【米尔MYD-JX8MMA7开发板-ARM+FPGA架构试用体验】 十二、提取车牌

【MYD-JX8MMA7】 十二、OpenCV 提取车牌
一、基本原理
一直都很好奇摄像头是如何实现车牌的采集和识别的，今天将个人的学习经验开发经验整理成册供大家参考。
车牌识别的基本原理，其中主要包含以下三个流程：
1.提取车牌：将车牌从复杂的背景中提取出来；
2.拆分字符：将车牌划分为一个个独立的字符；
3.识别字符：识别从车牌上提取的一个个字符；

二、提取车牌
提取车牌是指将车牌从复杂的环境当中提取出来，需要完成一系列的滤波去噪、色彩空间转换等操作。
下面对上述操作进行简单的说明。
滤波：操作的目的是去除图像内的噪声信息，可以使用函数GaussianBlur完成。
灰度：操作将图像有彩色图像处理为灰度图像，以便进行后续的操作。可以使用函数cvtColor完成。
边缘：提取图像边缘，重点提取车牌及其其中字符的边缘，可以使用函数Sobel完成。
二值化：对图像进行阈值处理，将其处理为二值图像，可以使用函数threshold完成。
闭运算：该操作将车牌内分散的各个字符连接在一起，让车牌构成一个整体，可以使用形态学函数，morpohogyEx配合参数cv2.MORPH_CLOSE完成。
开运算：开运算是先腐蚀后膨胀的操作，操作可以去除图像内的噪声，可以使用形态学函数morphologyEx配合参数cv2.MORPH_OPEN完成。
滤波：操作将图像内的噪声去除，可以使用函数medianBlur完成。
轮廓：操作用于查找图像内的所有轮廓，可以使用函数findContours完成。
定位：操作通过筛选图像内所有轮廓得到车牌，通过逐个遍历轮廓，将其中宽高比大于3的轮廓确定为车牌。
三、代码示例
# -*- coding: utf-8 -*-

# ====================导入库======================
import cv2
# ================读取原始图像===================
image = cv2.imread("car4.jpg")       #读取原始图像
rawImage=image.copy()               #复制原始图像
cv2.imshow("original",image)  #测试语句，观察原始图像
# ===========滤波处理O1（去噪）=====================
image = cv2.GaussianBlur(image, (3, 3), 0)
cv2.imshow("GaussianBlur",image)  #测试语句，查看滤波结果（去噪）
# ========== 灰度变换O2（色彩空间转换BGR-->GRAY)===========
image = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
cv2.imshow("gray",image)  #测试语句，查看灰度图像
# ==============边缘检测O3（Sobel算子、X方向边缘梯度）===============
SobelX = cv2.Sobel(image, cv2.CV_16S, 1, 0)
absX = cv2.convertScaleAbs(SobelX)  # 映射到[0.255]内
image = absX
cv2.imshow("soblex",image)  #测试语句，图像边缘
# ===============二值化O4（阈值处理）==========================
ret, image = cv2.threshold(image, 0, 255, cv2.THRESH_OTSU)
cv2.imshow("imageThreshold",image)   #测试语句，查看处理结果
# ===========闭运算O5：先膨胀后腐蚀，车牌各个字符是分散的，让车牌构成一体=======
kernelX = cv2.getStructuringElement(cv2.MORPH_RECT, (17, 5))
image = cv2.morphologyEx(image, cv2.MORPH_CLOSE, kernelX)
cv2.imshow("imageCLOSE",image)    #测试语句，查看处理结果
# =============开运算O6：先腐蚀后膨胀，去除噪声==============
kernelY = cv2.getStructuringElement(cv2.MORPH_RECT, (1, 19))
image = cv2.morphologyEx(image, cv2.MORPH_OPEN, kernelY)
cv2.imshow("imageOPEN",image)
# ================滤波O7：中值滤波，去除噪声=======================
image = cv2.medianBlur(image, 15)
cv2.imshow("imagemedianBlur",image)    #测试语句，查看处理结果
# =================查找轮廓O8==================
contours, w1 = cv2.findContours(image, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)
#测试语句，查看轮廓
image = cv2.drawContours(rawImage.copy(), contours, -1, (0, 0, 255), 3)
cv2.imshow('imagecc', image)
#============定位车牌O9：逐个遍历轮廓，将宽度>3倍高度的轮廓确定为车牌============
for item in contours:
    rect = cv2.boundingRect(item)
    x = rect[0]
    y = rect[1]
    weight = rect[2]
    height = rect[3]
    if weight > (height * 3):
        plate = rawImage[y:y + height, x:x + weight]   
#================显示提取车牌============================        
cv2.imshow('plate',plate)  # 测试语句：查看提取车牌
cv2.waitKey()
cv2.destroyAllWindows()

四、图片文件
图片文件是在百度查找的，估计是二手车市场流出的吧，因为我也不想侵犯他人隐私。

五、验证过程
5.1、Windows 系统下代码测试
从左至右，从上到下，清晰的展示了前面描述的9个步骤，最后将牌照提取出来。

5.2、linux环境下运行
代码上传至JX8MMA7开发板当中。

JX8MMA7下运行。

六、注意环境问题
6.1、文件错误编码
在Windows开发环境下开发的程序上传到linux系统板多出来的多余字符导致脚本无法运行。
使用 vi ANPR.py 进行查看删改或者每段语句后边加 # 注释

1