汝州网站建设,wordpress建英文,专业网站建设广州,韩顺平 开源网站1.图片中的hsv
hsv提取蓝色部分
# hsv提取蓝色部分
def hsv_color_find(img):img_copy img.copy()cv2.imshow(img_copy, img_copy)提取图中的蓝色部分 hsv范围可以自行优化cv2.inRange()参数介绍#xff1a;第一个参数#xff1a;hsv指的是原图第二个参…1.图片中的hsv
hsv提取蓝色部分
# hsv提取蓝色部分
def hsv_color_find(img):img_copy img.copy()cv2.imshow(img_copy, img_copy)提取图中的蓝色部分 hsv范围可以自行优化cv2.inRange()参数介绍第一个参数hsv指的是原图第二个参数在图像中低于这个数值的全部变为0第二个参数在图像中高于这个数值的全部变为0在之间的变为255图像中0-255。是变得越来越亮的hsv cv2.cvtColor(img_copy, cv2.COLOR_BGR2HSV)cv2.imshow(hsv,hsv)low_hsv np.array([100, 80, 80])#这里的阈值是自己进行设置的high_hsv np.array([124, 255, 255])# 设置HSV的阈值mask cv2.inRange(hsv, lowerblow_hsv, upperbhigh_hsv)cv2.imshow(mask,mask)#show_pic(hsv_color_find, mask)#这里是得到黑白颜色的图片# 将掩膜与图像层逐像素相加#cv2.bitwise_and()是对二进制数据进行“与”操作即对图像灰度图像或彩色图像均可每个像素值进行二进制“与”操作111100010000res cv2.bitwise_and(img_copy, img_copy, maskmask)cv2.imshow(res,res)cv2.waitKey(0)cv2.destroyAllWindows()#show_pic(hsv_color_find2,res)#在这里得到蓝底黑字的照片print(hsv提取蓝色部分完毕)return res 2.对图片大小进行调整设置
但是在次张测试图片当中并未使用到这个代码故不做过多的解释。
def resize_photo(imgArr,MAX_WIDTH 1000):这个函数的作用就是来调整图像的尺寸大小当输入图像尺寸的宽度大于阈值默认1000我们会将图像按比例缩小输入 imgArr是输入的图像数字矩阵输出: 经过调整后的图像数字矩阵拓展OpenCV自带的cv2.resize()函数可以实现放大与缩小函数声明如下cv2.resize(src, dsize[, dst[, fx[, fy[, interpolation]]]]) → dst其参数解释如下src 输入图像矩阵dsize 二元元祖宽高即输出图像的大小dst 输出图像矩阵fx 在水平方向上缩放比例默认值为0fy 在垂直方向上缩放比例默认值为0interpolation 插值法如INTER_NEARESTINTER_LINEARINTER_AREAINTER_CUBICINTER_LANCZOS4等img imgArrrows, cols img.shape[:2] #获取输入图像的高和宽if cols MAX_WIDTH:change_rate MAX_WIDTH / colsimg cv2.resize(img ,( MAX_WIDTH ,int(rows * change_rate) ), interpolation cv2.INTER_AREA)return img
3.在此主要进行高级形态的转换
找到一些可能是车牌的一些距形区域主要运用的是开运算和闭运算的来切换。 4.画出来轮廓
# 根据findContours返回的contours 画出轮廓
def draw_contours(img, contours):for c in contours:x, y, w, h cv2.boundingRect(c)#这个函数就是用来返回值使用的。传入一个轮廓图像返回 x y 是左上角的点 w和h是矩形边框的宽度和高度cv2.rectangle(img, (x, y), (x w, y h), (0, 255, 0), 2)#进行画图使用画出矩形img 是要画出轮廓的原图(x, y) 是左上角点的坐标(xw, yh) 是右下角的坐标0,255,0是画线对应的rgb颜色2 是画出线的宽度# 获得最小的矩形轮廓 可能带旋转角度rect cv2.minAreaRect(c)# 计算最小区域的坐标box cv2.boxPoints(rect)# 坐标规范化为整数box np.int0(box)# 画出轮廓cv2.drawContours(img, [box], 0, (0, 255, 0), 3)#show_pic(contours, img)cv2.imshow(contours, img)cv2.waitKey(0)cv2.destroyAllWindows()5.根据车牌的一些物理特征面积等对所得的矩形进行过滤
def chose_licence_plate(contours, Min_Area2000):这个函数根据车牌的一些物理特征面积等对所得的矩形进行过滤输入contours是一个包含多个轮廓的列表其中列表中的每一个元素是一个N*1*2的三维数组输出返回经过过滤后的轮廓集合拓展1 OpenCV自带的cv2.contourArea()函数可以实现计算点集轮廓所围区域的面积函数声明如下contourArea(contour[, oriented]) - retval其中参数解释如下contour代表输入点集此点集形式是一个n*2的二维ndarray或者n*1*2的三维ndarrayretval 表示点集轮廓所围区域的面积2 OpenCV自带的cv2.minAreaRect()函数可以计算出点集的最小外包旋转矩形函数声明如下minAreaRect(points) - retval其中参数解释如下points表示输入的点集如果使用的是Opencv 2.X,则输入点集有两种形式一是N*2的二维ndarray其数据类型只能为 int32或者float32 即每一行代表一个点二是N*1*2的三维ndarray其数据类型只能为int32或者float32retval是一个由三个元素组成的元组依次代表旋转矩形的中心点坐标、尺寸和旋转角度根据中心坐标、尺寸和旋转角度可以确定一个旋转矩形3 OpenCV自带的cv2.boxPoints()函数可以根据旋转矩形的中心的坐标、尺寸和旋转角度计算出旋转矩形的四个顶点函数声明如下boxPoints(box[, points]) - points其中参数解释如下box是旋转矩形的三个属性值通常用一个元组表示如3.05.08.04.0-60points是返回的四个顶点所返回的四个顶点是4行2列、数据类型为float32的ndarray每一行代表一个顶点坐标temp_contours []for contour in contours:if cv2.contourArea(contour) Min_Area:temp_contours.append(contour)car_plate1 []car_plate2 []car_plate3 []for temp_contour in temp_contours:rect_tupple cv2.minAreaRect(temp_contour)rect_width, rect_height rect_tupple[1]if rect_width rect_height:rect_width, rect_height rect_height, rect_widthaspect_ratio rect_width / rect_height# 中国蓝牌和黑牌是440×140黄牌前牌尺寸同后牌为440×220摩托车及轻便摩托车前牌是220×95后牌是220×140。# 车牌正常情况下宽高比在2 - 3.15之间 稍微放宽点范围if aspect_ratio 1.5 and aspect_ratio 4.65:car_plate1.append(temp_contour)rect_vertices cv2.boxPoints(rect_tupple)rect_vertices np.int0(rect_vertices)# print(temp_contour)print(一次筛查后符合比例的矩形有 str(len(car_plate1)) 个)# 二次筛查 如果符合尺寸的矩形大于1则缩小宽高比if len(car_plate1) 1:for temp_contour in car_plate1:rect_tupple cv2.minAreaRect(temp_contour)rect_width, rect_height rect_tupple[1]if rect_width rect_height:rect_width, rect_height rect_height, rect_widthaspect_ratio rect_width / rect_height# 中国蓝牌和黑牌是440×140黄牌前牌尺寸同后牌为440×220摩托车及轻便摩托车前牌是220×95后牌是220×140。# 车牌正常情况下宽高比在2 - 3.15之间 稍微放宽点范围if aspect_ratio 1.6 and aspect_ratio 4.15:car_plate2.append(temp_contour)rect_vertices cv2.boxPoints(rect_tupple)rect_vertices np.int0(rect_vertices)print(二次筛查后符合比例的矩形还有 str(len(car_plate2)) 个)# 三次筛查 如果符合尺寸的矩形大于1则缩小宽高比if len(car_plate2) 1:for temp_contour in car_plate2:rect_tupple cv2.minAreaRect(temp_contour)rect_width, rect_height rect_tupple[1]if rect_width rect_height:rect_width, rect_height rect_height, rect_widthaspect_ratio rect_width / rect_height# 中国蓝牌和黑牌是440×140黄牌前牌尺寸同后牌为440×220摩托车及轻便摩托车前牌是220×95后牌是220×140。# 车牌正常情况下宽高比在2 - 3.15之间 稍微放宽点范围if aspect_ratio 1.8 and aspect_ratio 3.35:car_plate3.append(temp_contour)rect_vertices cv2.boxPoints(rect_tupple)rect_vertices np.int0(rect_vertices)print(三次筛查后符合比例的矩形还有 str(len(car_plate3)) 个)if len(car_plate3) 0:return car_plate3if len(car_plate2) 0:return car_plate2return car_plate1# 根据得到的车牌定位将车牌从原始图像中截取出来并存在指定目录中。
def license_segment(car_plates, out_path):此函数根据得到的车牌定位将车牌从原始图像中截取出来并存在指定目录中。输入 car_plates是经过初步筛选之后的车牌轮廓的点集输出: out_path是车牌的存储路径i 0if len(car_plates) 1:for car_plate in car_plates:row_min, col_min np.min(car_plate[:, 0, :], axis0)row_max, col_max np.max(car_plate[:, 0, :], axis0)cv2.rectangle(img, (row_min, col_min), (row_max, col_max), (0, 255, 0), 2)card_img img[col_min:col_max, row_min:row_max, :]cv2.imwrite(out_path /card_img str(i) .jpg, card_img)#cv2.imshow(card_img str(i) .jpg, card_img)i 1# cv2.waitKey(0)# cv2.destroyAllWindows()print(共切出 str(i) 张车牌图。)return out_path /card_img0.jpg6.此函数根据得到的车牌定位将车牌从原始图像中截取出来并存在指定目录中。
def license_segment(car_plates, out_path):此函数根据得到的车牌定位将车牌从原始图像中截取出来并存在指定目录中。输入 car_plates是经过初步筛选之后的车牌轮廓的点集输出: out_path是车牌的存储路径i 0if len(car_plates) 1:for car_plate in car_plates:row_min, col_min np.min(car_plate[:, 0, :], axis0)row_max, col_max np.max(car_plate[:, 0, :], axis0)cv2.rectangle(img, (row_min, col_min), (row_max, col_max), (0, 255, 0), 2)#hauchu画出来外接矩形card_img img[col_min:col_max, row_min:row_max, :]cv2.imwrite(out_path /card_img str(i) .jpg, card_img)i 1#显示图片所用# cv2.imshow(card_img str(i) .jpg, card_img)# cv2.waitKey(0)# cv2.destroyAllWindows()print(共切出 str(i) 张车牌图。)return out_path /card_img0.jpg7. 参考链接 https://blog.csdn.net/lukas_ten/article/details/115149086 https://blog.csdn.net/sunny2038/article/details/9137759 https://blog.csdn.net/wzh191920/article/details/79589506 https://blog.csdn.net/weixin_41695564/article/details/79712393 https://blog.csdn.net/Ikaros_521/article/details/121516173
