目标： 提取车牌所在的区域
PS：现在还没学习文字检测，以后再来补充~~
思路：
1.利用形态学+梯度+轮廓检测，但是这个形态学要求比较高，得调节到适当的参数。
2.利用HSV颜色分离+梯度+形态学+轮廓检测，这个方法的适应度比较高，行比较上面的方法较难理解。
本文使用第二种方法实现：
PS：不要问为什么用这种方法，没有为什么的方法，只有解决问题的方法，手动操作一下就懂了。
先上效果图：
梯度检测图（1-1）
S空间图（1-2）
S空间分离蓝色图（1-3）
（HSV图像分离+梯度）结合图（1-4）
轮廓检测处理图（1-5）
最终效果图（1-6）
上代码：
1 #if 1
2 #include <opencv2/opencv.hpp>
3 #include <iostream>
4 #include "math.h"
5
6 using namespace cv;
7 using namespace std;
8
9 int main(int argc, char**argv)
10 {
11 Mat input_image;
12 input_image = imread("car.jpg");
13 if (input_image.data == NULL) {
14 return -1; cout << "can‘t open image.../";
15 }
16 //-----------------------------------------------------------------------------------//
17 //------------------------------梯度检测图像--------------------------------------//
18 //-----------------------------------------------------------------------------------//
19 Mat input_image1;
20 input_image.copyTo(input_image1);
21 cvtColor(input_image1, input_image1, CV_BGR2GRAY);
22 input_image1.convertTo(input_image1, CV_32FC1);
23 Mat sobelx = (Mat_<float>(3, 3) << -0.125, 0, 0.125, -0.25, 0, 0.25, -0.125, 0, 0.125);
24 filter2D(input_image1, input_image1, input_image1.type(), sobelx);
25 Mat mul_image;
26 multiply(input_image1, input_image1, mul_image);
27 const int scaleValue = 4;
28 double threshold = scaleValue * mean(mul_image).val[0];//4 * img_s的平均值
29 Mat resultImage = Mat::zeros(mul_image.size(), mul_image.type());
30 float* pDataimg_s = (float*)(mul_image.data);
31 float* pDataresult = (float*)(resultImage.data);
32 const int height = input_image1.rows;
33 const int width = input_image1.cols;
34 //--- 非极大值抑制 + 阈值分割
35 for (size_t i = 1; i < height-1; i++)
36 {
37 for (size_t j = 1; j < width-1; j++)
38 {
39 bool b1 = (pDataimg_s[i*height + j] > pDataimg_s[i*height + j - 1]);
40 bool b2 = (pDataimg_s[i*height + j] > pDataimg_s[i*height + j + 1]);
41 bool b3 = (pDataimg_s[i*height + j] > pDataimg_s[(i - 1)*height + j]);
42 bool b4 = (pDataimg_s[i*height + j] > pDataimg_s[(i + 1)*height + j]);
43 pDataresult[i*height + j] = 255 * ((pDataimg_s[i*height + j] > threshold) && ((b1&&b2) || (b3&&b4)));
44 }
45 }
46 resultImage.convertTo(resultImage, CV_8UC1);
47 //-----------------------------------------------------------------------------------//
48 //---------------------------------HSV通道提取---------------------------------------//
49 //-----------------------------------------------------------------------------------//
50 Mat input_image2;
51 input_image.copyTo(input_image2);
52 Mat img_h, img_s, img_v, img_hsv;
53 cvtColor(input_image2, img_hsv, CV_BGR2HSV);
54 vector<Mat> hsv_vec;
55 split(img_hsv, hsv_vec);
56 img_h = hsv_vec[0];
57 img_s = hsv_vec[1];
58 img_v = hsv_vec[2];
59 img_h.convertTo(img_h, CV_32F);
60 img_s.convertTo(img_s, CV_32F);
61 img_v.convertTo(img_v, CV_32F);
62 normalize(img_h, img_h, 0, 1, NORM_MINMAX);
63 normalize(img_s, img_s, 0, 1, NORM_MINMAX);
64 normalize(img_v, img_v, 0, 1, NORM_MINMAX);
65 //----下面的操作等同上面的归一化--------//
66 //double h_max, s_max, v_max;
67 ////minMaxIdx(img_h, 0, &h_max);
68 //minMaxLoc(img_h, 0, &h_max);
69 //minMaxLoc(img_s, 0, &s_max);
70 //minMaxLoc(img_v, 0, &v_max);
71 //img_h /= h_max;
72 //img_s /= s_max;
73 //img_v /= v_max;
74 Mat img_vblue = ((img_h > 0.45)&(img_h < 0.75)&(img_s > 0.15)&(img_v > 0.25));//蓝色通道提取
75 Mat vbule_gradient = Mat::zeros(input_image2.size(), CV_8UC1);
76 for (size_t i = 1; i < height-1; i++)
77 {
78 for (size_t j = 1; j < width-1; j++)
79 {
80 /*Rect rec;
81 rec.x = j - 1;
82 rec.y = i - 1;
83 rec.width = 3;
84 rec.height = 3;*/
85 //----梯度和蓝色区域重合的部分，也可以用上面的矩形3X3的判断
86 vbule_gradient.at<uchar>(i, j) = (resultImage.at<uchar>(i, j) == 255 && img_vblue.at<uchar>(i,j) != 0) ? 255 : 0;
87 //vbule_gradient.at<uchar>(i, j) = (resultImage.at<uchar>(i, j) == 255 && countNonZero(img_vblue(rec)) >= 1) ? 255 : 0;
88 }
89 }
90 //-----------------------------------------------------------------------------------//
91 //-----------------------------形态学+轮廓提取车牌-----------------------------------//
92 //-----------------------------------------------------------------------------------//
93 Mat morph;
94 morphologyEx(vbule_gradient, morph, MORPH_CLOSE, Mat::ones(2, 25, CV_8UC1));
95 vector<vector<Point>> contours;
96 vector<Vec4i> hierarchy;
97 findContours(morph, contours, hierarchy, RETR_TREE, CHAIN_APPROX_SIMPLE, Point(-1, -1));
98 Rect rec_adapt;
99 for (size_t i = 0; i < contours.size(); i++)
100 {
101 //----矩形区域非零像素占总的比例，防止有较大的空白区域干扰检测结果
102 //----矩形的长宽限制，也可以再增加额外条件：长宽比例等
103 int true_pix_count = countNonZero(morph(boundingRect(contours[i])));
104 double true_pix_rate = static_cast<double>(true_pix_count) / static_cast<double>(boundingRect(contours[i]).area());
105 if (boundingRect(contours[i]).height > 10 && boundingRect(contours[i]).width > 80 && true_pix_rate > 0.7)
106 {
107 rec_adapt = boundingRect(contours[i]);
108 drawContours(morph, contours, static_cast<int>(i), Scalar(255, 255, 255), 2);
109 }
110 }
111 imshow("Area Brand", input_image(rec_adapt));
112 waitKey(0);
113 return 0;
114 }
115 #endif
参考：《opencv图像处理编程实例》
时间： 2024-10-29 19:05:58