Opencv创建车牌图片识别系统方法详解

程序员文章站 2022-05-15 09:17:33

...

目录
前言
包含功能
软件版本
软件架构
参考文档
效果图展示
车牌检测过程
图片车牌文字识别过程
部分核心代码
前言
这是一个基于spring boot + maven + opencv 实现的图像识别及训练的Demo项目

包含车牌识别、人脸识别等功能，贯穿样本处理、模型训练、图像处理、对象检测、对象识别等技术点

java语言的深度学习项目，在整个开源社区来说都相对较少；

拥有完整的训练过程、检测、识别过程的开源项目更是少之又少！！

包含功能
蓝、绿、黄车牌检测及车牌号码识别
网上常见的轮廓提取车牌算法JAVA实现
hsv色彩分割提取车牌算法JAVA实现
基于svm算法的车牌检测训练JAVA实现
基于ann算法的车牌号码识别训练JAVA实现
人脸检测接下来将实现人脸识别
图片处理工具，目前实现了HSV色彩切割，后续将添加更多使用的图片处理工具，用于辅助算法优化
软件版本
jdk 1.8.61+
maven 3.0+
opencv 4.0.1 ； javacpp1.4.4；opencv-platform 4.0.1-1.4.4
spring boot 2.1.5.RELEASE
yx-image-recognition 1.0.0版本
软件架构
B/S 架构，前端html + requireJS，后端java

数据库使用 sqlite3.0

接口文档使用swagger 2.0

参考文档
参考了EasyPR C++项目、以及fan-wenjie的EasyPR-Java项目；同时查阅了部分opencv官方4.0.1版本C++的源码，结合个人对java语言的理解，整理出当前项目

liuruoze/EasyPR

fan-wenjie/EasyPR-Java

opencv官方

效果图展示

车牌识别

黄牌识别

绿牌识别

夜间识别

图片提取工具

人脸识别

训练

接口文档

车牌检测过程
高斯模糊：

图像灰度化：

Sobel 算子：

图像二值化：

图像闭操作：

二值图像降噪：

提取外部轮廓：

外部轮廓筛选：

切图：

重置切图尺寸：

车牌检测结果:

图片车牌文字识别过程
车牌检测结果:

debug_char_threshold：

debug_char_clearLiuDing：

debug_specMat：

debug_chineseMat：

debug_char_auxRoi：

部分核心代码
package com.yuxue.service.impl;

import java.io.File;
import java.util.List;
import java.util.Map;
import java.util.Set;
import java.util.Vector;

import org.opencv.core.Core;
import org.opencv.core.CvType;
import org.opencv.core.Mat;
import org.opencv.imgcodecs.Imgcodecs;
import org.opencv.imgproc.Imgproc;
import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.stereotype.Service;
import org.springframework.transaction.annotation.Propagation;
import org.springframework.transaction.annotation.Transactional;

import com.alibaba.druid.util.StringUtils;
import com.alibaba.fastjson.JSONObject;
import com.google.common.collect.Lists;
import com.google.common.collect.Maps;
import com.google.common.collect.Sets;
import com.yuxue.constant.Constant;
import com.yuxue.entity.PlateFileEntity;
import com.yuxue.entity.TempPlateFileEntity;
import com.yuxue.enumtype.PlateColor;
import com.yuxue.mapper.PlateFileMapper;
import com.yuxue.mapper.TempPlateFileMapper;
import com.yuxue.service.PlateService;
import com.yuxue.util.FileUtil;
import com.yuxue.util.GenerateIdUtil;
import com.yuxue.util.PlateUtil;

@Service
public class PlateServiceImpl implements PlateService {


@Autowired
private PlateFileMapper plateFileMapper;

@Autowired
private TempPlateFileMapper tempPlateFileMapper;

static {
    System.loadLibrary(Core.NATIVE_LIBRARY_NAME);
}

@Override
@Transactional(propagation = Propagation.REQUIRED)
public Object refreshFileInfo() {
    File baseDir = new File(Constant.DEFAULT_DIR);
    if(!baseDir.exists() || !baseDir.isDirectory()) {
        return null;
    }
    List<TempPlateFileEntity> resultList = Lists.newArrayList();

    // 获取baseDir下第一层级的目录， 仅获取文件夹，不递归子目录，遍历
    List<File> folderList = FileUtil.listFile(baseDir, ";", false);
    folderList.parallelStream().forEach(folder -> {
        if(!folder.getName().equals("temp")) {
            // 遍历每一个文件夹， 递归获取文件夹下的图片
            List<File> imgList = FileUtil.listFile(folder, Constant.DEFAULT_TYPE, true);
            if(null != imgList && imgList.size() > 0) {
                imgList.parallelStream().forEach(n->{
                    TempPlateFileEntity entity = new TempPlateFileEntity();
                    entity.setFilePath(n.getAbsolutePath().replaceAll("\\\\", "/"));
                    entity.setFileName(n.getName());
                    entity.setFileType(n.getName().substring(n.getName().lastIndexOf(".") + 1));
                    resultList.add(entity);
                });
            }
        }
    });

    tempPlateFileMapper.turncateTable();
    tempPlateFileMapper.batchInsert(resultList);
    tempPlateFileMapper.updateFileInfo();
    return 1;
}

@Override
public Object recognise(String filePath, boolean reRecognise) {
    filePath = filePath.replaceAll("\\\\", "/");
    File f = new File(filePath);
    PlateFileEntity entity = null;

    Map<String, Object> paramMap = Maps.newHashMap();
    paramMap.put("filePath", filePath);
    List<PlateFileEntity> list= plateFileMapper.selectByCondition(paramMap);
    if(null == list || list.size() <= 0) {
        if(FileUtil.checkFile(f)) {
            entity = new PlateFileEntity();
            entity.setFileName(f.getName());
            entity.setFilePath(f.getAbsolutePath().replaceAll("\\\\", "/"));
            entity.setFileType(f.getName().substring(f.getName().lastIndexOf(".") + 1));
            plateFileMapper.insertSelective(entity);
        }
        reRecognise = true;
    } else {
        entity = list.get(0);
    }

    if(reRecognise || StringUtils.isEmpty(entity.getTempPath())) {
        doRecognise(f, entity); // 重新识别
        entity = plateFileMapper.selectByPrimaryKey(entity.getId()); // 重新识别之后，重新获取一下数据
    }
    // 查询debug文件
    if(!StringUtils.isEmpty(entity.getTempPath())) {
        Vector<String> debugFiles = new Vector<String>();
        FileUtil.getFiles(entity.getTempPath(), debugFiles);
        entity.setDebugFiles(debugFiles);
    }
    return entity;
}

@Override
public Object recogniseAll() {
    // 查询到还没有进行车牌识别的图片
    List<PlateFileEntity> list = plateFileMapper.getUnRecogniseList();
    list.parallelStream().forEach(n->{
        File f = new File(n.getFilePath());
        if(FileUtil.checkFile(f)) {
            doRecognise(f, n);
        }
    });
    return 1;
}

/**
 * 单张图片 车牌识别
 * 拷贝文件到临时目录
 * 过程及结果更新数据库
 * @param f
 * @param e
 * @return
 */
public Object doRecognise(File f, PlateFileEntity e) {
    if(!f.exists()) {
        return null;
    }

    String ct = GenerateIdUtil.getStrId();
    String targetPath = Constant.DEFAULT_TEMP_DIR + ct + (f.getName().substring(f.getName().lastIndexOf(".")));
    FileUtil.copyAndRename(f.getAbsolutePath(), targetPath); // 拷贝文件并且重命名

    // 创建临时目录， 存放过程图片
    String tempPath =  Constant.DEFAULT_TEMP_DIR + ct + "/";
    FileUtil.createDir(tempPath);
    e.setTempPath(tempPath);

    Boolean debug = false;
    Vector<Mat> dst = new Vector<Mat>();
    PlateUtil.getPlateMat(targetPath, dst, debug, tempPath);

    Set<String> plates = Sets.newHashSet();
    dst.stream().forEach(inMat -> {
        PlateColor color = PlateUtil.getPlateColor(inMat, true, false, tempPath);
        String plate = PlateUtil.charsSegment(inMat, color, debug, tempPath);
        plates.add("<" + plate + "," + color.desc + ">");
    });
    e.setRecoPlate(plates.toString());

    new File(targetPath).delete();  // 删除拷贝的临时文件
    plateFileMapper.updateByPrimaryKeySelective(e);
    return 1;
}

@Override
public Object getImgInfo(String imgPath) {
    Map<String, Object> result = Maps.newHashMap();
    String ct = GenerateIdUtil.getStrId();
    File f = new File(imgPath);
    if(f.exists()) {
        String targetPath = Constant.DEFAULT_TEMP_DIR + ct + (f.getName().substring(f.getName().lastIndexOf(".")));
        FileUtil.copyAndRename(f.getAbsolutePath(), targetPath);
        result.put("targetPath", targetPath);   // 返回临时路径给前端
        // 获取图片的基本信息
        Mat inMat = Imgcodecs.imread(targetPath);
        result.put("rows", inMat.rows());
        result.put("cols", inMat.cols());
    }
    return result;
}

@Override
public Object getHSVValue(String imgPath, Integer row, Integer col) {
    Map<String, Object> result = Maps.newHashMap();
    Mat inMat = Imgcodecs.imread(imgPath);

    double[] rgb = inMat.get(row, col);
    result.put("RGB", JSONObject.toJSONString(rgb));

    Mat dst = new Mat(inMat.rows(), inMat.cols(), CvType.CV_32FC3);
    Imgproc.cvtColor(inMat, dst, Imgproc.COLOR_BGR2HSV); // 转到HSV空间进行处理

    double[] hsv = dst.get(row, col);
    result.put("HSV", (int)hsv[0] + ", " + (int)hsv[1] + ", " + (int)hsv[2]);
    return result;
}

}
package com.znz.service.impl;

import com.znz.service.PlateTypeService;
import com.znz.entity.PlateTypeEntity;
import com.znz.mapper.PlateTypeMapper;

import com.github.pagehelper.PageHelper;
import com.github.pagehelper.PageInfo;

import org.springframework.transaction.annotation.Transactional;
import org.springframework.transaction.annotation.Propagation;

import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.stereotype.Service;
import java.util.HashMap;
import java.util.Map;
import java.util.List;

/**

服务实现层
@author znz
@date 2020-09-30T16:54:41.823
*/
@Service
public class PlateTypeServiceImpl implements PlateTypeService {

@Autowired
private PlateTypeMapper plateTypeMapper;

@Override
public PlateTypeEntity getByPrimaryKey(Integer id) {
```
 PlateTypeEntity entity = plateTypeMapper.selectByPrimaryKey(id);
 return entity;
```
}

@Override
public PageInfo<PlateTypeEntity> queryByPage(Integer pageNo, Integer pageSize, Map<String, Object> map) {
```
 PageHelper.startPage(pageNo, pageSize);
 PageInfo<PlateTypeEntity> page = new PageInfo(plateTypeMapper.selectByCondition(map));
 return page;
```
}

@Override
public List<PlateTypeEntity> queryByCondition(Map<String, Object> map) {
```
 return plateTypeMapper.selectByCondition(map);
```
}

@Override
@Transactional(propagation = Propagation.REQUIRED)
public Map<String, Object> save(PlateTypeEntity plateTypeEntity) {
```
 plateTypeEntity.setId(0);
 plateTypeMapper.insertSelective(plateTypeEntity);

 Map<String, Object> result = new HashMap<>();
 result.put("id" , plateTypeEntity.getId());
 return result;
```
}

@Override
@Transactional(propagation = Propagation.REQUIRED)
public Integer deleteById(Integer id){
```
 return plateTypeMapper.deleteByPrimaryKey(id);
```
}

@Override
@Transactional(propagation = Propagation.REQUIRED)
public Integer updateById(PlateTypeEntity plateTypeEntity) {
```
 if(null == plateTypeEntity || plateTypeEntity.getId() <= 0){
     return 0;
 }
 return plateTypeMapper.updateByPrimaryKeySelective(plateTypeEntity);
```
}

}
package com.znz.service.impl;

import com.github.pagehelper.PageHelper;
import com.github.pagehelper.PageInfo;
import com.google.common.collect.Lists;
import com.google.common.collect.Maps;
import com.znz.entity.SystemMenuEntity;
import com.znz.mapper.SystemMenuMapper;
import com.znz.service.SystemMenuService;

import org.springframework.transaction.annotation.Transactional;
import org.springframework.transaction.annotation.Propagation;

import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.stereotype.Service;
import java.util.HashMap;
import java.util.List;
import java.util.Map;

/**

服务实现层
@author znz

@date 2021-06-20 16:15:23
*/
@Service
public class SystemMenuServiceImpl implements SystemMenuService {

@Autowired
private SystemMenuMapper systemMenuMapper;

@Override
public SystemMenuEntity getByPrimaryKey(Integer id) {


 SystemMenuEntity entity = systemMenuMapper.selectByPrimaryKey(id);
 return entity;

}

@Override
public PageInfo<SystemMenuEntity> queryByPage(Integer pageNo, Integer pageSize, Map<String, Object> map) {


 PageHelper.startPage(pageNo, pageSize);
 PageInfo<SystemMenuEntity> page = new PageInfo(systemMenuMapper.selectByCondition(map));
 return page;

}

@Override
public List<SystemMenuEntity> queryByCondition(Map<String, Object> map) {

 return systemMenuMapper.selectByCondition(map);

}

@Override
@Transactional(propagation = Propagation.REQUIRED)
public Map<String, Object> save(SystemMenuEntity entity) {


 entity.setId(0);
 systemMenuMapper.insertSelective(entity);

 Map<String, Object> result = new HashMap<>();
 result.put("id" , entity.getId());
 return result;

}

@Override
@Transactional(propagation = Propagation.REQUIRED)
public Integer deleteById(Integer id){

 return systemMenuMapper.deleteByPrimaryKey(id);

}

@Override
@Transactional(propagation = Propagation.REQUIRED)
public Integer updateById(SystemMenuEntity systemMenuEntity) {


 if(null == systemMenuEntity || systemMenuEntity.getId() <= 0){
     return 0;
 }
 return systemMenuMapper.updateByPrimaryKeySelective(systemMenuEntity);

}

@Override
public Object getUserMenu() {


 Map<String, Object> map = Maps.newHashMap();
 map.put("showFlag", 1);
 List<SystemMenuEntity> menus = systemMenuMapper.selectByCondition(map);

 //按层级封装，最多三级
 Map<String, Object> result = Maps.newHashMap();

 result.put("first", menus.stream().filter(n -> {
     return n.getMenuLevel() == 1;
 }));
 result.put("second", menus.stream().filter(n -> {
     return n.getMenuLevel() == 2;
 }));
 result.put("third", menus.stream().filter(n -> {
     return n.getMenuLevel() == 3;
 }));
 return result;

}

}
package com.znz.service.impl;

import java.io.File;
import java.util.List;

import org.springframework.stereotype.Service;

import com.alibaba.druid.util.StringUtils;
import com.alibaba.fastjson.JSONObject;
import com.google.common.collect.Lists;
import com.znz.constant.Constant;
import com.znz.exception.ResultReturnException;
import com.znz.service.FileService;
import com.znz.util.FileUtil;

@Service
public class FileServiceImpl implements FileService {


@Override
public List<JSONObject> getFileTreeByDir(String rootPath, String dir, String typeFilter) {

    if(StringUtils.isEmpty(dir)){
        if(StringUtils.isEmpty(rootPath)){
            dir = Constant.DEFAULT_DIR;
        } else {
            dir = rootPath;
        }
    }
    if(StringUtils.isEmpty(typeFilter)){
        typeFilter = Constant.DEFAULT_TYPE;
    }

    File f = new File(dir);
    List<File> list = FileUtil.listFile(f, typeFilter, false);
    List<JSONObject> result = Lists.newArrayList();
    list.stream().forEach(n->{
        JSONObject jo = new JSONObject();
        jo.put("id", n.getAbsolutePath());
        jo.put("pid", n.getParentFile().getAbsolutePath());
        jo.put("filePath", n.getAbsolutePath());
        jo.put("fileName", n.getName());
        jo.put("isDir", n.isDirectory());
        result.add(jo);
    });
    return result;
}

@Override
public File readFile(String filePath) {

    File f = new File(filePath);
    if(!f.exists() || f.isDirectory()) {
        throw new ResultReturnException("filePath参数异常，找不到指定的文件: " + filePath);
    }

    if(!f.exists() || f.isDirectory()) {
        throw new ResultReturnException("读取图片异常：" + f.getName());
    }
    return f;
}

}
以上就是Opencv创建车牌图片识别系统方法详解的详细内容，更多关于Opencv车牌图片识别系统的资料请关注我们其它相关文章！

时间： 2022-01-05
Python+OpenCV实现车牌字符分割和识别

最近做一个车牌识别项目,入门级别的,十分简单. 车牌识别总体分成两个大的步骤: 一.车牌定位:从照片中圈出车牌二.车牌字符识别这里只说第二个步骤,字符识别包括两个步骤: 1.图像处理原本的图像每个像素点都是RGB定义的,或者称为有R/G/B三个通道.在这种情况下,很难区分谁是背景,谁是字符,所以需要对图像进行一些处理,把每个RGB定义的像素点都转化成一个bit位(即0-1代码),具体方法如下: ①将图片灰度化名字拗口,但是意思很好理解,就是把每个像素的RGB都变成灰色的RGB值,而灰色的
Java通过百度API实现图片车牌号识别

本代码功能是通过调用百度API实现的,所有你需要去百度API官网申请下你的API Key 以及Secret Key才能使用它的功能哦! 拟采用百度AI实现该功能(http://ai.baidu.com/docs#/OCR-API/5116ac95) 根据百度的文档描述,初步明确需要的几个参数为: 1.应用的API Key 2.应用的Secret Key 3.access_token 4.图片数据首先导入maven依赖 <dependency> <groupId>com.baidu

python+OpenCV实现车牌号码识别

基于python+OpenCV的车牌号码识别,供大家参考,具体内容如下车牌识别行业已具备一定的市场规模,在电子警察.公路卡口.停车场.商业管理.汽修服务等领域已取得了部分应用.一个典型的车辆牌照识别系统一般包括以下4个部分:车辆图像获取.车牌定位.车牌字符分割和车牌字符识别 1.车牌定位的主要工作是从获取的车辆图像中找到汽车牌照所在位置,并把车牌从该区域中准确地分割出来这里所采用的是利用车牌的颜色(黄色.蓝色.绿色) 来进行定位 #定位车牌 def color_position(img,ou
OpenCV+Python识别车牌和字符分割的实现
本篇文章主要基于python语言和OpenCV库(cv2)进行车牌区域识别和字符分割,开篇之前针对在python中安装opencv的环境这里不做介绍,可以自行安装配置! 车牌号检测需要大致分为四个部分: 1.车辆图像获取 2.车牌定位. 3.车牌字符分割 4.车牌字符识别具体介绍车牌定位需要用到的是图片二值化为黑白后进canny边缘检测后多次进行开运算与闭运算用于消除小块的区域,保留大块的区域,后用cv2.rectangle选取矩形框,从而定位车牌位置车牌字符的分割前需要准备的是只保留车牌

python按照多个字符对字符串进行分割的方法
本文实例讲述了python按照多个字符对字符串进行分割的方法.分享给大家供大家参考.具体分析如下: 这段python代码通过这规则表达式对字符串进行分割,使用\w作为分割符,只要不是字母和数字的就会被分割开来. import re DATA = “Hey, you - what are you doing here! welcome to jb51?” print re.findall(r”[\w’]+”, DATA) 输出结果如下复制代码代码如下: [‘Hey
使用Python的OpenCV模块识别滑动验证码的缺口（推荐）

最近终于找到一个好的方法,使用Python的OpenCV模块识别滑动验证码的缺口,可以将滑动验证码中的缺口识别出来了. 测试使用如下两张图片: target.jpg template.png 现在想要通过”template.png”在”target.jpg”中找到对应的缺口,代码实现如下: # encoding=utf8 import cv2 import numpy as np def show(name): cv2.imshow(‘Show’, name) cv
python识别验证码的思路及解决方案
1.介绍在爬虫中经常会遇到验证码识别的问题,现在的验证码大多分计算验证码.滑块验证码.识图验证码.语音验证码等四种.本文就是识图验证码,识别的是简单的验证码,要想让识别率更高,识别的更加准确就需要花很多的精力去训练自己的字体库. 识别验证码通常是这几个步骤: (1)灰度处理 (2)二值化 (3)去除边框(如果有的话) (4)降噪 (5)切割字符或者倾斜度矫正 (6)训练字体库 (7)识别这6个步骤中前三个步骤是基本的,4或者5可根据实际情况选择是否需要. 经常用的库有pytesseract(
Python将图片转换为字符画的方法
最近在学习Python,看到网上用Python将图片转换成字符画便来学习一下题目意思是,程序读入一个图片,以txt格式输出图片对应的字符画,如图所示: 以下是Python代码: # coding:utf-8 # 为一张图片生成对应的字符集图片 from PIL import Image import argparse # 命令行输入参数处理 parser = argparse.ArgumentParser() parser.add_argument(‘file’) # 输入文件 parser.

OpenCV+python手势识别框架和实例讲解
基于OpenCV2.4.8和 python 2.7实现简单的手势识别. 以下为基本步骤 1.去除背景,提取手的轮廓 2. RGB->YUV,同时计算直方图 3.进行形态学滤波,提取感兴趣的区域 4.找到二值化的图像轮廓 5.找到最大的手型轮廓 6.找到手型轮廓的凸包 7.标记手指和手掌 8.把提取的特征点和手势字典中的进行比对,然后判断手势和形状提取手的轮廓 cv2.findContours() 找到最大凸包cv2.convexHull(),然后找到手掌和手指的相对位置,定位手型的轮廓和关键点
python识别验证码图片实例详解

在编写自动化测试用例的时候,每次登录都需要输入验证码,后来想把让python自己识别图片里的验证码,不需要自己手动登陆,所以查了一下识别功能怎么实现,做一下笔记. 首选导入一些用到的库,re.Image.pytesseract.selenium.time import re # 用于正则 from PIL import Image # 用于打开图片和对图片处理 import pytesseract # 用于图片转文字 from selenium import webdriver # 用于打开网站
20行Python代码实现视频字符化功能
我们经常在B站上看到一些字符鬼畜视频,主要就是将一个视频转换成字符的样子展现出来.看起来是非常高端,但是实际实现起来确是非常简单,我们只需要接触opencv模块,就能很快的实现视频字符化.但是在此之前,我们先看看我们实现的效果是怎样的: 上面就是截取的一部分效果图,下面开始进入我们的主题. 一.OpenCV的安装及图片读取在Python中我们只需要用pip安装即可,我们在控制台执行下列语句: pip install opencv-python 安装完成就可以开始使用.我们先读取一个图片: im
如何利用Python识别图片中的文字
一.前言不知道大家有没有遇到过这样的问题,就是在某个软件或者某个网页里面有一篇文章,你非常喜欢,但是不能复制.或者像百度文档一样,只能复制一部分,这个时候我们就会选择截图保存.但是当我们想用到里面的文字时,还是要一个字一个字打出来.那么我们能不能直接识别图片中的文字呢?答案是肯定的. 二.Tesseract 文字识别是ORC的一部分内容,ORC的意思是光学字符识别,通俗讲就是文字识别.Tesseract是一个用于文字识别的工具,我们结合Python使用可以很快的实现文字识别.但是在此之前我们需

上一篇：使用阿里云镜像站NTP服务搭建NTP服务器（基于CentOS 7系统）

下一篇： PhoneGap 1.9 正式版发布