如何使用OpenCV Python檢測車牌？

OpenCV Python 伺服器端程式設計程式設計

我們將使用Haar級聯分類器來檢測影像中的車牌號碼。Haar級聯分類器是一種有效的目標檢測方法，它是一種基於機器學習的方法。

為了訓練車牌分類器，演算法最初需要大量的正樣本影像（車牌影像）和負樣本影像（沒有車牌的影像）。分類器根據這些正樣本和負樣本影像進行訓練，然後用於檢測其他影像中的目標（車牌）。我們可以使用已經訓練好的Haar級聯進行目標檢測。

如何下載Haarcascade？

您可以訪問以下GitHub網站地址找到不同的haarcascades：

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

要下載俄羅斯車牌haarcascade，請點選haarcascade_russian_plate_number.xml檔案。以原始格式開啟，右鍵單擊並儲存。

步驟

為了檢測影像中的車牌號碼，我們可以按照以下步驟：

匯入所需的庫。在以下所有示例中，所需的Python庫是OpenCV。確保您已經安裝它。
使用cv2.imread()讀取輸入影像。指定完整的影像路徑。將影像轉換為灰度影像。
初始化Haarcascade分類器物件plate_cascade = cv2.CascadeClassifier()用於車牌檢測。傳入haar級聯xml檔案的完整路徑。您可以使用haar級聯檔案haarcascade_russian_plate_number.xml來檢測影像中的車牌。
使用plate_cascade.detectMultiScale()檢測輸入影像中的車牌。它以(x,y,w,h)格式返回檢測到的車牌的座標。
使用cv2.rectangle()在原始影像中繪製檢測到的車牌周圍的邊界矩形。
顯示帶有車牌周圍已繪製邊界矩形的影像。

讓我們看一些例子以便更好地理解。

示例

在這個Python程式中，我們使用haarcascade檢測輸入影像中的車牌號碼。

# 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()