import cv2
import numpy as np
## from hyperlpr import *
from aip import AipOcr
###百度AIP接口信息
APP_ID =
API_KEY =
SECRET_KEY=
client = AipOcr(APP_ID,API_KEY,SECRET_KEY)
#建立百度AI链接
client.setConnectionTimeoutInMillis(5000)
client.setSocketTimeoutInMillis(5000)
#车牌识别系统主函数
def lpr(filename):
img = cv2.imread(filename)
# 预处理,包括灰度处理,高斯滤波平滑处理,Sobel提取边界,图像二值化
gray_img = cv2.cvtColor(img, cv2.COLOR_RGB2GRAY) ## 灰度化处理
cv2.imshow('gray',gray_img)
GaussianBlur_img = cv2.GaussianBlur(gray_img, (5, 5), 0) ##高斯模糊
cv2.imshow('Gaussian',GaussianBlur_img)
# Sobel_img = cv2.Sobel(GaussianBlur_img, -1, 1, 0, ksize=3) ##提取边界
# #cv2.imshow('Soble',Sobel_img)
canny = cv2.Canny(GaussianBlur_img,100,255) ##提取边界
cv2.imshow('Canny',canny)
#
#
#
ret, binary_img = cv2.threshold(canny, 127, 255, cv2.THRESH_BINARY)
cv2.imshow('Binary',binary_img)
#
#
# 形态学运算
kernel = np.ones((20, 20), np.uint8)
# 先闭运算将车牌数字部分连接,再开运算将不是块状的或是较小的部分去掉
close_img = cv2.morphologyEx(binary_img, cv2.MORPH_CLOSE, kernel)
open_img = cv2.morphologyEx(close_img, cv2.MORPH_OPEN, kernel)
# kernel2 = np.ones((10, 10), np.uint8)
# open_img2 = cv2.morphologyEx(open_img, cv2.MORPH_OPEN, kernel2)
# 由于部分图像得到的轮廓边缘不整齐,因此再进行一次膨胀操作
element = cv2.getStructuringElement(cv2.MORPH_RECT, (5, 5))
dilation_img = cv2.dilate(open_img, element, iterations=3) ##膨胀操作
# 获取轮廓
contours, hierarchy = cv2.findContours(dilation_img, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
##print(contours)
# 测试边框识别结果
# cv2.drawContours(img, contours, -1, (0, 0, 255), 3)
# cv2.imshow("lpr", img)
# cv2.waitKey(0)
# # 将轮廓规整为长方形
rectangles = []
mask = np.zeros(shape = img.shape ,dtype = np.uint8)
for c in contours:
## print (c)
x = []
y = []
for point in c:
y.append(point[0][0])
x.append(point[0][1])
r = [min(y), min(x), max(y), max(x)]
rectangles.append(r)
##print(rectangles)
cv2.rectangle(mask,pt1=(min(y),min(x)),pt2=(max(y),max(x)),color = (0,0,255),thickness=3)
cv2.imshow('Mask',mask)
##进一步细分筛选,排除干扰
new_rectangles = []
for i in rectangles:
new_y = i[2]-i[0]
new_x = i[3]-i[1]
if new_y/new_x>=2 and new_y:
new_rectangles.append(i)
print(new_rectangles)
# 颜色识别车牌区域
dist_r = []
max_mean = 0
mask2 = np.zeros(shape=img.shape, dtype = np.uint8)
for r in new_rectangles:
cv2.rectangle(mask2, pt1=(r[0], r[1]), pt2=(r[2], r[3]), color=(0, 0, 255), thickness=3)
block = img[r[1]:r[3], r[0]:r[2]]
hsv = cv2.cvtColor(block, cv2.COLOR_BGR2HSV) ##HSV
low = np.array([100, 43, 46])
up = np.array([124, 255, 255])
result = cv2.inRange(hsv, low, up)
# 用计算均值的方式找蓝色最多的区块
mean = cv2.mean(result)
if mean[0] > max_mean:
max_mean = mean[0]
dist_r = r
mask3 = np.zeros(shape=img.shape, dtype = np.uint8)
cv2.rectangle(mask3, (dist_r[0]+3, dist_r[1]), (dist_r[2]-3, dist_r[3]), (0, 255, 0), 2)
cv2.imshow('Mask3',mask3)
cv2.imshow('Mask2', mask2)
# cv2.rectangle(img, (dist_r[0]+3, dist_r[1]), (dist_r[2]-3, dist_r[3]), (0, 255, 0), 2)
# cv2.putText(img, 'Car paste', (dist_r[0]+3, dist_r[1]-5),
# cv2.FONT_HERSHEY_COMPLEX_SMALL, 1, (0,0,255), 2)
imgRoi = img[dist_r[1]:dist_r[3], dist_r[0]:dist_r[2]]
cv2.imshow('key',imgRoi)
image2 = get_file_content("Resources/car20.jpg")
res = client.licensePlate(image2)
# res =client.licensePlate(imgRoi)
print("车牌号码:"+res['words_result']['number'])
print("车牌号码:" + res['words_result']['color'])
# cv2.imshow("lpr", img)
# if len(res)>0:
# print(res[0][0])
cv2.waitKey(0)
##FloodFill算法
# def floodfiii():
def get_file_content(filePath):
with open(filePath,'rb') as fp:
return fp.read()
# 主程序
lpr('Resources/car20.jpg')
没有合适的资源?快使用搜索试试~ 我知道了~
基于OPENCV的车牌识别系统源码(python课程设计).zip
共30个文件
py:15个
jpg:12个
gitmodules:1个
1.该资源内容由用户上传,如若侵权请联系客服进行举报
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
版权申诉
0 下载量 195 浏览量
2023-10-05
10:06:51
上传
评论 3
收藏 1.28MB ZIP 举报
温馨提示
基于OPENCV的车牌识别系统源码(python课程设计).zip 已获导师指导并通过的97分高分课程大作业项目,代码完整下载可用。 基于OPENCV的车牌识别系统源码(python课程设计).zip 已获导师指导并通过的97分高分课程大作业项目,代码完整下载可用。基于OPENCV的车牌识别系统源码(python课程设计).zip 已获导师指导并通过的97分高分课程大作业项目,代码完整下载可用。基于OPENCV的车牌识别系统源码(python课程设计).zip 已获导师指导并通过的97分高分课程大作业项目,代码完整下载可用。基于OPENCV的车牌识别系统源码(python课程设计).zip 已获导师指导并通过的97分高分课程大作业项目,代码完整下载可用。基于OPENCV的车牌识别系统源码(python课程设计).zip 已获导师指导并通过的97分高分课程大作业项目,代码完整下载可用。基于OPENCV的车牌识别系统源码(python课程设计).zip 已获导师指导并通过的97分高分课程大作业项目,代码完整下载可用。
资源推荐
资源详情
资源评论
收起资源包目录
基于OPENCV的车牌识别系统源码.zip (30个子文件)
基于OPENCV的车牌识别系统源码
TF.py 302B
Carpaste2.py 553B
ces2.py 111B
Tesseract-OCR.py 235B
chapter 1.py 109B
灰度化算法.py 361B
main.py 544B
Picture
Resources
car11.jpg 130KB
car111.jpg 17KB
dcp.jpg 31KB
car2.jpg 49KB
car5.jph 62KB
car5.jpg 62KB
car4.jpg 25KB
car6.jpg 29KB
car7.jpg 40KB
car1.jpg 17KB
car20.jpg 787KB
car12.jpg 15KB
car14.jpg 33KB
.keep 0B
车牌识别.py 4KB
Carpaste1.py 1KB
hello.py 94B
chapter 9.py 388B
Carplate.py 1KB
.gitmodules 82B
2
chapter 8.py 273B
ces.py 620B
chapter 4.py 409B
共 30 条
- 1
资源评论
不安分的小女孩
- 粉丝: 9218
- 资源: 2001
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功