android端使用openCV实现车牌检测

现在，汽车的踪影无处不在，公路上疾驰，大街边临停，小区中停靠，车库里停泊。管理监控如此庞大数量的汽车是个头疼的问题。精明的人们把目光放在车牌上，因为车牌是汽车的“身份证”。所以车牌识别成为了焦点，而车牌检测是车牌识别的基础和前提。本篇文章，主要讨论使用opencv实现车牌检测。

opencv是开源计算机视觉库，基于计算机视觉与机器学习，提供强大的图像处理能力。我们可以快速集成opencv库到android端，其中一种方式是直接安装opencv manager，按需使用：启动服务去动态加载。这样前期配置更简单，但需要另外安装一个apk。我更倾向另外一种方式：把依赖的module和动态/静态库都导入project。具体步骤如下：

1、导入module

先从官网下载opencvforandroid的sdk，以3.2.0版本为例，找到依赖库路径，然后导入module。

2、导入动态与静态库

在sdk里面找到lib目录，把所有的.a和.so文件拷贝到项目的libs对应abi路径下：

3、配置gradle

将依赖的静态库编译到native-libs里面：

task nativelibstojar(type: jar, description: 'create a jar archive of the native libs') {
 destinationdir file("$builddir/native-libs")
 basename 'native-libs'
 from filetree(dir: 'libs', include: '**/*.so')
 into 'lib/'
}
tasks.withtype(javacompile) {
 compiletask -> compiletask.dependson(nativelibstojar)
}
 
dependencies {
 compile filetree(include: ['*.jar'], dir: 'libs')
 compile filetree(dir: "$builddir/native-libs", include: 'native-libs.jar')
 ......
}

 好了，经过配置三步曲，我们就可以愉快地使用opencv了。

------------------------中场休息---------------------------

接下来是调用三步曲：加载opencv、初始化车牌检测器和执行车牌检测

1、加载opencv

调用opencvloader去加载，如果加载成功进行下一步操作：

private void initopencv(){
 boolean result = opencvloader.initdebug();
 if(result){
  log.i(tag, "initopencv success...");
  //初始化车牌检测器
  mplatedetector = new objectdetector(this, r.raw.haarcascade_license_plate,
   3, new scalar(255, 0, 0, 0));
  mobject = new matofrect();
 }else {
  log.e(tag, "initopencv fail...");
 }
 }

2、初始化检测器

使用车牌检测的级联分类xml文件进行初始化：

/**
 * 创建级联分类器
 * @param context 上下文
 * @param id 级联分类器id
 * @return 级联分类器
 */
 private cascadeclassifier createdetector(context context, int id) {
 cascadeclassifier javadetector;
 inputstream is = null;
 fileoutputstream os = null;
 try {
  is = context.getresources().openrawresource(id);
  file cascadedir = context.getdir(license_plate_model, context.mode_private);
  file cascadefile = new file(cascadedir, id + ".xml");
  os = new fileoutputstream(cascadefile);
 
  byte[] buffer = new byte[4096];
  int bytesread;
  while ((bytesread = is.read(buffer)) != -1) {
  os.write(buffer, 0, bytesread);
  }
 
  javadetector = new cascadeclassifier(cascadefile.getabsolutepath());
  if (javadetector.empty()) {
  javadetector = null;
  }
 
  boolean delete = cascadedir.delete();
  log.i("objectdetector", "deleteresult=" + delete);
  return javadetector;
 } catch (ioexception e) {
  e.printstacktrace();
  return null;
 } finally {
  try {
  if (null != is) {
   is.close();
  }
  if (null != os) {
   os.close();
  }
  } catch (ioexception e) {
  e.printstacktrace();
  }
 }
 }

3、执行车牌检测

由于opencv操作对象是mat，所以我们得把bitmap转成mat，然后转成gray灰度图去进行检测：

/**
 * 执行车牌检测
 * @param bitmap bitmap
 * @return 车牌检测后的bitmap
 */
 private bitmap doplatedetecting(bitmap bitmap){
 if(mplatedetector != null && bitmap != null){
  mat mrgba = new mat();
  mat mgray = new mat();
  //bitmap转成map
  utils.bitmaptomat(bitmap, mrgba);
  //rgba转成灰度图
  imgproc.cvtcolor(mrgba, mgray, imgproc.color_rgba2gray);
  // 检测车牌
  rect[] object = mplatedetector.detectobject(mgray, mobject);
  if(object != null && object.length > 0){
  //检测到车牌区域
  rect rect = object[0];
  //矩形标识
  imgproc.rectangle(mrgba, rect.tl(), rect.br(), mplatedetector.getrectcolor(), 3);
  }
  //mat转回bitmap
  utils.mattobitmap(mrgba, bitmap);
 }
 return bitmap;
 }

其中，detectobject方法体是调用cascadeclassifier的detectmultiscale来完成检测的：

public rect[] detectobject(mat gray, matofrect object) {
 mcascadeclassifier.detectmultiscale(
  gray, // 要检查的灰度图像
  object, // 检测到的车牌
  1.1, // 表示在前后两次相继的扫描中，搜索窗口的比例系数
  mminneighbors, // 默认是3
  objdetect.cascade_scale_image,
  getsize(gray, 80), // 检测目标最小值
  getsize(gray, 800)); // 检测目标最大值
 
 return object.toarray();
 }

折腾了这么久，让我们看看车牌检测结果：

上面的车牌几乎是水平的，那么倾斜的车牌能不能检测到呢？真相就在下面：

角度发生倾斜的车牌也是可以检测出来，但是在后期的车牌识别，需要进行倾斜校正。如果静态检测还不够意思，那么请看动态检测的效果（转换出来的gif有点模糊，各位莫怪）：

接下来的一篇博客会与大家一起探讨车牌识别，敬请期待。欢迎各位热爱opencv与图像处理的朋友提出建议，相互学习。

以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持。