如何使用OpenCV Python检测车牌？

OpenCV Python 服务器端编程编程

我们将使用Haar级联分类器来检测图像中的车牌号码。Haar级联分类器是一种有效的目标检测方法，它是一种基于机器学习的方法。

为了训练车牌分类器，算法最初需要大量的正样本图像（车牌图像）和负样本图像（没有车牌的图像）。分类器根据这些正样本和负样本图像进行训练，然后用于检测其他图像中的目标（车牌）。我们可以使用已经训练好的Haar级联进行目标检测。

如何下载Haarcascade？

您可以访问以下GitHub网站地址找到不同的haarcascades：

https://github.com/opencv/opencv/tree/master/data/haarcascades

要下载俄罗斯车牌haarcascade，请点击haarcascade_russian_plate_number.xml文件。以原始格式打开，右键单击并保存。

步骤

为了检测图像中的车牌号码，我们可以按照以下步骤：

导入所需的库。在以下所有示例中，所需的Python库是OpenCV。确保您已经安装它。
使用cv2.imread()读取输入图像。指定完整的图像路径。将图像转换为灰度图像。
初始化Haarcascade分类器对象plate_cascade = cv2.CascadeClassifier()用于车牌检测。传入haar级联xml文件的完整路径。您可以使用haar级联文件haarcascade_russian_plate_number.xml来检测图像中的车牌。
使用plate_cascade.detectMultiScale()检测输入图像中的车牌。它以(x,y,w,h)格式返回检测到的车牌的坐标。
使用cv2.rectangle()在原始图像中绘制检测到的车牌周围的边界矩形。
显示带有车牌周围已绘制边界矩形的图像。

让我们看一些例子以便更好地理解。

示例

在这个Python程序中，我们使用haarcascade检测输入图像中的车牌号码。

# import required libraries
import cv2
import numpy as np

# Read input image
img = cv2.imread("audi.jpg")

# convert input image to grayscale
gray = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)

# read haarcascade for number plate detection
cascade = cv2.CascadeClassifier('haarcascades\haarcascade_russian_plate_number.xml')

# Detect license number plates
plates = cascade.detectMultiScale(gray, 1.2, 5)
print('Number of detected license plates:', len(plates))

# loop over all plates
for (x,y,w,h) in plates:
   
   # draw bounding rectangle around the license number plate
   cv2.rectangle(img, (x,y), (x+w, y+h), (0,255,0), 2)
   gray_plates = gray[y:y+h, x:x+w]
   color_plates = img[y:y+h, x:x+w]
   
   # save number plate detected
   cv2.imwrite('Numberplate.jpg', gray_plates)
   cv2.imshow('Number Plate', gray_plates)
   cv2.imshow('Number Plate Image', img)
   cv2.waitKey(0)
cv2.destroyAllWindows()