前情提要
上期結(jié)束前我們經(jīng)過一些形態(tài)學處理得到了一幅這樣的圖（根據(jù)大家用的方法和參數(shù)設置可能會有出入）。
上期結(jié)果
可以看到即使經(jīng)過一些腐蝕膨脹濾波的處理隔崎，圖像依然有不少噪聲坦弟，做計算機視覺就是這樣的秕脓，沒有銀彈关贵，只能不斷的利用已有的信息逐步逼近我們想要的結(jié)果。
本期內(nèi)容
本期介紹一些輪廓檢測的方法恒削，結(jié)合一些騷皮操作就能得到我們想要的車牌區(qū)域。
一帝际、矩形檢測
在OpenCV中檢測矩形是用cv2.boundRect蔓同，接受的參數(shù)是一個由多個點組成的list，返回的是一個tuple蹲诀，共有4個元素斑粱，分別表示矩形的左上角x坐標、左上角y坐標脯爪、寬度则北、高度矿微，像這樣。
(x,y,w,h) = cv2.boundingRect([(10,10),(20,25),(30,30),(60,10),(2,15)])
我準備了一個程序可以測試這個效果尚揣，運行程序以后點擊圖像可以在上面畫點涌矢，按S鍵畫矩形，按Q鍵退出快骗。
# coding: utf-8
import cv2
import numpy as np
# 點集
points = []
# 窗口
window_name = 'DEMO'
window = cv2.namedWindow(window_name)
# 底圖
img = np.zeros((300,300,3), dtype=np.uint8)
# 鼠標回調(diào)
def on_mouse(event, x, y, flags, param):
if event == cv2.EVENT_LBUTTONDOWN:
print 'Click at (%d,%d)' % (x,y)
points.append((x,y))
cv2.circle(img, (x,y), 3, (255,255,255), -1)
# 程序入口
def main():
global points, img
# 設置回調(diào)
cv2.setMouseCallback(window_name, on_mouse)
# 畫圖
while True:
cv2.imshow(window_name, img)
k = cv2.waitKey(1)
if k == ord('q'): # 退出
print 'EXIT'
return
elif k == ord('s'): # 繪制矩形
(x,y,w,h) = cv2.boundingRect(np.array(points))
cv2.rectangle(img, (x,y), (x+w,y+h), (0,255,0), 2)
elif k == ord('c'): # 清空
img[...] = 0
points = []
if __name__ == '__main__':
main()
由于我們得到的是掩碼圖而不是一堆點集娜庇，因此還要用一個函數(shù)檢測出邊界點——cv2.findContours。findContours可以找出各個連通域的內(nèi)外邊界點和結(jié)構化表示方篮，在這里我們只需要外邊界點而且不需要結(jié)構化信息名秀。示例代碼如下：
# coding: utf-8
import cv2
import numpy as np
# 程序入口
def main():
img = cv2.imread('mask.jpg')
gray = img[..., 0]
# 尋找點集
_, contours, _ = cv2.findContours(gray.copy(), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
# 畫點
for cnt in contours:
for point in cnt:
point = (point[0][0], point[0][1])
cv2.circle(img, point, 1, (255,0,0), -1)
# 畫圖
cv2.imshow('DEMO', img)
cv2.imwrite('contours.jpg', img)
cv2.waitKey(0)
if __name__ == '__main__':
main()
檢測到的點用藍色標出，效果如下：
contours.jpg
接下來就可以對每個點集求出外接矩形了：
# 在每個點集上求外接矩形
for cnt in contours:
(x,y,w,h) = cv2.boundingRect(cnt)
cv2.rectangle(img, (x,y), (x+w,y+h), (0,255,0), 2)
效果如下：
外接矩形
可以看到有很多個不同大小的矩形被檢測出來了藕溅，但我們只想要車牌區(qū)域那一個匕得，寬高比例信息是比較容易想到的用于篩選的信息之一，除此以外我還使用了白色區(qū)域占比的信息巾表，代碼如下：
# 在每個點集上求外接矩形
for cnt in contours:
(x,y,w,h) = cv2.boundingRect(cnt)
# 白色區(qū)域占比
nonZeroRatio = float(cv2.countNonZero(gray[y:y+h, x:x+w])) / (w*h)
# 寬高比
whRatio = float(w) / h
# 高度大于20汁掠，寬高比大于3，白色區(qū)域占比大于0.7
if h > 20 and whRatio > 3.0 and nonZeroRatio > 0.7:
cv2.rectangle(img, (x,y), (x+w,y+h), (0,255,0), 2)
結(jié)果如下：
掩碼結(jié)果
放到原圖上看看效果：
原圖結(jié)果
