版权声明：我的博客站点：www.zgcr1991.com https://blog.csdn.net/zgcr654321/article/details/89815292
检测原理
使用形态学梯度检测或sobel边缘检测（y方向）来检测出图片中物体的垂直边缘；
将检测结果转化成二值化图像；
使用闭运算（先膨胀，再腐蚀）进行区域填充，填补空洞，同时切断各个白色区域之间的连通；
使用轮廓检测函数findContours，找到每个白色区域的外切矩形坐标；
对找到的所有轮廓进行遍历，根据车牌的特征（宽高比、面积比、像素等）进行筛选，输出是车牌的轮廓坐标，并在原图像上画出框。
该算法只对跟车视频（如车上摄像头拍摄的视频）中的车牌检测效果较好，且对目标车辆的车牌与我们的摄像头距离有一定的要求（因为有车牌轮廓最小长宽的要求），限制性比较大。
代码实现
#include "pch.h" #include <iostream> #include <string> #include <cxcore.h> #include <cv.h> #include <highgui.h> #include <opencv2/opencv.hpp> #include <opencv2/video.hpp> #include <opencv2/core/core.hpp> #include <opencv2/highgui/highgui.hpp> //包含imread, imshow等 #include <opencv2/imgproc/imgproc.hpp> //包含cvtColor等 using namespace std; using namespace cv; string window_name_2 = "license_plate_detect"; string window_name_3 = "video_license_plate_detect"; // 使用形态学梯度检测或sobel边缘检测(y方向)来检测出垂直边缘 // 首先进行边缘检测，检测垂直边缘，使用形态学梯度、或者Sobel边缘检测的垂直方向 // 对边缘实现二值化 // 使用闭运算进行区域填充，填补空洞 // 使用轮廓检测findContours，找到车牌区域的轮廓 // 对找到的轮廓进行遍历，根据车牌的特征（宽高比、面积比、像素等）进行筛选，输出 Mat get_license_plate(int width, int height, Mat srcGray) { Mat result; //形态学梯度边缘检测,形态学梯度即膨胀图与腐蚀图之差，提取物体边缘 //用Mat(1,2) ，用来检测出垂直的边缘,尽量减少横向的边缘连通车牌区域 morphologyEx(srcGray, result, MORPH_GRADIENT, Mat(1, 2, CV_8U, Scalar(1))); //或用Sobel边缘检测,求y方向的Sobel边缘 //GaussianBlur(srcGray, srcGray, Size(3, 3),2); //Sobel(srcGray, edgeYMat, CV_16S, 2, 0, 3, 1, 0, BORDER_DEFAULT); //线性变换，转换输入数组元素为8位无符号整形 //convertScaleAbs(edgeYMat, result); //这是垂直方向边缘检测的结果,尽量减少横向的边缘连通车牌区域 //imshow(window_name_2, result); //图像二值化 threshold(result, result, 255 * 0.1, 255, THRESH_BINARY); //二值化后结果 //imshow(window_name_2, result); //开运算： 先腐蚀，再膨胀，可清除一些小东西(亮的)，放大局部低亮度的区域 //闭运算：先膨胀，再腐蚀，可清除小黑点 //水平方向闭运算 //闭运算：填补空洞 //检测目标尺寸400到600使用的闭运算算子为(1x25)水平方向，(8x1)垂直方向 if (width >= 400 && width < 600) { morphologyEx(result, result, MORPH_CLOSE,Mat(1, 25, CV_8U, Scalar(1))); } //检测目标尺寸200到300使用的闭运算算子为(1x20)水平方向，(6x1)垂直方向 else if (width >= 200 && width < 300) { morphologyEx(result, result, MORPH_CLOSE, Mat(1, 20, CV_8U, Scalar(1))); } //检测目标尺寸大于600使用的闭运算算子为(1x28)水平方向，(6x1)垂直方向 else if (width >= 600) { morphologyEx(result, result, MORPH_CLOSE, Mat(1, 28, CV_8U, Scalar(1))); } //其余尺寸使用的闭运算算子为(1x15)水平方向，(4x1)垂直方向 else { morphologyEx(result, result, MORPH_CLOSE, Mat(1, 15, CV_8U, Scalar(1))); } //水平方向闭运算后的结果 //imshow(window_name_2, result); //垂直方向闭运算 if (width >= 400 && width < 600) { morphologyEx(result, result, MORPH_CLOSE, Mat(8, 1, CV_8U, Scalar(1))); } else if (width >= 200 && width < 300) { morphologyEx(result, result, MORPH_CLOSE, Mat(6, 1, CV_8U, Scalar(1))); } else if (width >= 600) { morphologyEx(result, result, MORPH_CLOSE, Mat(10, 1, CV_8U, Scalar(1))); } else { morphologyEx(result, result, MORPH_CLOSE, Mat(4, 15, CV_8U, Scalar(1))); } //垂直方向闭运算后的结果 //imshow(window_name_2, result); return result; } // 对图片进行车牌检测,请输入彩色图像矩阵 Mat license_plate_detect(Mat pScr) { Mat graypScr; cvtColor(pScr, graypScr, CV_BGR2GRAY); // 车牌轮廓识别(得到闭运算后的结果,有许多白色的区域(候选车牌区域) Mat result = get_license_plate(400, 300, graypScr); //连通域检测 vector<vector<Point>> blue_contours; vector<Rect>blue_rect; //FindContours从二值图像中检索轮廓，并返回检测到的轮廓的个数 findContours(result.clone(), blue_contours, CV_RETR_EXTERNAL, CV_CHAIN_APPROX_SIMPLE, Point(0, 0)); //遍历检测到的轮廓，进行车牌目标提取 for (size_t i = 0; i<blue_contours.size(); i++) { // 找到一个最小的矩形把轮廓包起来 Rect rect = boundingRect(blue_contours[i]); //矩形区域宽高比 double wh_ratio = double(rect.width) / rect.height; //非零像素点数，即白色像素点数(白色为255) int sub = countNonZero(result(rect)); //白色像素占比 double ratio = double(sub) / rect.area(); //车牌特征，条件判断，宽高比大于2且小于8,高度大于12且宽度大于60且白色像素占比大于0.4 if (wh_ratio > 2 && wh_ratio < 8 && rect.height>6 && rect.width > 30 && ratio > 0.6) { // 在彩色图pScr上画框框出车牌 rectangle(pScr, rect, Scalar(0, 0, 255), 2, 8, 0); //只显示graypScr中rect区域,也就是车牌所在区域 //imshow(window_name_2, pScr(rect)); //waitKey(0); } } //imshow(window_name_2, pScr); //waitKey(0); //destroyAllWindows(); return pScr; } // 视频中进行车牌目标检测 void video_license_plate_detect(string load_path) { VideoCapture capture; Mat frame,result; if (load_path == "") frame = capture.open(0); else frame = capture.open(load_path); if (capture.isOpened()) { while (1) { capture >> frame; if (frame.empty()) break; if (waitKey(10) >= 0) break; result = license_plate_detect(frame); namedWindow(window_name_3, WINDOW_AUTOSIZE); imshow(window_name_3, frame); } } } int main() { string load_path_car = "C:/Users/zgcr6/Desktop/高图实验/zonghe/save/car.jpg"; string load_path_license_plate_video = "C:/Users/zgcr6/Desktop/高图实验/zonghe/save/car_2.avi"; Mat pScr=imread(load_path_car, 1); Mat result=license_plate_detect(pScr); video_license_plate_detect(load_path_license_plate_video); return 0; } 文章来源: https://blog.csdn.net/zgcr654321/article/details/89815292