計(jì)算機(jī)視覺檢測車牌號(hào)
介紹
在這個(gè)技術(shù)飛速發(fā)展的時(shí)代，在尋找一輛犯罪汽車的時(shí)候，要停下路上的每一輛車并檢查其車牌是非常困難的。隨著道路欺詐的增加，警察也變得越來越聰明。他們正在使用深度學(xué)習(xí)和計(jì)算機(jī)視覺來檢測車牌并從中提取車牌號(hào)。今天，我們將建立一個(gè)這樣的項(xiàng)目，使用計(jì)算機(jī)視覺來檢測車牌，這有助于電子挑戰(zhàn)和安全監(jiān)控。在本博客中，我們將學(xué)習(xí)如何使用計(jì)算機(jī)視覺檢測汽車的車牌并提取其值。我們將使用計(jì)算機(jī)視覺的 OpenCV 庫來檢測汽車的車牌，使用深度學(xué)習(xí)的 pytesseract 庫來讀取圖像類型并從車牌中獲取字符和數(shù)字。最后，我們使用 Tkinter 構(gòu)建一個(gè)圖形用戶界面來顯示我們的項(xiàng)目。
計(jì)算機(jī)視覺的先決條件
首先，安裝庫：
pip3 install OpenCV－python
pip3 install pytesseract
什么是 OpenCV？
OpenCV 是一個(gè)巨大的開源跨平臺(tái)庫，它使計(jì)算機(jī)視覺能夠執(zhí)行自動(dòng)駕駛、圖像注釋、基于無人機(jī)的作物監(jiān)測等實(shí)際應(yīng)用。它主要專注于捕獲圖像和視頻以分析重要特征，例如物體檢測、人臉檢測、情緒檢測等，在基于圖像處理的人工智能應(yīng)用中也發(fā)揮著重要作用。
在這里，我們只是使用 openCV 的一些基本特征／功能來識(shí)別輸入的汽車圖像中的車牌號(hào)。
· 輪廓：輪廓通常被視為邊界像素，因?yàn)樗鼈冎皇呛唵蔚那�，將邊界中具有相同強(qiáng)度和顏色的所有連續(xù)點(diǎn)組合在一起。輪廓的使用在形狀分析、對象檢測和識(shí)別、運(yùn)動(dòng)檢測以及背景／前景圖像分割中更加清晰。為了減少輪廓檢測的任務(wù)，OpenCV 為此提供了內(nèi)置的 cv2．findContours（） 函數(shù)。
cv2．findContours（morph＿img＿threshold，mode＝cv2．RETR＿EXTERNAL，method＝cv2．CHAIN＿APPROX＿NONE）
我們的 cv．find contours（）函數(shù)采用三個(gè)參數(shù)，包括輸入圖像、輪廓檢索模式，最后是輪廓逼近方法。該函數(shù)以 Python 列表的形式生成修改后的圖像、層次結(jié)構(gòu)和輪廓。
· 形態(tài)變換：是指只對二值圖像進(jìn)行的一些簡單的操作，并依賴于圖像的形狀。一些常見的形態(tài)學(xué)操作是 Opening、Closing、Erosion、Dilation。每個(gè)函數(shù)都有兩個(gè)參數(shù)，包括輸入圖像和結(jié)構(gòu)元素或內(nèi)核來決定操作的性質(zhì)。OpenCV 提供了一些內(nèi)置函數(shù)來執(zhí)行這些操作：
· cv2．erode（）
· cv2．dilate（）
· cv2．morphologyEx（）
· ＊＊高斯模糊：＊＊高斯函數(shù)用于對輸入圖像進(jìn)行模糊和平滑處理，并輸出高斯模糊圖像。它被廣泛用于減少圖像噪聲效果。OpenCV 為此提供了一個(gè)內(nèi)置函數(shù) cv2．GaussianBlur（）。
· ＊＊Sobel：＊＊此函數(shù)用于計(jì)算圖像導(dǎo)數(shù)，這反過來有助于梯度的計(jì)算。OpenCV 為此提供了一個(gè)內(nèi)置函數(shù) cv2．Sobel（）。
使用計(jì)算機(jī)視覺構(gòu)建車牌的步驟步驟
1． 導(dǎo)入必要的庫
import numpy as np
import cv2
from PIL import Image
import pytesseract as pytess
步驟 2． 識(shí)別不必要的輪廓
現(xiàn)在我們將專注于識(shí)別圖片中存在的一些不必要的輪廓，這些輪廓可能會(huì)被 OpenCV 錯(cuò)誤識(shí)別，因?yàn)樗擒嚺频目赡苄院苄 ?/p>
我們將定義三個(gè)不同的函數(shù)來找到這些輪廓。
1. 首先，我們創(chuàng)建一個(gè)名為“ratioCheck”的函數(shù)來識(shí)別面積范圍和寬高比。
2. 其次，我們創(chuàng)建一個(gè)名為“isMaxWhite”的函數(shù)來識(shí)別圖像矩陣的平均值：
3. 最后，我們創(chuàng)建一個(gè)名為“ratio＿and＿rotation”的函數(shù)來查找輪廓的旋轉(zhuǎn)：
步驟 3 清理識(shí)別的車牌
現(xiàn)在我們的任務(wù)是創(chuàng)建一個(gè)函數(shù)，通過刪除所有不必要的元素來準(zhǔn)備用于預(yù)處理的車牌，并使圖像準(zhǔn)備好提供給 pytesseract：
def clean2＿plate（plate）：
gray＿img ＝ cv2．cvtColor（plate， cv2．COLOR＿BGR2GRAY）
＿， thresh＿val ＝ cv2．threshold（gray＿img， 110， 255， cv2．THRESH＿BINARY）
if cv2．waitKey（0） ＆ 0xff ＝＝ ord（＇q＇）：
pass
num＿contours，hierarchy ＝ cv2．findContours（thresh＿val．copy（），cv2．RETR＿EXTERNAL， cv2．CHAIN＿APPROX＿NONE）
if num＿contours：
conto＿ar ＝ ［cv2．contourArea（c） for c in num＿contours］
max＿cntr＿index ＝ np．a(chǎn)rgmax（conto＿ar）
max＿cnt ＝ num＿contours［max＿cntr＿index］
max＿cntArea ＝ conto＿ar［max＿cntr＿index］
x，y，w，h ＝ cv2．boundingRect（max＿cnt）
if not ratioCheck（max＿cntArea，w，h）：
return plate，None
final＿img ＝ thresh＿val［y：y＋h， x：x＋w］
return final＿img，［x，y，w，h］
else：
return plate， None
第 4 步識(shí)別數(shù)字和字符
現(xiàn)在我們的任務(wù)是以圖像的形式獲取用戶輸入。然后，我們將執(zhí)行三個(gè)討論過的 cv2 函數(shù)：Gaussian Blur、Sobel 和形態(tài)學(xué)運(yùn)算并識(shí)別圖像輪廓，并從每個(gè)輪廓中找到循環(huán)來識(shí)別車牌。最后，將使用 pytesseract 庫并為其提供圖像以提取數(shù)字和字符。
img ＝ cv2．imread（＂testData／img1．jpg＂）
print（＂Number input image．．．＂，）
cv2．imshow（＂input＂，img）
if cv2．waitKey（0） ＆ 0xff ＝＝ ord（＇q＇）：
pass
img2 ＝ cv2．GaussianBlur（img， （3，3）， 0）
img2 ＝ cv2．cvtColor（img2， cv2．COLOR＿BGR2GRAY）
img2 ＝ cv2．Sobel（img2，cv2．CV＿8U，1，0，ksize＝3）
＿，img2 ＝ cv2．threshold（img2，0，255，cv2．THRESH＿BINARY＋cv2．THRESH＿OTSU）
element ＝ cv2．getStructuringElement（shape＝cv2．MORPH＿RECT， ksize＝（17， 3））
morph＿img＿threshold ＝ img2．copy（）
cv2．morphologyEx（src＝img2， op＝cv2．MORPH＿CLOSE， kernel＝element， dst＝morph＿img＿threshold）
num＿contours， hierarchy＝ cv2．findContours（morph＿img＿threshold，mode＝cv2．RETR＿EXTERNAL，method＝cv2．CHAIN＿APPROX＿NONE）
cv2．drawContours（img2， num＿contours， －1， （0，255，0）， 1）
for i，cnt in enumerate（num＿contours）：
min＿rect ＝ cv2．minAreaRect（cnt）
if ratio＿and＿rotation（min＿rect）：
x，y，w，h ＝ cv2．boundingRect（cnt）
plate＿img ＝ img［y：y＋h，x：x＋w］
print（＂Number identified number plate．．．＂）
cv2．imshow（＂num plate image＂，plate＿img）
if cv2．waitKey（0） ＆ 0xff ＝＝ ord（＇q＇）：
pass
if（isMaxWhite（plate＿img））：
clean＿plate， rect ＝ clean2＿plate（plate＿img）
if rect：
fg＝0
x1，y1，w1，h1 ＝ rect
x，y，w，h ＝ x＋x1，y＋y1，w1，h1
＃ cv2．imwrite（＂clena．png＂，clean＿plate）
plate＿im ＝ Image．fromarray（clean＿plate）
text ＝ tess．image＿to＿string（plate＿im， lang＝＇eng＇）
print（＂Number Detected Plate Text ： ＂，text）
項(xiàng)目 GUI 代碼
現(xiàn)在我們將為圖形用戶界面創(chuàng)建一個(gè)名為“gui．py”的 python 文件，以創(chuàng)建一個(gè)接受圖像作為輸入并在屏幕上輸出車牌號(hào)的web表單。
import tkinter as tk ＃python library for GUI
from tkinter import filedialog
from tkinter import ＊
from PIL import ImageTk， Image
from tkinter import PhotoImage
import numpy as np
import cv2
import pytesseract as tess
def clean2＿plate（plate）：＃to clean the identified number plate using above discussed openCV methods
gray＿img ＝ cv2．cvtColor（plate， cv2．COLOR＿BGR2GRAY）
＿， thresh＿val ＝ cv2．threshold（gray＿img， 110， 255， cv2．THRESH＿BINARY）
num＿contours，hierarchy ＝ cv2．findContours（thresh＿val．copy（），cv2．RETR＿EXTERNAL， cv2．CHAIN＿APPROX＿NONE）
if num＿contours：
conto＿ar ＝ ［cv2．contourArea（c） for c in num＿contours］
max＿cntr＿index ＝ np．a(chǎn)rgmax（conto＿ar）
max＿cnt ＝ num＿contours［max＿cntr＿index］
max＿cntArea ＝ conto＿ar［max＿cntr＿index］
x，y，w，h ＝ cv2．boundingRect（max＿cnt）
if not ratioCheck（max＿cntArea，w，h）：
return plate，None
final＿img ＝ thresh＿val［y：y＋h， x：x＋w］
return final＿img，［x，y，w，h］
else：
return plate，None
＃method to identify the range of area and ratio between width and height
def ratioCheck（Ar， breatth， height）：
ratio ＝ float（breatth） ／ float（height）
if ratio ＜ 1：
ratio ＝ 1 ／ ratio
if （Ar 73862．5） or （ratio 6）：
return False
return True
＃method to identify average of image matrix：
def isMaxWhite（plate）：
avg ＝ np．mean（plate）
if（avg＞＝115）：
return True
else：
return False
＃ to find the rotation of contours：
def ratio＿and＿rotation（rect）：
（x， y）， （breatth， height）， rect＿angle ＝ rect
if（breatth＞height）：
angle ＝ －rect＿angle
else：
angle ＝ 90 ＋ rect＿angle
if angle＞15：
return False
if height ＝＝ 0 or breatth ＝＝ 0：
return False
Ar ＝ height＊breatth＃area calculation
if not ratioCheck（Ar，breatth，height）：
return False
else：
return True
top＝tk．Tk（）
top．geometry（＇900x700＇）＃window size
top．title（＇Number Plate Recognition＇）＃title of GUI
top．iconphoto（True， PhotoImage（file＝＂／home／shikha／GUI／logo．png＂））＃give the path of folder where your test image is available
img ＝ ImageTk．PhotoImage（Image．open（＂logo．png＂））＃to open your image
top．configure（background＝＇＃CDCDCD＇）＃background color
label＝Label（top，background＝＇＃CDCDCD＇， font＝（＇arial＇，35，＇bold＇））＃to set background，font，and size of the label
sign＿image ＝ Label（top，bd＝10）
plate＿image＝Label（top，bd＝10）
def classify（file＿path）：
res＿text＝［0］
res＿img＝［0］
img ＝ cv2．imread（file＿path）
img2 ＝ cv2．GaussianBlur（img， （3，3）， 0）
img2 ＝ cv2．cvtColor（img2， cv2．COLOR＿BGR2GRAY）
img2 ＝ cv2．Sobel（img2，cv2．CV＿8U，1，0，ksize＝3）
＿，img2 ＝ cv2．threshold（img2，0，255，cv2．THRESH＿BINARY＋cv2．THRESH＿OTSU）
element ＝ cv2．getStructuringElement（shape＝cv2．MORPH＿RECT， ksize＝（17， 3））
morph＿img＿threshold ＝ img2．copy（）
cv2．morphologyEx（src＝img2， op＝cv2．MORPH＿CLOSE， kernel＝element， dst＝morph＿img＿threshold）
num＿contours， hierarchy＝ cv2．findContours（morph＿img＿threshold，mode＝cv2．RETR＿EXTERNAL，method＝cv2．CHAIN＿APPROX＿NONE）
cv2．drawContours（img2， num＿contours， －1， （0，255，0）， 1）
for i，cnt in enumerate（num＿contours）：
min＿rect ＝ cv2．minAreaRect（cnt）
if ratio＿and＿rotation（min＿rect）：
x，y，w，h ＝ cv2．boundingRect（cnt）
plate＿img ＝ img［y：y＋h，x：x＋w］
print（＂Number identified number plate．．．＂）
res＿img［0］＝plate＿img
cv2．imwrite（＂result．png＂，plate＿img）
＃method to identify average of image matrix：
if（isMaxWhite（plate＿img））：
clean＿plate， rect ＝ clean2＿plate（plate＿img）
if rect：
fg＝0
x1，y1，w1，h1 ＝ rect
x，y，w，h ＝ x＋x1，y＋y1，w1，h1
plate＿im ＝ Image．fromarray（clean＿plate）
text ＝ tess．image＿to＿string（plate＿im， lang＝＇eng＇）
res＿text［0］＝text
if text：
break
label．configure（foreground＝＇＃011638＇， text＝res＿text［0］）
uploaded＝Image．open（＂result．png＂）
im＝ImageTk．PhotoImage（uploaded）
plate＿image．configure（image＝im）
plate＿image．image＝im
plate＿image．pack（）
plate＿image．place（x＝560，y＝320）
def show＿classify＿button（file＿path）：
classify＿b＝Button（top，text＝＂Classify Image＂，command＝lambda： classify（file＿path），padx＝10，pady＝5）
classify＿b．configure（background＝＇＃364156＇， foreground＝＇white＇，font＝（＇arial＇，15，＇bold＇））
classify＿b．place（x＝490，y＝550）
def upload＿image（）：
try：
file＿path＝filedialog．a(chǎn)skopenfilename（）
uploaded＝Image．open（file＿path）
uploaded．thumbnail（（（top．winfo＿width（）／2．25），（top．winfo＿h(yuǎn)eight（）／2．25）））
im＝ImageTk．PhotoImage（uploaded）
sign＿image．configure（image＝im）
sign＿image．image＝im
label．configure（text＝＇＇）
show＿classify＿button（file＿path）
except：
pass
upload＝Button（top，text＝＂Upload an image＂，command＝upload＿image，padx＝10，pady＝5）
upload．configure（background＝＇＃364156＇， foreground＝＇white＇，font＝（＇arial＇，15，＇bold＇））
upload．pack（）
upload．place（x＝210，y＝550）
sign＿image．pack（）
sign＿image．place（x＝70，y＝200）
label．pack（）
label．place（x＝500，y＝220）
heading ＝ Label（top，image＝img）
heading．configure（background＝＇＃CDCDCD＇，foreground＝＇＃364156＇）
heading．pack（）
top．mainloop（）
計(jì)算機(jī)視覺輸出
結(jié)論在這篇博客中，我們使用計(jì)算機(jī)視覺和深度學(xué)習(xí)來創(chuàng)建一個(gè)車牌識(shí)別和牌照號(hào)碼提取系統(tǒng)。在這里，我們創(chuàng)建了一個(gè) GUI 來上傳車輛的圖像并識(shí)別編號(hào)。我們主要關(guān)注兩個(gè)庫：OpenCV 來清理車牌， pytesseract 識(shí)別車牌數(shù)字和字符。我們還學(xué)習(xí)了 OpenCV 的一些特殊功能，即形態(tài)變換、高斯模糊和 Sobel 算子。
原文標(biāo)題 : 計(jì)算機(jī)視覺檢測車牌號(hào)
分享
發(fā)表評(píng)論
請輸入評(píng)論內(nèi)容...
請輸入評(píng)論/評(píng)論長度6~500個(gè)字
最新活動(dòng)更多
-
即日-10.29立即報(bào)名>> 2024德州儀器嵌入式技術(shù)創(chuàng)新發(fā)展研討會(huì)
-
10月31日立即下載>> 【限時(shí)免費(fèi)下載】TE暖通空調(diào)系統(tǒng)高效可靠的組件解決方案
-
即日-11.13立即報(bào)名>>> 【在線會(huì)議】多物理場仿真助跑新能源汽車
-
11月14日立即報(bào)名>> 2024工程師系列—工業(yè)電子技術(shù)在線會(huì)議
-
12月19日立即報(bào)名>> 【線下會(huì)議】OFweek 2024（第九屆）物聯(lián)網(wǎng)產(chǎn)業(yè)大會(huì)
-
即日-12.26火熱報(bào)名中>> OFweek2024中國智造CIO在線峰會(huì)
推薦專題
- 1 Intel宣布40年來最重大轉(zhuǎn)型：年底前裁員15000人、拋掉2/3房產(chǎn)
- 2 因美封殺TikTok，字節(jié)股價(jià)骨折！估值僅Meta1/5
- 3 宏山激光重磅發(fā)布行業(yè)解決方案，助力智能制造產(chǎn)業(yè)新飛躍
- 4 國產(chǎn)AI芯片公司破產(chǎn)！白菜價(jià)拍賣
- 5 具身智能火了，但規(guī)模落地還需時(shí)間
- 6 三次錯(cuò)失風(fēng)口！OpenAI前員工殺回AI編程賽道，老東家捧金相助
- 7 國產(chǎn)英偉達(dá)們，抓緊沖刺A股
- 8 英特爾賦能智慧醫(yī)療，共創(chuàng)數(shù)字化未來
- 9 英偉達(dá)的麻煩在后頭？
- 10 將“網(wǎng)紅”變成“商品”，AI“爆改”實(shí)力拉滿
- 高級(jí)軟件工程師 廣東省/深圳市
- 自動(dòng)化高級(jí)工程師 廣東省/深圳市
- 光器件研發(fā)工程師 福建省/福州市
- 銷售總監(jiān)（光器件） 北京市/海淀區(qū)
- 激光器高級(jí)銷售經(jīng)理 上海市/虹口區(qū)
- 光器件物理工程師 北京市/海淀區(qū)
- 激光研發(fā)工程師 北京市/昌平區(qū)
- 技術(shù)專家 廣東省/江門市
- 封裝工程師 北京市/海淀區(qū)
- 結(jié)構(gòu)工程師 廣東省/深圳市
