OpenCV車牌文字分割

1. 車牌字元分割

1.1 實作思路

基于像素直方圖，實作字元分割：首先對圖檔進行二值化處理，統計水準方向和豎直方向上各行各列的黑色像素的個數，根據像素的特點确定分割位置，進而完成字元分割。

1.2 原圖

1.3 使用OpenCV

1.3.1 導入包庫

import cv2
from matplotlib import pyplot as plt           

複制

1.3.2 讀取圖像，并把圖像轉換為灰階圖像并顯示

img_ = cv2.imread('jingC5Q712.BMP')  # 讀取圖檔
cv2.imshow("img",img_)
cv2.waitKey(0)
img_gray = cv2.cvtColor(img_, cv2.COLOR_BGR2GRAY)  # 轉換了灰階化           

複制

1.3.3 将灰階圖像二值化，設定門檻值是100

cv2.threshold(img_gray, 100, 255, cv2.THRESH_BINARY_INV)           

複制

1.3.4 分割字元

white = []  # 記錄每一列的白色像素總和
black = []  # ..........黑色.......
height = img_thre.shape[0]
width = img_thre.shape[1]
white_max = 0
black_max = 0
# 計算每一列的黑白色像素總和
for i in range(width):
    s = 0  # 這一列白色總數
    t = 0  # 這一列黑色總數
    for j in range(height):
        if img_thre[j][i] == 255:
            s += 1
        if img_thre[j][i] == 0:
            t += 1
    white_max = max(white_max, s)
    black_max = max(black_max, t)
    white.append(s)
    black.append(t)           

複制

1.3.5 分割圖像

def find_end(start_):
    end_ = start_ + 1
    for m in range(start_ + 1, width - 1):
        if (black[m] if arg else white[m]) > (0.95 * black_max if arg else 0.95 * white_max):  # 0.95這個參數請多調整，對應下面的0.05（針對像素分布調節）
            end_ = m
            break
    return end_           

複制

1.3.6 完整代碼

import cv2
from matplotlib import pyplot as plt
## 根據每行和每列的黑色和白色像素數進行圖檔分割。
​
# 1、讀取圖像，并把圖像轉換為灰階圖像并顯示
img_ = cv2.imread('jingC5Q712.BMP')  # 讀取圖檔
img_gray = cv2.cvtColor(img_, cv2.COLOR_BGR2GRAY)  # 轉換了灰階化
# cv2.imshow('gray', img_gray)  # 顯示圖檔
# cv2.waitKey(0)
​
# 2、将灰階圖像二值化，設定門檻值是100
ret, img_thre = cv2.threshold(img_gray, 100, 255, cv2.THRESH_BINARY_INV)
# cv2.imshow('white_black image', img_thre)  # 顯示圖檔
# cv2.waitKey(0)
​
# 4、分割字元
white = []  # 記錄每一列的白色像素總和
black = []  # ..........黑色.......
height = img_thre.shape[0]
width = img_thre.shape[1]
white_max = 0
black_max = 0
# 計算每一列的黑白色像素總和
for i in range(width):
    s = 0  # 這一列白色總數
    t = 0  # 這一列黑色總數
    for j in range(height):
        if img_thre[j][i] == 255:
            s += 1
        if img_thre[j][i] == 0:
            t += 1
    white_max = max(white_max, s)
    black_max = max(black_max, t)
    white.append(s)
    black.append(t)
    # print(s)
    # print(t)
​
arg = False  # False表示白底黑字；True表示黑底白字
if black_max > white_max:
    arg = True
​
# 分割圖像
def find_end(start_):
    end_ = start_ + 1
    for m in range(start_ + 1, width - 1):
        if (black[m] if arg else white[m]) > (0.95 * black_max if arg else 0.95 * white_max):  # 0.95這個參數請多調整，對應下面的0.05（針對像素分布調節）
            end_ = m
            break
    return end_
​
n = 1
start = 1
end = 2
word = []
while n < width - 2:
    n += 1
    if (white[n] if arg else black[n]) > (0.05 * white_max if arg else 0.05 * black_max):
        # 上面這些判斷用來辨識是白底黑字還是黑底白字
        # 0.05這個參數請多調整，對應上面的0.95
        start = n
        end = find_end(start)
        n = end
        if end - start > 5:
            cj = img_[1:height, start:end]
            cj = cv2.resize(cj, (15, 30))
            word.append(cj)
​
print(len(word))
for i,j in enumerate(word):
    plt.subplot(1,9,i+1)
    plt.imshow(word[i],cmap='gray')
plt.show()           

複制

2. 實驗結果

3. 參考

基于OpenCV和Python的車牌提取和字元分割