opencv车牌定位与提取(vs2019 & c++)

本文主要是介绍opencv车牌定位与提取(vs2019 & c++)，对大家解决编程问题具有一定的参考价值，需要的程序猿们随着小编来一起学习吧！

车牌特征提取的思路：

（1）首先我们来看车牌部分与其他部分的区别，及车牌的特征，整体的车牌定位及提取方案即时基于此（基于灰度图像中考虑）：

a.车牌部分是矩形

b.车牌具有特定的长宽比；

c.车牌的面积一定

（2）接着我们对整幅图片进行预处理(车牌特征提取思路，实际代码部分可能为了更好的显示效果会稍加修改)

a.图像转为灰度图，便于处理

b.图像进行平滑滤波，可以去除一定不必要细节噪声，桥接连线缝隙，主要是针对车牌矩形框，方便后面步骤中计算车牌一阶竖直梯度的效果

c,计算图像一阶竖直梯度，因为可以看到整幅图像中具有竖直线条特征的部分，除了车牌两边框外，车头部分很少有比较大块的竖直纹理的区域,这样我们就去除了许多水平方向的特征（细节），保留了竖直方向纹理的细节
d.选取合适阈值参数来进行阈值化处理

e.形态学闭操作，先膨胀后腐蚀的过程称为闭运算。它具有填充物体内细小空洞，连接邻近物体和平滑边界的作用。
 

#include<opencv2/opencv.hpp>
#include<iostream>
#include<opencv2/highgui/highgui.hpp>
#include<vector>
#include<cstdlib> 


using namespace cv;
using namespace std;

#define WINDOW_NAME  "Plate recognize"

//-----------------------------------【全局变量声明部分】--------------------------------------
//		描述：全局变量声明
//-----------------------------------------------------------------------------------------------
int blockSize = 5;
int constValue;
Mat gaussianFilImg, sobelImg;
Mat threshImg, closeImg;
int g_nElementShape = MORPH_RECT;//元素结构的形状
//变量接收的TrackBar位置参数
int g_nMaxIterationNum = 10;
int g_nOpenCloseNum = 0;
//-----------------------------------【全局函数声明部分】--------------------------------------
Mat sobeproc(const Mat& src);
static void on_OpenClose(int, void*);//闭运算回调函数
//-----------------------------------【滑动条constValue回调】--------------------------------------
void on_Trackbar(int, void*)
{
	adaptiveThreshold(sobelImg, threshImg, 255, ADAPTIVE_THRESH_MEAN_C, THRESH_BINARY_INV, blockSize, constValue);
	imshow(WINDOW_NAME, threshImg);
}
int main()
{
	Mat plate = imread("D://7.jpg", 0);
	if (!plate.data) { cout << "error in read image please check it\n"; return false; }
	GaussianBlur(plate, gaussianFilImg, Size(5, 5), 0, 0);
	sobelImg = sobeproc(gaussianFilImg);
	//adaptiveThreshold(sobelImg, threshImg, 255, CV_ADAPTIVE_THRESH_MEAN_C, CV_THRESH_BINARY_INV, blockSize, constValue);
	constValue = 10;//自适应阈值化参数
	g_nOpenCloseNum = 9;//闭运算参数
	namedWindow(WINDOW_NAME, 1);
	createTrackbar("threshold", WINDOW_NAME, &constValue, 100, on_Trackbar);
	createTrackbar("迭代值", WINDOW_NAME, &g_nOpenCloseNum, g_nMaxIterationNum * 10 + 1, on_OpenClose);
	//执行回调函数
	on_Trackbar(constValue, 0);
	on_OpenClose(g_nOpenCloseNum, 0);

	while (1)
	{
		int c = waitKey(0);
		if ((char)c == ' ')
		{
			vector<vector<Point>>contours;
			findContours(threshImg, contours, RETR_EXTERNAL, CHAIN_APPROX_NONE);
			drawContours(threshImg, contours, -1, Scalar(26, 24, 46), 3);
		}
		break;
	}
	waitKey();
	return 0;
}
//sobel算子求得一阶水平方向导数，以此求垂直边缘
Mat sobeproc(const Mat& src)
{
	Mat dst;
	Mat grad_x, grad_y, abs_grad_x, abs_grad_y;
	Sobel(src, grad_x, CV_8U, 1, 0, 3, 1, 1, BORDER_DEFAULT);
	convertScaleAbs(grad_x, abs_grad_x);
	Sobel(src, grad_y, CV_8U, 0, 1, 3, 1, 1, BORDER_DEFAULT);
	convertScaleAbs(grad_y, abs_grad_y);
	addWeighted(abs_grad_x, 0.6, abs_grad_y, 0.4, 0, dst);
	return dst;
}
//-----------------------------------【on_OpenClose( )函数】----------------------------------
//		描述：【开运算/闭运算】窗口的回调函数
//-----------------------------------------------------------------------------------------------
static void on_OpenClose(int, void*)
{
	//偏移量的定义
	int offset = g_nOpenCloseNum - g_nMaxIterationNum;//偏移量
	int Absolute_offset = offset > 0 ? offset : -offset;//偏移量绝对值
														//自定义核
	Mat element = getStructuringElement(g_nElementShape, Size(Absolute_offset * 2 + 1,
		Absolute_offset * 2 + 1), Point(Absolute_offset, Absolute_offset));
	if (offset < 0)
		morphologyEx(threshImg, closeImg, MORPH_OPEN, element);
	else
		morphologyEx(threshImg, closeImg, MORPH_CLOSE, element);
	imshow(WINDOW_NAME, closeImg);
}

这篇关于opencv车牌定位与提取(vs2019 & c++)的文章就介绍到这儿，希望我们推荐的文章对大家有所帮助，也希望大家多多支持为之网！