import cv2
from matplotlib import pyplot as plt
import os
import numpy as np


# plt顯示彩色圖片
def plt_show0(img):
? ? # cv2與plt的圖像通道不同：cv2為[b,g,r];plt為[r, g, b]
? ? b, g, r = cv2.split(img)
? ? img = cv2.merge([r, g, b])
? ? plt.imshow(img)
? ? plt.show()
? ??
# plt顯示灰度圖片
def plt_show(img):
? ? plt.imshow(img, cmap='gray')
? ??
? ? plt.show()
# 圖像去噪灰度處理
def gray_guss(image):
? ? image = cv2.GaussianBlur(image, (3, 3), 0)
? ? gray_image = cv2.cvtColor(image, cv2.COLOR_RGB2GRAY)
? ? return gray_image
# 讀取待檢測圖片
origin_image = cv2.imread('img。png')

# 復(fù)制一張圖片，在復(fù)制圖上進行圖像操作，保留原圖
image = origin_image.copy()

# 圖像去噪灰度處理
gray_image = gray_guss(image)
# x方向上的邊緣檢測（增強邊緣信息）
Sobel_x = cv2.Sobel(gray_image, cv2.CV_16S, 1, 0)
absX = cv2.convertScaleAbs(Sobel_x)
image = absX
# 圖像閾值化操作——獲得二值化圖
ret, image = cv2.threshold(image, 0, 255, cv2.THRESH_OTSU)
# 顯示灰度圖像
plt_show(image)
# 形態(tài)學(xué)（從圖像中提取對表達和描繪區(qū)域形狀有意義的圖像分量）——閉操作
kernelX = cv2.getStructuringElement(cv2.MORPH_RECT, (30, 10))
image = cv2.morphologyEx(image, cv2.MORPH_CLOSE, kernelX,iterations = 1)
# 顯示灰度圖像
plt_show(image)

# 腐蝕（erode）和膨脹（dilate）
kernelX = cv2.getStructuringElement(cv2.MORPH_RECT, (50, 1))
kernelY = cv2.getStructuringElement(cv2.MORPH_RECT, (1, 20))

#x方向進行閉操作（抑制暗細(xì)節(jié)）
image = cv2.dilate(image, kernelX)
image = cv2.erode(image, kernelX)

#y方向的開操作
image = cv2.erode(image, kernelY)
image = cv2.dilate(image, kernelY)
# 中值濾波（去噪）
image = cv2.medianBlur(image, 21)
# 顯示灰度圖像
plt_show(image)
# 獲得輪廓
contours, hierarchy = cv2.findContours(image, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)

for item in contours:
? ? rect = cv2.boundingRect(item)
? ? x = rect[0]
? ? y = rect[1]
? ? weight = rect[2]
? ? height = rect[3]
??
? ? # 根據(jù)輪廓的形狀特點，確定車牌的輪廓位置并截取圖像
? ? if (weight > (height * 3.5)) and (weight < (height * 4)):
? ? ? ? image = origin_image[y:y + height, x:x + weight]
? ? ? ? plt_show0(image)


#車牌字符分割
# 圖像去噪灰度處理
gray_image = gray_guss(image)

# 圖像閾值化操作——獲得二值化圖
ret, image = cv2.threshold(gray_image, 0, 255, cv2.THRESH_OTSU)
plt_show(image)

#膨脹操作，使“蘇”字膨脹為一個近似的整體，為分割做準(zhǔn)備
kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (2, 2))
image = cv2.dilate(image, kernel)
plt_show(image)


contours, hierarchy = cv2.findContours(image, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
words = []
word_images = []
for item in contours:
? ? word = []
? ? rect = cv2.boundingRect(item)
? ? x = rect[0]
? ? y = rect[1]
? ? weight = rect[2]
? ? height = rect[3]
? ? word.append(x)
? ? word.append(y)
? ? word.append(weight)
? ? word.append(height)
? ? words.append(word)
words = sorted(words,key=lambda s:s[0],reverse=False)
i = 0
for word in words:
? ? if (word[3] > (word[2] * 1.5)) and (word[3] < (word[2] * 3.5)) and (word[2] > 25):
? ? ? ? i = i+1
? ? ? ? splite_image = image[word[1]:word[1] + word[3], word[0]:word[0] + word[2]]
? ? ? ? word_images.append(splite_image)
? ? ? ? print(i)
print(words)

for i,j in enumerate(word_images):
? ? plt.subplot(1,7,i+1)
? ? plt.imshow(word_images[i],cmap='gray')
plt.show()

#模版匹配
# 準(zhǔn)備模板(template[0-9]為數(shù)字模板；)
template = ['0','1','2','3','4','5','6','7','8','9',
? ? ? ? ? ? 'A','B','C','D','E','F','G','H','J','K','L','M','N','P','Q','R','S','T','U','V','W','X','Y','Z',
? ? ? ? ? ? '藏','川','鄂','甘','贛','貴','桂','黑','滬','吉','冀','津','晉','京','遼','魯','蒙','閩','寧',
? ? ? ? ? ? '青','瓊','陜','蘇','皖','湘','新','渝','豫','粵','云','浙']

# 讀取一個文件夾下的所有圖片，輸入?yún)?shù)是文件名，返回模板文件地址列表
def read_directory(directory_name):
? ? referImg_list = []
? ? for filename in os.listdir(directory_name):
? ? ? ? referImg_list.append(directory_name + "/" + filename)
? ? return referImg_list
# 獲得中文模板列表（只匹配車牌的第一個字符）
def get_chinese_words_list():
? ? chinese_words_list = []
? ? for i in range(34,64):
? ? ? ? #將模板存放在字典中
? ? ? ? c_word = read_directory('./refer1/'+ template[i])
? ? ? ? chinese_words_list.append(c_word)
? ? return chinese_words_list
chinese_words_list = get_chinese_words_list()

# 獲得英文模板列表（只匹配車牌的第二個字符）
def get_eng_words_list():
? ? eng_words_list = []
? ? for i in range(10,34):
? ? ? ? e_word = read_directory('./refer1/'+ template[i])
? ? ? ? eng_words_list.append(e_word)
? ? return eng_words_list
eng_words_list = get_eng_words_list()
# 獲得英文和數(shù)字模板列表（匹配車牌后面的字符）
def get_eng_num_words_list():
? ? eng_num_words_list = []
? ? for i in range(0,34):
? ? ? ? word = read_directory('./refer1/'+ template[i])
? ? ? ? eng_num_words_list.append(word)
? ? return eng_num_words_list
eng_num_words_list = get_eng_num_words_list()
# 讀取一個模板地址與圖片進行匹配，返回得分
def template_score(template,image):
template_img=cv2.imdecode(np.fromfile(template,dtype=np.uint8),1)
? ? template_img = cv2.cvtColor(template_img, cv2.COLOR_RGB2GRAY)
? ? #模板圖像閾值化處理——獲得黑白圖
? ? ret, template_img = cv2.threshold(template_img, 0, 255, cv2.THRESH_OTSU)

? ? image_ = image.copy()

? ? height, width = image_.shape
? ? template_img = cv2.resize(template_img, (width, height))
? ? result = cv2.matchTemplate(image_, template_img, cv2.TM_CCOEFF)
? ? return result[0][0]
# 對分割得到的字符逐一匹配
def template_matching(word_images):
? ? results = []
? ? for index,word_image in enumerate(word_images):
? ? ? ? if index==0:
? ? ? ? ? ? best_score = []
? ? ? ? ? ? for chinese_words in chinese_words_list:
? ? ? ? ? ? ? ? score = []
? ? ? ? ? ? ? ? for chinese_word in chinese_words:
? ? ? ? ? ? ? ? ? ? result = template_score(chinese_word,word_image)
? ? ? ? ? ? ? ? ? ? score.append(result)
? ? ? ? ? ? ? ? best_score.append(max(score))
? ? ? ? ? ? i = best_score.index(max(best_score))
? ? ? ? ? ? # print(template[34+i])
? ? ? ? ? ? r = template[34+i]
? ? ? ? ? ? results.append(r)
? ? ? ? ? ? continue
? ? ? ? if index==1:
? ? ? ? ? ? best_score = []
? ? ? ? ? ? for eng_word_list in eng_words_list:
? ? ? ? ? ? ? ? score = []
? ? ? ? ? ? ? ? for eng_word in eng_word_list:
? ? ? ? ? ? ? ? ? ? result = template_score(eng_word,word_image)
? ? ? ? ? ? ? ? ? ? score.append(result)
? ? ? ? ? ? ? ? best_score.append(max(score))
? ? ? ? ? ? i = best_score.index(max(best_score))
? ? ? ? ? ? # print(template[10+i])
? ? ? ? ? ? r = template[10+i]
? ? ? ? ? ? results.append(r)
? ? ? ? ? ? continue
? ? ? ? else:
? ? ? ? ? ? best_score = []
? ? ? ? ? ? for eng_num_word_list in eng_num_words_list:
? ? ? ? ? ? ? ? score = []
? ? ? ? ? ? ? ? for eng_num_word in eng_num_word_list:
? ? ? ? ? ? ? ? ? ? result = template_score(eng_num_word,word_image)
? ? ? ? ? ? ? ? ? ? score.append(result)
? ? ? ? ? ? ? ? best_score.append(max(score))
? ? ? ? ? ? i = best_score.index(max(best_score))
? ? ? ? ? ? # print(template[i])
? ? ? ? ? ? r = template[i]
? ? ? ? ? ? results.append(r)
? ? ? ? ? ? continue
? ? return results
word_images_ = word_images.copy()
result = template_matching(word_images_)
print(result)

print( "".join(result))
# 未完結(jié)----------------