C++计算机视觉车牌识别实战：从OpenCV基础到完整项目实现

1次阅读

共计 1636 个字符，预计需要花费 5 分钟才能阅读完成。

车牌识别作为计算机视觉的经典应用，看似简单却暗藏玄机。我刚开始尝试时，经常遇到这些问题：阴天识别率暴跌、倾斜车牌无法处理、字符粘连导致分割失败。传统方法依赖固定阈值和规则判断，就像用尺子量波浪——根本抓不住变化。

经过多次踩坑，我总结出这样的工具组合：

OpenCV：图像处理核心库，好比视觉项目的瑞士军刀
DNN 模块 ：适合复杂场景，但需要大量标注数据
传统算法 ：灵活可控，对硬件要求低

推荐新手先用传统方法打好基础，就像学骑车先装辅助轮。

// RGB 转 HSV 更易提取车牌颜色
Mat hsv;
cvtColor(src, hsv, COLOR_BGR2HSV);
// 蓝色车牌范围（不同地区需调整）inRange(hsv, Scalar(100, 70, 70), Scalar(124, 255, 255), mask);

先腐蚀去除小噪点
再膨胀连接断裂区域
最后闭运算填充内部空隙

就像用梳子梳理字符间距：

// 计算垂直方向像素投影
for (int col = 0; col < binary.cols; ++col) {
    int count = 0;
    for (int row = 0; row < binary.rows; ++row) {if (binary.at<uchar>(row, col) == 255) count++;
    }
    projection[col] = count;
}

配合 findContours() 精确定位每个字符的边界框，注意过滤过小区域。

适合字体规范的车牌，就像玩找不同游戏：

// 加载模板字符
vector<Mat> templates = loadTemplates();
// 归一化匹配
matchTemplate(charROI, template, result, TM_CCOEFF_NORMED);

更智能但需要训练数据：

收集 500+ 字符样本
提取 HOG 特征
训练分类模型

// 谷歌风格代码示例
#include <opencv2/opencv.hpp>

class LicensePlateRecognizer {
 public:
  explicit LicensePlateRecognizer(const string& templatePath);

  struct RecognitionResult {
    string plateNumber;
    Rect platePosition;
    double confidence;
  };

  RecognitionResult recognize(const Mat& inputImage);

 private:
  Mat preprocessImage(const Mat& src);
  vector<Rect> locatePlates(const Mat& binary);
  vector<Mat> segmentCharacters(const Mat& plateROI);
  string recognizeCharacters(const vector<Mat>& chars);
};