用opencv3写的超详细注释的车牌检测

#include"iostream"
#include"opencv2/opencv.hpp"
#include"opencv2/highgui/highgui.hpp"
#include"opencv2/core/core.hpp"
#include"opencv2/imgproc/imgproc.hpp"
using namespace std;
using namespace cv;

Mat grayimage, gaussianimage, threshimage;
int cols_start = 0, cols_end = 0;//记录车牌开始、结束列
int rows_start = 0, rows_end = 0;//记录车牌开始、结束行
const int row_thresh = 27;//判断一行是不是车牌有效值的阈值
const int col_thresh = 2;//判断一列是不是车牌有效值的阈值
int row[200];//存放含有车牌有效信息的第j行，把所有有效行放在一个数组里，统一管理，便于判断
int col[30];//存放含有车牌有效信息的第j列

int main()
{
 Mat srcimage = imread("E://opencv//car_plate1.jpg");
 if (!srcimage.data)
 {
  cerr << "Read picture error!" << endl;
  return 0;
 }
 cout << "输入图片的size为" << "(" << srcimage.rows << "," << srcimage.cols << ")" << endl << endl;

 grayimage.create(srcimage.size(), CV_8UC1);
 threshimage.create(srcimage.size(), CV_8UC1);
 gaussianimage.create(srcimage.size(), CV_8UC1);

 void find_UpandDown_row(Mat_ dstimage,Mat src);//查找车牌的上边线和下边线
 void find_LeftandRight_col(Mat_ dstimage, Mat src);//查找车牌的左边线和右边线
 void find_ROI(Mat src);//查找车牌区域

 cvtColor(srcimage, grayimage, COLOR_BGR2GRAY);//灰度化
 GaussianBlur(grayimage, gaussianimage, Size(5, 5), 0, 0);//高斯滤波
 Canny(gaussianimage, threshimage, 200, 100);//Canny边缘检测

 imshow("canny", threshimage);
 
 find_UpandDown_row(threshimage,srcimage);
 find_LeftandRight_col(threshimage, srcimage);
 find_ROI(srcimage);
 waitKey(0);
 return 0;
}

void find_UpandDown_row(Mat_ dstimage,Mat src)
{
 int k = 0;//统计符合车牌信息的行数
 /*判断每行是否是含有车牌信息的行，通过查看白点黑点交换的次数来决定的*/
 for (int j = 100; j < dstimage.rows -10; j++)//一般车牌位于中下方，而且图像上方和下方环境复杂，所以不去检查
 {
  int count = 0;//记录每行白点的个数
  for (int i = 0; i < dstimage.cols - 1; i++)
  {
   if (dstimage.at(j, i) != dstimage.at(j, i + 1))//比较同一行相邻两个像素值
    count++;
   if (count > row_thresh)
   {
    row[k++] = j;
    break;
   }
  }
 }
 cout <<"符合阈值的行数有："<< k+1 << endl;

 /*从上边开始，三行连续时认为是起始行*/
 for (int i = 0; i < k-2; i++)
 {
  if ((row[i] == row[i + 1] - 1) && (row[i] == row[i + 2] - 2))
  {
   rows_start = row[i];
   cout << "上划线所在的行数：" << rows_start << endl;
   break;
  }
 }
 line(src, Point(0, rows_start), Point(dstimage.cols - 1, rows_start), Scalar(0, 0, 255));

 /*从下边开始，三行连续时认为是起始行*/
 for (int i = k - 1; i > 1; i--)
 {
  if ((row[i] == row[i - 1] + 1) && (row[i] == row[i - 2] + 2))
  {
      rows_end = row[i];
   cout << "下划线所在的行数："<    break;
  }
 }
    line(src, Point(0, rows_end), Point(dstimage.cols - 1, rows_end), Scalar(0, 0, 255));

 imshow("原图", src);
}

void find_LeftandRight_col(Mat_ dstimage, Mat src)
{
 int k = 0;//统计符合车牌信息的列数
 /*判断每行是否是含有车牌信息的列，通过查看白点像素的个数*/
 for (int j = 10; j <  dstimage.cols -10; j++)
 {
  int count = 0;//记录每列白点的个数
  for (int i = rows_start; i < rows_end; i++)
  {
   if (dstimage.at(i, j) != dstimage.at(i+1, j))
    count++;
   if (count > 2)
   {
    col[k++] = j;
    break;
   }
  }
 }
 cout << "符合阈值的列数有：" << k + 1 << endl;

 /*从左边开始，三行连续时认为是起始行*/
 for (int i = 0; i < k - 2; i++)
 {
  if ((col[i] == col[i + 1] - 1) && (col[i] == col[i + 2] - 2))
  {
   cols_start = col[i];
   cout << "左划线所在的列数：" << cols_start << endl;
   break;
  }
 }
 line(src, Point(cols_start, rows_start), Point(cols_start, rows_end), Scalar(0, 0, 255));

 /*从右边开始，三行连续时认为是起始行*/
 for (int i = k - 1; i > 1; i--)
 {
  if ((col[i] == col[i - 1] + 1) && (col[i] == col[i - 2] + 2))
  {
   cols_end = col[i];
   cout << "右划线所在的列数：" << cols_end << endl;
   break;
  }
 }
 line(src, Point(cols_end, rows_start), Point(cols_end, rows_end), Scalar(0, 0, 255));

 imshow("原图", src);
}

void find_ROI(Mat src)
{
 /*构建以（cols_start,rows_start)为左上角，长为cols_end - cols_start，宽为rows_end - rows_start的矩阵*/
 Rect rect=Rect(cols_start, rows_start, cols_end - cols_start, rows_end - rows_start);
 Mat ROI=src(rect);//建立车牌的图像
 imshow("car_plate", ROI);
}

该代码只能从图片中找出车牌位置并分割出来，还不可以识别车牌字符；还有该代码只能识别图片内容比较简单和清晰的图片，不能识别模糊、环境复杂的图片，还有车牌倾斜的也不行，只适合供初学者参考学习，遇到不明白的地方可以在评论中提出问题；同样也希望大神们指点一下，让我有所改进。