【米尔MYD-JX8MMA7开发板-ARM+FPGA架构试用体验】 十三、车牌分割

【MYD-JX8MMA7】 十三、OpenCV 车牌分割
一、基本原理
分割车牌是用于将车牌中的汉字字符、英文字符、阿拉伯数字字符提取出来，以便后续的识别。通常情况下，需要先对图像进行预处理（主要是进行去噪、二值化、膨胀等操作）以便提取每个字符的轮廓。
对分割车牌的各个流程进行具体介绍：
去噪：操作的目的是去除图像内的噪声，可以使用函数GaussianBlur完成。
灰度：操作将图像由彩色图像处理为灰度图像，以便进行后续操作，可以使用函数cvtColor完成。
二值化：对图像进行阈值处理，将其处理为二值图像，以便进行后续操作，可以使用函数threshold完成。
膨胀：通常情况下，字符的各个笔画之间是分离的，通过膨胀操作可以让个字符形成一个整体。膨胀操作可通过函数dilate实现。
轮廓：操作用来查找图像内的所有轮廓，可以使用函数findContours完成，此时找到的轮廓非常多，既包含每个字符的轮廓，又包含噪声的轮廓，下一步工作是将字符的轮廓筛选出来。
包围框：操作让每个轮廓都被包围框包围，可以通过函数boundingRect完成。使用包围框替代轮廓的目的是，通过包围框的高宽比及宽度值，可以很方便的判定一个包围框包含的是噪声还是字符。
分割：逐个遍历包围框，将其中宽高比在指定范围内、宽度大于特定值的包围框判定为字符。操作可通过循环语句内置判断条件实现。
二、代码实现
# -*- coding: utf-8 -*-
import cv2
#=====读取车牌=====
image=cv2.imread("car1.bmp")
o=image.copy()  #复制原始图像，用于绘制轮廓用
cv2.imshow("original",image)
#=============图像预处理===============
# -------图像去噪灰度处理F1-------
image = cv2.GaussianBlur(image, (3, 3), 0)
cv2.imshow("GaussianBlur",image)
# -------色彩空间转换F2-------
grayImage = cv2.cvtColor(image, cv2.COLOR_RGB2GRAY)
cv2.imshow("gray",grayImage)
# -------阈值处理（二值化）F3 -------  
ret, image = cv2.threshold(grayImage, 0, 255, cv2.THRESH_OTSU)
cv2.imshow("threshold",image)
#-------膨胀处理F4，让一个字构成一个整体（大多数字不是一体的，是分散的）--------
kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (2, 2))
image = cv2.dilate(image, kernel)
cv2.imshow("dilate",image)
#=============拆分车牌，将车牌内各个字符分离===============
# -------查找轮廓F5，各个字符的轮廓及噪声点轮廓---------------
contours, hierarchy = cv2.findContours(image, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
x = cv2.drawContours(o.copy(), contours, -1, (0, 0, 255), 1)
cv2.imshow("contours",x)
print("共找到轮廓个数：",len(contours))  #测试语句：看看找到多少个轮廓
# -------------遍历所有轮廓,寻找最小包围框F6------------------
chars = []
for item in contours:
    rect = cv2.boundingRect(item)
    x,y,w,h = cv2.boundingRect(item)
    chars.append(rect)
    cv2.rectangle(o,(x,y),(x+w,y+h),(0,0,255),1)
cv2.imshow("contours2",o)
# --------------将包围框按照x轴坐标值排序（自左向右排序）--------------
chars = sorted(chars,key=lambda s:s[0],reverse=False)   
# --------将字符的轮廓筛选出来F7-------------------
#逐个遍历包围框，高宽比在1.5-8之间，宽度大于3个像素，判定为字符
plateChars = []
for word in chars:
    if (word[3] > (word[2] * 1.5)) and (word[3] < (word[2] * 8)) and (word[2] > 3):
        plateChar = image[word[1]:word[1] + word[3], word[0]:word[0] + word[2]]
        plateChars.append(plateChar)
# --------------测试语句：查看各个字符-------------------
for i,im in enumerate(plateChars):
    cv2.imshow("char"+str(i),im)
cv2.waitKey()
cv2.destroyAllWindows()

三、准备的图像文件
车牌图像，实际为上一个环节识别到的车牌文件，此步骤使用的是.Bmp文件格式，可以使用画图软件将其转换一下。
        

四、程序运行效果
4.1、Windows系统环境下运行效果

4.2、JX8MMA7下运行

五、程序和资源文件

车牌识别.rar (2.22 MB, 下载次数: 0 )

1