Python_VLPR
首先需要知道的
毕业设计基于Opencv的车牌识别系统
- 版本：python3.7.3，opencv4.0.0.21，numpy1.16.2，tkinter和PIL5.4.1.
毕业设计基于OpenCV的车牌识别系统
一、引言
随着智能交通系统的快速发展，车牌识别技术在交通安全、智能监控等领域的应用越来越广泛。车牌识别系统可以帮助我们实现车辆违章查处、停车管理、高速收费等智能化服务。本文旨在研究并设计一个基于OpenCV的车牌识别系统，利用计算机视觉技术对车牌进行自动识别，以提高交通管理的效率和准确性。
二、相关技术介绍
OpenCV：OpenCV是一个开源的计算机视觉库，包含了大量的图像处理和计算机视觉算法，可以方便地用于车牌识别等应用。
Numpy：Numpy是Python的一个数值计算扩展程序库，支持大量的维度数组与矩阵运算，此外也针对数组运算提供大量的数学函数库。
PIL：PIL是Python Imaging Library的缩写，是一个非常强大的图片处理库。
三、系统设计
图像预处理：通过灰度化、二值化、边缘检测等技术对车牌图像进行预处理，以提取出车牌区域。
车牌定位：利用OpenCV中的模板匹配、边缘检测等技术对预处理后的图像进行车牌定位。
车牌分割：将定位到的车牌区域从原图像中分割出来，以便于后续的车牌字符识别。
字符识别：利用OCR技术对分割出的车牌字符进行识别，得出车牌号码。
四、实现过程
安装必要的Python库：使用pip安装OpenCV、numpy、PIL等库。
图像预处理：读取车牌图像，进行灰度化、二值化、边缘检测等操作，提取出车牌区域。
车牌定位：使用OpenCV中的模板匹配或边缘检测等技术对预处理后的图像进行车牌定位。
车牌分割：将定位到的车牌区域从原图像中分割出来，以便于后续的车牌字符识别。
字符识别：使用OCR技术对分割出的车牌字符进行识别，得出车牌号码。
五、结果与讨论
在实验过程中，我们测试了多个车牌图像，验证了本系统的可行性和准确性。尽管本系统在某些复杂环境下可能存在误识别的情况，但总体来说，本系统能够有效地识别出大部分车牌号码。后续工作中，我们将继续优化算法，提高识别的准确性和鲁棒性。
六、总结与展望
本文介绍了一个基于OpenCV的车牌识别系统，该系统能够有效地识别出大部分车牌号码。然而，由于实际环境的复杂性和多样性，该系统仍存在一些挑战和需要改进的地方。未来工作中，我们将继续优化算法，提高识别的准确性和鲁棒性，以适应更复杂的环境和需求。同时，我们也希望能够将本系统应用于实际场景中，为交通管理提供更智能化的服务。
# -*- coding: utf-8 -*-
__author__ = '樱花落舞'
import threading
import time
import tkinter as tk
import cv2
import config
import debug
import img_function as predict
import img_math
from threading import Thread
from tkinter import ttk
from tkinter.filedialog import *
from PIL import Image, ImageTk
class ThreadWithReturnValue(Thread):
def __init__(self, group=None, target=None, name=None, args=(), kwargs=None, *, daemon=None):
Thread.__init__(self, group, target, name, args, kwargs, daemon=daemon)
self._return1 = None
self._return2 = None
self._return3 = None
def run(self):
if self._target is not None:
self._return1, self._return2, self._return3 = self._target(*self._args, **self._kwargs)
def join(self):
Thread.join(self)
return self._return1, self._return2, self._return3
class Surface(ttk.Frame):
pic_path = ""
viewhigh = 600
viewwide = 600
update_time = 0
thread = None
thread_run = False
camera = None
color_transform = {"green": ("绿牌", "#55FF55"), "yello": ("黄牌", "#FFFF00"), "blue": ("蓝牌", "#6666FF")}
def __init__(self, win):
ttk.Frame.__init__(self, win)
frame_left = ttk.Frame(self)
frame_right1 = ttk.Frame(self)
frame_right2 = ttk.Frame(self)
win.title("车牌识别")
win.state("zoomed")
self.pack(fill=tk.BOTH, expand=tk.YES, padx="10", pady="10")
frame_left.pack(side=LEFT, expand=1, fill=BOTH)
frame_right1.pack(side=TOP, expand=1, fill=tk.Y)
frame_right2.pack(side=RIGHT, expand=0)
ttk.Label(frame_left, text='原图：').pack(anchor="nw")
ttk.Label(frame_right1, text='形状定位车牌位置：').grid(column=0, row=0, sticky=tk.W)
from_pic_ctl = ttk.Button(frame_right2, text="来自图片", width=20, command=self.from_pic)
from_vedio_ctl = ttk.Button(frame_right2, text="来自摄像头", width=20, command=self.from_vedio)
from_img_pre = ttk.Button(frame_right2, text="查看形状预处理图像", width=20, command=self.show_img_pre)
self.image_ctl = ttk.Label(frame_left)
self.image_ctl.pack(anchor="nw")
self.roi_ctl = ttk.Label(frame_right1)
self.roi_ctl.grid(column=0, row=1, sticky=tk.W)
ttk.Label(frame_right1, text='形状定位识别结果：').grid(column=0, row=2, sticky=tk.W)
self.r_ctl = ttk.Label(frame_right1, text="", font=('Times', '20'))
self.r_ctl.grid(column=0, row=3, sticky=tk.W)
self.color_ctl = ttk.Label(frame_right1, text="", width="20")
self.color_ctl.grid(column=0, row=4, sticky=tk.W)
from_vedio_ctl.pack(anchor="se", pady="5")
from_pic_ctl.pack(anchor="se", pady="5")
from_img_pre.pack(anchor="se", pady="5")
ttk.Label(frame_right1, text='颜色定位车牌位置：').grid(column=0, row=5, sticky=tk.W)
self.roi_ct2 = ttk.Label(frame_right1)
self.roi_ct2.grid(column=0, row=6, sticky=tk.W)
ttk.Label(frame_right1, text='颜色定位识别结果：').grid(column=0, row=7, sticky=tk.W)
self.r_ct2 = ttk.Label(frame_right1, text="")
self.r_ct2.grid(column=0, row=8, sticky=tk.W)
self.color_ct2 = ttk.Label(frame_right1, text="")
self.color_ct2.grid(column=0, row=9, sticky=tk.W)
self.predictor = predict.CardPredictor()
self.predictor.train_svm()
def get_imgtk(self, img_bgr):
img = cv2.cvtColor(img_bgr, cv2.COLOR_BGR2RGB)
im = Image.fromarray(img)
imgtk = ImageTk.PhotoImage(image=im)
wide = imgtk.width()
high = imgtk.height()
if wide > self.viewwide or high > self.viewhigh:
wide_factor = self.viewwide / wide
high_factor = self.viewhigh / high
factor = min(wide_factor, high_factor)
wide = int(wide * factor)
if wide <= 0: wide = 1
high = int(high * factor)
if high <= 0: high = 1
im = im.resize((wide, high), Image.ANTIALIAS)
imgtk = ImageTk.PhotoImage(image=im)
return imgtk
def show_roi1(self, r, roi, color):
if r:
roi = cv2.cvtColor(roi, cv2.COLOR_BGR2RGB)
roi = Image.fromarray(roi)
self.imgtk_roi = ImageTk.PhotoImage(image=roi)
self.roi_ctl.configure(image=self.imgtk_roi, state='enable')
self.r_ctl.configure(text=str(r))
self.update_time = time.time()
try:
c = self.color_transform[color]
self.color_ctl.configure(text=c[0], background=c[1], state='enable')
except:
self.color_ctl.configure(state='disabled')
elif self.update_time + 8 < time.time():
self.roi_ctl.configure(state='disabled')
self.r_ctl.configure(text="")
self.color_ctl.configure(state='disabled')
def show_roi2(self, r, roi, color):
if r:
roi = cv2.cvtColor(roi, cv2.COLOR_BGR2RGB)
roi = Image.fromarray(roi)
self.imgtk_roi = ImageTk.PhotoImage(image=roi)
self.roi_ct2.configure(image=self.imgtk_roi, state='enable')
self.r_ct2.configure(text=str(r))
self.update_time = time.time()
try:
c = self.color_transform[color]
self.color_ct2.configure(text=c[0], background=c[1], state='enable')
except:
self.color_ct2.configure(state='disabled')
elif self.update_time + 8 < time.time():
self.roi_ct2.configure(state='disabled')
self.r_ct2.configure(text="")
self.color_ct2.configure(state='disabled')
def show_img_pre(self):
filename = config.get_name()
if filename.any():
debug.img_show(filename)
#摄像头功能未实现
def from_vedio(self):
if self.thread_run:
return
if self.camera is None:
self.camera = cv2.VideoCapture(0)
if not self.camera.isOpened():
mBox.showwarning('警告', '摄像头打开失败！')
self.camera = None
return
self.thread = threading.Thread(target=self.vedio_thread, args=(self,))
self.thread.setDaemon(True)
self.thread.start()
self.thread_run = True
def from_pic(self):
self.thread_run = False
self.pic_path = askopenfilename(title="选择识别图片", filetypes=[("jpg图片", "*.jpg"), ("png图片", "*.png")])
if self.pic_path:
img_bgr = img_math.img_read(self.pic_path)
first_img, oldimg = self.predictor.img_first_pre(img_bgr)
self.imgtk = self.get_imgtk(img_bgr)
self.image_ctl.configure(image=self.imgtk)
th1 = ThreadWithReturnValue(target=self.predictor.img_color_contours, args=(first_img, oldimg))
th2 = ThreadWithReturnValue(target=self.predictor.img_only_color, args=(oldimg, oldimg, first_img))
th1.start()
th2.start()
r_c, roi_c, color_c = th1.join()
r_color, roi_color, color_color = th2.join()
print(r_c, r_color)
self.show_roi2(r_color, roi_color, color_color)
self.show_roi1(r_c, roi_c, color_c)
@staticmethod
def vedio_thread(self):
self.thread_run = True
predict_time = time.time()
while self.thread_run:
_, img_bgr = self.camera.read()
self.imgtk = self.get_imgtk(img_bgr)
self.image_ctl.configure(image=self.imgtk)
if time.time() - predict_time > 2:
r, roi, color = self.predictor(img_bgr)
self.show_roi(r, roi, color)
predict_time = time.time()
print("run end")
def close_window():
print("destroy")
if surface.thread_run:
surface.thread_run = False
surface.thread.join(2.0)
win.destroy()
if __name__ == '__main__':
win = tk.Tk()
surface = Surface(win)
# close,退出输出destroy
win.protocol('WM_DELETE_WINDOW', close_window)
# 进入消息循环
win.mainloop()
