用于车牌的 Opencv 图像分割

Opencv Image segmentation for licence plate

我正在做一个读取车牌的项目,我的计划是

  1. 将图像转换为灰度以获得更好的性能
  2. 使用直方图均衡器带出车牌字符
  3. 模糊图像以去除一些噪点
  4. 使用自适应阈值对图像进行二值化
  5. 使用开闭形态
  6. 检测车牌的矩形边界框

嗯,问题是:我的代码不太好,结果很糟糕我无法检测到矩形,下面是我的代码:

Imgproc.cvtColor(image, image, Imgproc.COLOR_BGR2GRAY, 0);
    Imgproc.blur(image, image, new Size(3, 3));
    Imgproc.equalizeHist(image, image);
    Mat openElem = Imgproc.getStructuringElement(Imgproc.MORPH_RECT, new Size(1, 1));
    Mat closeElem = Imgproc.getStructuringElement(Imgproc.MORPH_RECT, new Size(1, 1));
    Imgproc.adaptiveThreshold(image, image, 225, Imgproc.ADAPTIVE_THRESH_GAUSSIAN_C, Imgproc.THRESH_BINARY_INV, 11, 2);

输入图像:

输出图像:

如果有经验的人能帮忙,我将不胜感激

首先检测图片中的车牌位置比较好,按照以下步骤即可:

  1. 转换为灰色

    cvCvtColor(图像,灰度,CV_BGR2GRAY);

  1. 做索贝尔

    Mat sobel = new Mat(grayScale.size(), CvType.CV_16S); cvSobel(grayScale, sobel, 2, 0, 7); Mat temp = new Mat(sobel.size(), CvType.CV_8UC1); convertScaleAbs(sobel, temp, 0.00390625, 0);

  1. 做阈值

    cvThreshold(sobel, threshold, 0, 255, CV_THRESH_BINARY| CV_THRESH_OTSU);

  2. 做形态学

    Mat kernal = cvCreateStructuringElementEx(3,1, 1, 0, CV_SHAPE_RECT); cvDilate(threshold, erode_dilate, kernal, 2);//X vErode(erode_dilate, erode_dilate, kernal, 4);//X cvDilate(erode_dilate, erode_dilate, kernal, 2);//X

    kernal = cvCreateStructuringElementEx(1, 3, 0, 1, CV_SHAPE_RECT); cvErode(erode_dilate, erode_dilate, kernal, 1);// 是 cvDilate(erode_dilate, erode_dilate, 内核, 2);

  1. 现在您可以检测图像中的矩形了:

  1. 然后就可以对印版进行OCR处理了

希望对你有帮助!

好的,这就是我想出的

Imgproc.cvtColor(image, image, Imgproc.COLOR_BGR2GRAY, 0);
    originalFrameGrayScale = image.clone();

    Mat morph = Imgproc.getStructuringElement(Imgproc.MORPH_RECT, new Size(9, 3));
    Imgproc.morphologyEx(image, image, Imgproc.MORPH_TOPHAT, morph);
    Imgproc.Sobel(image, image, -1, 2, 0);
    Imgproc.GaussianBlur(image, image, new Size(5,5), 3,3);
    Imgproc.morphologyEx(image, image, Imgproc.MORPH_CLOSE, morph);
    Imgproc.threshold(image, image, 200, 255, Imgproc.THRESH_OTSU);
    Vector<Rect> rectangles = detectionContour(image);

并找到高度、宽度和面积符合特定值的最大轮廓 enter image description here