1. 首頁 > 云知道 > >

快速查車主電話號碼 怎么通過車牌號定位

小知識

怎么通過車牌號定位（快速查車主電話號碼）實驗要求【快速查車主電話號碼 怎么通過車牌號定位】對給定的車牌進行車牌識別
實驗代碼代碼首先貼在這里，僅供參考
源代碼:https://github.com/FyuNaru/HIT-visual-signal-processing/tree/master/Vision-lab3
實驗代碼如下：
import cv2import numpy as npdef lpr(filename):    img = cv2.imread(filename)    # 預處理，包括灰度處理，高斯濾波平滑處理，Sobel提取邊界，圖像二值化    # 對于高斯濾波函數的參數設置，第四個參數設為零，表示不計算y方向的梯度，原因是車牌上的數字在豎方向較長，重點在于得到豎方向的邊界    # 對于二值化函數的參數設置，第二個參數設為127，是二值化的閾值，是一個經驗值    gray_img = cv2.cvtColor(img, cv2.COLOR_RGB2GRAY)    GaussianBlur_img = cv2.GaussianBlur(gray_img, (3, 3), 0)    Sobel_img = cv2.Sobel(GaussianBlur_img, -1, 1, 0, ksize=3)    ret, binary_img = cv2.threshold(Sobel_img, 127, 255, cv2.THRESH_BINARY)    # 形態學運算    kernel = np.ones((5, 15), np.uint8)    # 先閉運算將車牌數字部分連接，再開運算將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)    # kernel2 = np.ones((10, 10), np.uint8)    # open_img2 = cv2.morphologyEx(open_img, cv2.MORPH_OPEN, kernel2)    # 由于部分圖像得到的輪廓邊緣不整齊，因此再進行一次膨脹操作    element = cv2.getStructuringElement(cv2.MORPH_RECT, (5, 5))    dilation_img = cv2.dilate(open_img, element, iterations=3)    # 獲取輪廓    contours, hierarchy = cv2.findContours(dilation_img, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)    # 測試邊框識別結果    # cv2.drawContours(img, contours, -1, (0, 0, 255), 3)    # cv2.imshow(lpr, img)    # cv2.waitKey(0)    # 將輪廓規整為長方形    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)    # 用顏色識別出車牌區域    # 需要注意的是這里設置顏色識別下限low時，可根據識別結果自行調整    dist_r = []    max_mean = 0    for r in rectangles:        block = img[r[1]:r[3], r[0]:r[2]]        hsv = cv2.cvtColor(block, cv2.COLOR_BGR2HSV)        low = np.array([100, 60, 60])        up = np.array([140, 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    # 畫出識別結果，由于之前多做了一次膨脹操作，導致矩形框稍大了一些，因此這里對于框架+3-3可以使框架更貼合車牌    cv2.rectangle(img, (dist_r[0]+3, dist_r[1]), (dist_r[2]-3, dist_r[3]), (0, 255, 0), 2)    cv2.imshow(lpr, img)    cv2.waitKey(0)# 主程序for i in range(5):    lpr(str(i+1) + .jpg)

推薦閱讀