基于python的车牌定位

使用python进行图片中车牌的定位，并用绿色线条标识，各位可以在这个基础上进行改进

# -*- coding: utf-8 -*-
# @Author: hyzhangyong
# @Date:   2016-06-23 16:21:54
# @Last Modified by:   hyzhangyong
# @Last Modified time: 2016-06-24 00:00:47
import sys
import cv2
import numpy as np

def preprocess（gray）:
	# # 直方图均衡化
	# equ = cv2.equalizeHist（gray）
	# 高斯平滑
	gaussian = cv2.GaussianBlur（gray （3 3） 0 0 cv2.BORDER_DEFAULT）
	# 中值滤波
	median = cv2.medianBlur（gaussian 5）
	# Sobel算子，X方向求梯度
	sobel = cv2.Sobel（median cv2.CV_8U 1 0 ksize = 3）
	# 二值化
	ret binary = cv2.threshold（sobel 170 255 cv2.THRESH_BINARY）
	# 膨胀和腐蚀操作的核函数
	element1 = cv2.getStructuringElement（cv2.MORPH_RECT （9 1））
	element2 = cv2.getStructuringElement（cv2.MORPH_RECT （9 7））
	# 膨胀一次，让轮廓突出
	dilation = cv2.dilate（binary element2 iterations = 1）
	# 腐蚀一次，去掉细节
	erosion = cv2.erode（dilation element1 iterations = 1）
	# 再次膨胀，让轮廓明显一些
	dilation2 = cv2.dilate（erosion element2iterations = 3）
	cv2.imshow（‘dilation2‘dilation2）
	cv2.waitKey（0）
	return dilation2

def findPlateNumberRegion（img）:
	region = []
	# 查找轮廓
	contourshierarchy = cv2.findContours（img cv2.RETR_TREE cv2.CHAIN_APPROX_SIMPLE）

	# 筛选面积小的
	for i in range（len（contours））:
		cnt = contours[i]
		# 计算该轮廓的面积
		area = cv2.contourArea（cnt）

		# 面积小的都筛选掉
		if （area < 2000）:
			continue

		# 轮廓近似，作用很小
		epsilon = 0.001 * cv2.arcLength（cntTrue）
		approx = cv2.approxPolyDP（cnt epsilon True）

		# 找到最小的矩形，该矩形可能有方向
		rect = cv2.minAreaRect（cnt）
		print “rect is: “
		print rect

		# box是四个点的坐标
		box = cv2.cv.BoxPoints（rect）
		box = np.int0（box）

		# 计算高和宽
		height = abs（box[0][1] - box[2][1]）
		width = abs（box[0][0] - box[2][0]）
		# 车牌正常情况下长高比在2.7-5之间
		ratio =float（width） / float（height）
		print ratio
		if （ratio > 5 or ratio < 2）:
			continue
		region.append（box）

	return region

def detect（img）:
	# 转化成灰度图
	gray = cv2.cvtColor（img cv2.COLOR_BGR2GRAY）
	
	# 形态学变换的预处理
	dilation = preprocess（gray）

	# 查找车牌区域
	region = findPlateNumberRegion（dilation）

	# 用绿线画出这些找到的轮廓
	for box in region:
		cv2.drawContours（img [box] 0 （0 255 0） 2）
	ys = [box[0 1] box[1 1] box[2 1] box[3 1]]
	xs = [box[0 0] box[1 0] box[2 0] box[3 0]]
	ys_sorted_index = np.argsort（ys）
	xs_sorted_index = np.argsort（xs）

	x1 = box[xs_sorted_index[0] 0]
	x2 = box[xs_sorted_index[3] 0]

	y1 = box[ys_sorted_index[0] 1]
	y2 = box[ys_sorted_index[3] 1]

	img_org2 = img.copy（）
	img_plate = img_org2[y1:y2 x1:x2]
	cv2.imshow（‘number plate‘ img_plate）
	cv2.imwrite（‘number_plate.jpg‘ img_plate）

	cv2.namedWindow（‘img‘ cv2.WINDOW_NORMAL）
	cv2.imshow（‘img‘ img）

	# 带轮廓的图片
	cv2.imwrite（‘contours.png‘ img）

	cv2.waitKey（0）
	cv2.destroyAllWindows（）


if __name__ == ‘__main__‘:
	imagePath = ‘10.jpg‘
	img = cv2.imread（imagePath）
	detect（img）

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----
     目录           0  2016-06-23 16:40  platenumber-master\
     文件       99321  2016-06-23 16:40  platenumber-master\1.jpg
     文件       94949  2016-06-23 16:40  platenumber-master\10.jpg
     文件       39908  2016-06-23 16:40  platenumber-master\2.jpg
     文件      176113  2016-06-23 16:40  platenumber-master\3.jpg
     文件       34077  2016-06-23 16:40  platenumber-master\4.jpg
     文件      303926  2016-06-23 16:40  platenumber-master\5.jpg
     文件      130229  2016-06-23 16:40  platenumber-master\6.jpg
     文件       39518  2016-06-23 16:40  platenumber-master\7.jpg
     文件       11179  2016-06-23 16:40  platenumber-master\8.jpg
     文件      135264  2016-06-23 16:40  platenumber-master\9.jpg
     文件          60  2016-06-23 16:40  platenumber-master\README.md
     文件      525484  2016-06-23 16:40  platenumber-master\contours.png
     文件       11180  2016-06-23 16:40  platenumber-master\number_plate.jpg
     文件       90527  2016-06-23 16:40  platenumber-master\plate-number.jpg
     文件        3062  2016-06-23 16:40  platenumber-master\platenumber.py