opencv-python基础用法详细代码-图片加载-ROI-边缘滤波-二值化-轮廓提取-膨胀腐蚀等

### 车牌识别与处理技术概述 车牌识别是一项复杂的任务，涉及到多个图像处理阶段。通过Python结合OpenCV可以有效地完成这一过程。该流程主要包括以下几个方面： #### 图像预处理 为了提高后续处理步骤的准确性，首先需要对原始采集到的车辆图片进行必要的预处理工作。这一步骤通常包括但不限于颜色空间转换、去噪和平滑滤波等操作。 ```python import cv2 from matplotlib import pyplot as plt import numpy as np def preprocess_image(image_path): # 加载并转为灰度图 image = cv2.imread(image_path) gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY) # 使用高斯模糊减少噪音 blurred = cv2.GaussianBlur(gray, (5, 5), 0) return blurred ``` #### 车牌定位 利用边缘检测算法（如Canny算子）、轮廓查找以及几何形状分析来确定可能存在的车牌位置。对于某些特定国家/地区的标准尺寸和比例特征也可以辅助判断。 ```python def locate_license_plate(preprocessed_img): edged = cv2.Canny(preprocessed_img, 30, 200) contours, _ = cv2.findContours(edged.copy(), cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)[-2:] contours = sorted(contours, key=cv2.contourArea, reverse=True)[:10] screenCnt = None for c in contours: peri = cv2.arcLength(c, True) approx = cv2.approxPolyDP(c, 0.018 * peri, True) if len(approx) == 4: screenCnt = approx break mask = np.zeros(preprocessed_img.shape,np.uint8) new_image = cv2.drawContours(mask,[screenCnt],0,255,-1,) new_image = cv2.bitwise_and(preprocessed_img,preprocessed_img,mask=mask) return new_image, screenCnt ``` #### 字符分割与识别 一旦成功锁定了车牌所在区域，则进一步对该部分实施细化处理，比如二值化、腐蚀膨胀等形态学变化；最后借助于OCR库（例如Tesseract）来进行文字解析。 ```python try: from PIL import Image except ImportError: import Image import pytesseract def recognize_characters(roi_image): text = pytesseract.image_to_string(Image.fromarray(roi_image)) return text.strip() ``` 上述代码片段展示了如何使用Python配合OpenCV执行基本的车牌识别任务[^1]。值得注意的是，在真实环境中部署此类解决方案时还需考虑到更多变量因素的影响，如不同天气状况下的光线强度差异、摄像头安装高度角的变化或是牌照本身的损坏程度等问题都可能导致最终效果有所偏差[^4]。