### OpenCV C++ 实现车牌定位与二值化 #### 一、颜色空间转换 为了实现基于颜色空间的车牌定位，可以利用HSV颜色模型来区分蓝色区域（通常用于中国车牌）。通过设定合适的阈值范围筛选出目标颜色区域。代码如下： ```cpp cv::Mat image = cv::imread("car.jpg"); cv::Mat hsv; cv::cvtColor(image, hsv, cv::COLOR_BGR2HSV); // 定义蓝色范围 HSV中的H通道表示色调 S通道表示饱和度 V通道表示亮度 cv::Scalar lower_blue(100, 43, 46); cv::Scalar upper_blue(124, 255, 255); cv::Mat mask; cv::inRange(hsv, lower_blue, upper_blue, mask); ``` 此段代码实现了从BGR到HSV的颜色空间转换，并定义了一个蓝色范围以创建掩码[^1]。 #### 二、形态学操作 为了去除噪声并增强目标区域，在获取掩码后可执行开运算和闭运算等形态学操作。 ```cpp cv::Mat kernel = cv::getStructuringElement(cv::MORPH_RECT, cv::Size(17, 3)); cv::morphologyEx(mask, mask, cv::MORPH_CLOSE, kernel); cv::morphologyEx(mask, mask, cv::MORPH_OPEN, kernel); ``` 这些操作有助于平滑边界并连接断开的部分[^2]。 #### 三、轮廓检测与矩形边缘特征提取 接下来寻找掩码中的轮廓，并依据面积和宽高比例筛选可能属于车牌的候选区。 ```cpp std::vector<std::vector<cv::Point>> contours; cv::findContours(mask.clone(), contours, CV_RETR_EXTERNAL, CV_CHAIN_APPROX_SIMPLE); for (size_t i = 0; i < contours.size(); ++i) { double area = cv::contourArea(contours[i]); if (area < MIN_AREA || area > MAX_AREA) continue; cv::Rect rect = cv::boundingRect(contours[i]); float aspect_ratio = static_cast<float>(rect.width) / rect.height; if (aspect_ratio >= ASPECT_RATIO_MIN && aspect_ratio <= ASPECT_RATIO_MAX) { // 提取感兴趣区域作为潜在车牌位置 cv::rectangle(image, rect.tl(), rect.br(), cv::Scalar(0, 255, 0), 2); cv::Mat plate_roi = image(rect); processPlate(plate_roi); // 进一步处理车牌图像 } } ``` 这里`MIN_AREA`, `MAX_AREA`, `ASPECT_RATIO_MIN`, 和 `ASPECT_RATIO_MAX` 是预设参数用来过滤不符合条件的区域[^3]。 #### 四、自适应阈值二值化 最后对提取出来的车牌子图应用自适应阈值得到清晰的文字信息。 ```cpp void processPlate(const cv::Mat& plate) { cv::Mat gray_plate; cv::cvtColor(plate, gray_plate, cv::COLOR_BGR2GRAY); cv::Mat binary_plate; cv::adaptiveThreshold(gray_plate, binary_plate, 255, cv::ADAPTIVE_THRESH_MEAN_C, cv::THRESH_BINARY_INV, BLOCK_SIZE, CONSTANT_SUBTRACTED); cv::imshow("Binary Plate", binary_plate); cv::waitKey(); } ``` 这段程序展示了如何采用均值法完成自适应阈值计算过程[^4]。 ---