《图像处理实例》 之 车牌定位

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：

#if 1
#include <opencv2/opencv.hpp>
#include <iostream>
#include "math.h"

using namespace cv;
using namespace std;

int main(int argc, char**argv)
{
    Mat input_image;
    input_image = imread("car.jpg");
    if (input_image.data == NULL) {
        return -1; cout << "can't open image.../";
    }
    //-----------------------------------------------------------------------------------//
    //------------------------------梯度检测图像--------------------------------------//
    //-----------------------------------------------------------------------------------//
    Mat input_image1;
    input_image.copyTo(input_image1);
    cvtColor(input_image1, input_image1, CV_BGR2GRAY);
    input_image1.convertTo(input_image1, CV_32FC1);
    Mat sobelx = (Mat_<float>(3, 3) << -0.125, 0, 0.125, -0.25, 0, 0.25, -0.125, 0, 0.125);
    filter2D(input_image1, input_image1, input_image1.type(), sobelx);
    Mat mul_image;
    multiply(input_image1, input_image1, mul_image);
    const int scaleValue = 4;
    double threshold = scaleValue * mean(mul_image).val[0];//4 * img_s的平均值
    Mat resultImage = Mat::zeros(mul_image.size(), mul_image.type());
    float* pDataimg_s  = (float*)(mul_image.data);
    float* pDataresult = (float*)(resultImage.data);
    const int height = input_image1.rows;
    const int width  = input_image1.cols;
    //--- 非极大值抑制 + 阈值分割
    for (size_t i = 1; i < height-1; i++)
    {
        for (size_t j = 1; j < width-1; j++)
        {
            bool b1 = (pDataimg_s[i*height + j] > pDataimg_s[i*height + j - 1]);
            bool b2 = (pDataimg_s[i*height + j] > pDataimg_s[i*height + j + 1]);
            bool b3 = (pDataimg_s[i*height + j] > pDataimg_s[(i - 1)*height + j]);
            bool b4 = (pDataimg_s[i*height + j] > pDataimg_s[(i + 1)*height + j]);
            pDataresult[i*height + j] = 255 * ((pDataimg_s[i*height + j] > threshold) && ((b1&&b2) || (b3&&b4)));
        }
    }
    resultImage.convertTo(resultImage, CV_8UC1);
    //-----------------------------------------------------------------------------------//
    //---------------------------------HSV通道提取---------------------------------------//
    //-----------------------------------------------------------------------------------//
    Mat input_image2;
    input_image.copyTo(input_image2);
    Mat img_h, img_s, img_v, img_hsv;
    cvtColor(input_image2, img_hsv, CV_BGR2HSV);
    vector<Mat> hsv_vec;
    split(img_hsv, hsv_vec);
    img_h = hsv_vec[0];
    img_s = hsv_vec[1];
    img_v = hsv_vec[2];
    img_h.convertTo(img_h, CV_32F);
    img_s.convertTo(img_s, CV_32F);
    img_v.convertTo(img_v, CV_32F);
    normalize(img_h, img_h, 0, 1, NORM_MINMAX);
    normalize(img_s, img_s, 0, 1, NORM_MINMAX);
    normalize(img_v, img_v, 0, 1, NORM_MINMAX);
    //----下面的操作等同上面的归一化--------//
    //double h_max, s_max, v_max;
    ////minMaxIdx(img_h, 0, &h_max);
    //minMaxLoc(img_h, 0, &h_max);
    //minMaxLoc(img_s, 0, &s_max);
    //minMaxLoc(img_v, 0, &v_max);
    //img_h /= h_max;
    //img_s /= s_max;
    //img_v /= v_max;
    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
    Mat vbule_gradient = Mat::zeros(input_image2.size(), CV_8UC1);
    for (size_t i = 1; i < height-1; i++)
    {
        for (size_t j = 1; j < width-1; j++)
        {
            /*Rect rec;
            rec.x = j - 1;
            rec.y = i - 1;
            rec.width  = 3;
            rec.height = 3;*/
            //----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
            vbule_gradient.at<uchar>(i, j) = (resultImage.at<uchar>(i, j) == 255 && img_vblue.at<uchar>(i,j) != 0) ? 255 : 0;
            //vbule_gradient.at<uchar>(i, j) = (resultImage.at<uchar>(i, j) == 255 && countNonZero(img_vblue(rec)) >= 1) ? 255 : 0;
        }
    }
    //-----------------------------------------------------------------------------------//
    //-----------------------------形态学+轮廓提取车牌-----------------------------------//
    //-----------------------------------------------------------------------------------//
    Mat morph;
    morphologyEx(vbule_gradient, morph, MORPH_CLOSE, Mat::ones(2, 25, CV_8UC1));
    vector<vector<Point>> contours;
    vector<Vec4i> hierarchy;
    findContours(morph, contours, hierarchy, RETR_TREE, CHAIN_APPROX_SIMPLE, Point(-1, -1));
    Rect rec_adapt;
    for (size_t i = 0; i < contours.size(); i++)
    {
        //----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
        //----矩形的长宽限制，也可以再增加额外条件：长宽比例等
        int true_pix_count = countNonZero(morph(boundingRect(contours[i])));
        double true_pix_rate = static_cast<double>(true_pix_count) / static_cast<double>(boundingRect(contours[i]).area());
        if (boundingRect(contours[i]).height > 10 && boundingRect(contours[i]).width > 80 && true_pix_rate > 0.7)
        {
            rec_adapt = boundingRect(contours[i]);
            drawContours(morph, contours, static_cast<int>(i), Scalar(255, 255, 255), 2);
        }        
    }
    imshow("Area Brand", input_image(rec_adapt));
    waitKey(0);
    return 0;
}
#endif

 

 

参考：《opencv图像处理编程实例》