(origin_image)# 合并通道img = cv2.merge([r, g, b])#用matplotlib的plt顯示圖檔plt.imshow(img)plt.show()#---第3步：提取車牌部分圖檔---#圖像去噪灰階處理# 3-1：對原始圖檔origin_image進行高斯模糊Gausiian_image = cv2.GaussianBlur(origin_image, (3, 3), 0)#可注釋掉plt.imshow(Gausiian_image)plt.show()# 3-2：灰階化處理圖像gray_image = cv2.cvtColor(Gausiian_image, cv2.COLOR_RGB2GRAY)#可注釋掉plt.imshow(gray_image)plt.show()# 3-3：Sobel算子Sobel_x = cv2.Sobel(gray_image, cv2.CV_16S, 1, 0) # 對x求一階導，垂直檢測#Sobel_y = cv2.Sobel(gray_image, cv2.CV_16S, 0, 1) # 附注：對y求一階導，水準檢測absX = cv2.convertScaleAbs(Sobel_x) # 轉回uint8#定義車牌imagechepai = absX# 3-4：圖像二值化ret, image2 = cv2.threshold(imagechepai, 0, 255, cv2.THRESH_OTSU)# 3-5：閉操作可以将目标區域連成一個整體，便于後續輪廓的提取。kernelX = cv2.getStructuringElement(cv2.MORPH_RECT, (17, 5))image3 = cv2.morphologyEx(image2, cv2.MORPH_CLOSE, kernelX,iterations = 3)#可注釋掉plt.imshow(image3)plt.show()# 3-6：膨脹和腐蝕#通過膨脹連接配接相近的圖像區域，通過腐蝕去除孤立細小的色塊。kernelX = cv2.getStructuringElement(cv2.MORPH_RECT, (20, 1))kernelY = cv2.getStructuringElement(cv2.MORPH_RECT, (1, 19))#膨脹第1次image4 = cv2.dilate(image3, kernelX)plt.imshow(image4)plt.show()#腐蝕第1次image5 = cv2.erode(image4, kernelX)plt.imshow(image5)plt.show()#腐蝕第2次image6 = cv2.erode(image5, kernelY)plt.imshow(image6)plt.show()#膨脹第2次image7 = cv2.dilate(image6, kernelY)plt.imshow(image7)plt.show()# 3-7：中值濾波：去除圖像或者其它信号中的噪聲。image8 = cv2.medianBlur(image7, 15)plt.imshow(image8)plt.show()# 3-8：查找輪廓contours, hierarchy = cv2.findContours(image8, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)# 3-9：判斷車牌區域：for item in contours: rect = cv2.boundingRect(item) x = rect[0] y = rect[1] weight = rect[2] height = rect[3] if (weight > (height * 3)) and (weight < (height * 4)): image9 = origin_image[y:y + height, x:x + weight] #側位車牌和黃色車牌報錯 #提取車牌，生成車牌圖檔 cv2.imwrite('/home/xgj/Desktop/car911/chepai1.png', image9) cv2.imshow('image', image9) cv2.waitKey(0)
4.2 操作和效果圖：
4.3 正位綠色車牌：OK，省略。(新能源汽車車牌，正面非側位OK)
5 bug分析：
============
5.1 圖：
側位車牌：bug
黃色車牌：bug：(3.jpeg)
報錯原因
側位車牌：bug
6 黃色車牌定位和提取(圖：3.jpeg)：
=============================
6.1 代碼：換一種思維
#---第1步：導入子產品--import cv2import numpy as np#---第2步：讀取原圖---img = cv2.imread('/home/xgj/Desktop/car911/3.jpeg')#可注釋掉cv2.imshow("pic1",img) #顯示原圖cv2.waitKey(0)#---第3步：預處理---# 包括灰階處理，高斯濾波平滑處理，Sobel提取邊界，圖像二值化# 3-1：灰階處理gray_img = cv2.cvtColor(img, cv2.COLOR_RGB2GRAY)cv2.imshow("pic2", gray_img)cv2.waitKey(0)# 3-2：高斯濾波平滑處理GaussianBlur_img = cv2.GaussianBlur(gray_img, (3, 3), 0)cv2.imshow("pic3", GaussianBlur_img)cv2.waitKey(0)# 3-3：Sobel提取邊界Sobel_img = cv2.Sobel(GaussianBlur_img, -1, 1, 0, ksize=3)cv2.imshow("pic4", Sobel_img)cv2.waitKey(0)# 3-4：圖像二值化ret, binary_img = cv2.threshold(Sobel_img, 127, 255, cv2.THRESH_BINARY)#---第4步：形态學運算---kernel = np.ones((5, 15), np.uint8)# 先閉運算将車牌數字部分連接配接，再開運算将不是塊狀的或是較小的部分去掉close_img = cv2.morphologyEx(binary_img, cv2.MORPH_CLOSE, kernel)open_img = cv2.morphologyEx(close_img, cv2.MORPH_OPEN, kernel)# 再來一次：修改部分圖像得到的輪廓邊緣不整齊kernel2 = np.ones((10, 10), np.uint8)open_img2 = cv2.morphologyEx(open_img, cv2.MORPH_OPEN, kernel2)#結構元素可以是矩形/橢圓/十字形，可以用cv2.getStructuringElement()來生成不同形狀的結構元素element = cv2.getStructuringElement(cv2.MORPH_RECT, (5, 5)) #矩形結構dilation_img = cv2.dilate(open_img, element, iterations=3)cv2.imshow("pic4", dilation_img)cv2.waitKey(0)#---第5步：擷取輪廓---# 5-1:2個名額，易報錯，與opencv版本有關contours, hierarchy = cv2.findContours(dilation_img, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)# 測試邊框識别結果，注釋掉，否則汽車車牌提取後有綠色輪廓，不好看#cv2.drawContours(img, contours, -1, (0, 255, 0), 3)#cv2.imshow("pic5", img) #繪制輪廓圖#cv2.waitKey(0)# 5-2：從輪廓中提取坐标# 将輪廓規整為長方形rectangles = []for c in contours: x = [] y = [] for point in c: y.append(point[0][0]) x.append(point[0][1]) r = [min(y), min(x), max(y), max(x)] rectangles.append(r) # 5-3：用顔色識别出車牌區域dist_r = []max_mean = 0for r in rectangles: carmask = img[r[1]:r[3], r[0]:r[2]] #車牌區域面積大小 hsv = cv2.cvtColor(carmask, cv2.COLOR_BGR2HSV) ''' #藍色車牌，可以使用 low = np.array([100, 60, 60]) up = np.array([140, 255, 255]) ''' #黃色車牌 low = np.array([15, 55, 55]) up = np.array([50, 255, 255]) ''' #綠色車牌：系能源汽車報錯，因為車牌底色不是全綠，白色漸變綠色 low = np.array([50, 50, 50]) up = np.array([100, 255, 255]) ''' result = cv2.inRange(hsv, low, up) # 用計算均值的方式找藍色最多的區塊 mean = cv2.mean(result) if mean[0] > max_mean: max_mean = mean[0] dist_r = r# 畫出識别結果，定位用，截取車牌時就不要了，否則車牌上有綠色框，不好看#cv2.rectangle(img, (dist_r[0]+3, dist_r[1]), (dist_r[2]-3, dist_r[3]), (0, 255, 0), 2)#參數格式：cv2.rectangle(image, (x,y), (x+w,y+h), (0,255,0), 2)#一般格式#qichechepai = img[y:y + height, x:x + weight]qichechepai = img[dist_r[1]:dist_r[3], dist_r[0]+3:dist_r[2]-3]#提取車牌，生成車牌圖檔cv2.imwrite('/home/xgj/Desktop/car911/chepai3.png', qichechepai)cv2.imshow('qichechepaitiqu', qichechepai)cv2.waitKey(0)
6.2 操作和效果圖：
6.3 新能源汽車車牌就不适合。
号碼底色上白下綠，不适合這種方法
7 側面車牌定位和提取：
=================
7.1 分類器：下載下傳位址
https://github.com/zeusees/HyperLPR/blob/master/model/cascade.xml #分類器來自别人，感謝
7.2 代碼：
#---第1步：導出子產品--import cv2import numpy as np#---第2步：定義偵測函數def detect(image): # 調用分類器，提前下載下傳好 cascade_path = '/home/xgj/Desktop/car911/cascade.xml' cascade = cv2.CascadeClassifier(cascade_path) # 修改圖檔大小 resize_h = 400 height = image.shape[0] scale = image.shape[1] / float(height) image = cv2.resize(image, (int(scale * resize_h), resize_h)) # 轉為灰階圖 image_gray = cv2.cvtColor(image, cv2.COLOR_RGB2GRAY) #查找車牌 car_plates = cascade.detectMultiScale(image_gray, 1.1, 2, minSize=(36, 9), maxSize=(36 * 40, 9 * 40)) # print("檢測到車牌數", len(car_plates)) #判斷 if len(car_plates) > 0: for car_plate in car_plates: x, y, w, h = car_plate #畫汽車車牌矩形并截取 qichechepai = image[y-10: y + h + 10, x-10: x + w + 10] cv2.imshow('plate', qichechepai) #顯示車牌視窗 cv2.imwrite('/home/xgj/Desktop/car911/ccnew.png', qichechepai) #儲存提取汽車車牌 #畫車牌識别定位框 cv2.rectangle(image, (x - 10, y - 10), (x + w + 10, y + h + 10), (0, 255, 0), 2) cv2.imshow("image", image) #顯示原圖上定位并畫出識别框 if __name__ == '__main__': #導入原圖 image = cv2.imread('/home/xgj/Desktop/1-chepai-dingwei/fenleiqi/cc.jpeg') detect(image) cv2.waitKey(0) cv2.destroyAllWindows()
7.3 操作和效果圖：
7.4 側面新能源汽車車牌，可以搞定，小bug：
2個識别車牌，提取一個車牌
===汽車車牌定位和提取大全===
高手可以整合、定義函數、封裝
不管了，好東西就應該分享。