android端使用openCV实现车牌检测

        现在,汽车的踪影无处不在,公路上疾驰,大街边临停,小区中停靠,车库里停泊。管理监控如此庞大数量的汽车是个头疼的问题。精明的人们把目光放在车牌上,因为车牌是汽车的“身份证”。所以车牌识别成为了焦点,而车牌检测是车牌识别的基础和前提。本篇文章,主要讨论使用openCV实现车牌检测

        openCV是开源计算机视觉库,基于计算机视觉与机器学习,提供强大的图像处理能力。我们可以快速集成openCV库到android端,其中一种方式是直接安装openCV Manager,按需使用:启动服务去动态加载。这样前期配置更简单,但需要另外安装一个APK。我更倾向另外一种方式:把依赖的module和动态/静态库都导入Project。具体步骤如下:

        1、导入module

        先从官网下载openCVForAndroid的sdk,以3.2.0版本为例,找到依赖库路径,然后导入module。

        2、导入动态与静态库

        在sdk里面找到lib目录,把所有的.a和.so文件拷贝到项目的libs对应ABI路径下:

android端使用openCV实现车牌检测_第1张图片

        3、配置gradle

        将依赖的静态库编译到native-libs里面:

task nativeLibsToJar(type: Jar, description: 'create a jar archive of the native libs') {
    destinationDir file("$buildDir/native-libs")
    baseName 'native-libs'
    from fileTree(dir: 'libs', include: '**/*.so')
    into 'lib/'
}

tasks.withType(JavaCompile) {
    compileTask -> compileTask.dependsOn(nativeLibsToJar)
}
        
dependencies {
    compile fileTree(include: ['*.jar'], dir: 'libs')
    compile fileTree(dir: "$buildDir/native-libs", include: 'native-libs.jar')
    ......
}

        好了,经过配置三步曲,我们就可以愉快地使用openCV了。

-----------------------------------------------------中场休息-----------------------------------------------------------------

        接下来是调用三步曲:加载openCV、初始化车牌检测器和执行车牌检测

        1、加载openCV

        调用openCVLoader去加载,如果加载成功进行下一步操作:

    private void initOpenCV(){
        boolean result = OpenCVLoader.initDebug();
        if(result){
            Log.i(TAG, "initOpenCV success...");
            //初始化车牌检测器
            mPlateDetector = new ObjectDetector(this, R.raw.haarcascade_license_plate,
                    3, new Scalar(255, 0, 0, 0));
            mObject = new MatOfRect();
        }else {
            Log.e(TAG, "initOpenCV fail...");
        }
    }
        2、初始化检测器

        使用车牌检测的级联分类xml文件进行初始化:

    /**
     * 创建级联分类器
     * @param context 上下文
     * @param id      级联分类器ID
     * @return 级联分类器
     */
    private CascadeClassifier createDetector(Context context, int id) {
        CascadeClassifier javaDetector;
        InputStream is = null;
        FileOutputStream os = null;
        try {
            is = context.getResources().openRawResource(id);
            File cascadeDir = context.getDir(LICENSE_PLATE_MODEL, Context.MODE_PRIVATE);
            File cascadeFile = new File(cascadeDir, id + ".xml");
            os = new FileOutputStream(cascadeFile);

            byte[] buffer = new byte[4096];
            int bytesRead;
            while ((bytesRead = is.read(buffer)) != -1) {
                os.write(buffer, 0, bytesRead);
            }

            javaDetector = new CascadeClassifier(cascadeFile.getAbsolutePath());
            if (javaDetector.empty()) {
                javaDetector = null;
            }

            boolean delete = cascadeDir.delete();
            Log.i("ObjectDetector", "deleteResult=" + delete);
            return javaDetector;
        } catch (IOException e) {
            e.printStackTrace();
            return null;
        } finally {
            try {
                if (null != is) {
                    is.close();
                }
                if (null != os) {
                    os.close();
                }
            } catch (IOException e) {
                e.printStackTrace();
            }
        }
    }
        3、执行车牌检测

        由于openCV操作对象是Mat,所以我们得把Bitmap转成Mat,然后转成Gray灰度图去进行检测:

    /**
     * 执行车牌检测
     * @param bitmap bitmap
     * @return 车牌检测后的bitmap
     */
    private Bitmap doPlateDetecting(Bitmap bitmap){
        if(mPlateDetector != null && bitmap != null){
            Mat mRgba = new Mat();
            Mat mGray = new Mat();
            //bitmap转成map
            Utils.bitmapToMat(bitmap, mRgba);
            //rgba转成灰度图
            Imgproc.cvtColor(mRgba, mGray, Imgproc.COLOR_RGBA2GRAY);
            // 检测车牌
            Rect[] object = mPlateDetector.detectObject(mGray, mObject);
            if(object != null && object.length > 0){
                //检测到车牌区域
                Rect rect = object[0];
                //矩形标识
                Imgproc.rectangle(mRgba, rect.tl(), rect.br(), mPlateDetector.getRectColor(), 3);
            }
            //mat转回bitmap
            Utils.matToBitmap(mRgba, bitmap);
        }
        return bitmap;
    }
        其中,detectObject方法体是调用cascadeClassifier的detectMultiScale来完成检测的:

    public Rect[] detectObject(Mat gray, MatOfRect object) {
        mCascadeClassifier.detectMultiScale(
                gray, // 要检查的灰度图像
                object, // 检测到的车牌
                1.1, // 表示在前后两次相继的扫描中,搜索窗口的比例系数
                mMinNeighbors, // 默认是3
                Objdetect.CASCADE_SCALE_IMAGE,
                getSize(gray, 80), // 检测目标最小值
                getSize(gray, 800)); // 检测目标最大值

        return object.toArray();
    }
        折腾了这么久,让我们看看车牌检测结果:

android端使用openCV实现车牌检测_第2张图片
        上面的车牌几乎是水平的,那么倾斜的车牌能不能检测到呢?真相就在下面:

android端使用openCV实现车牌检测_第3张图片
        角度发生倾斜的车牌也是可以检测出来,但是在后期的车牌识别,需要进行倾斜校正。如果静态检测还不够意思,那么请看动态检测的效果(转换出来的gif有点模糊,各位莫怪):

android端使用openCV实现车牌检测_第4张图片

        接下来的一篇博客会与大家一起探讨车牌识别,敬请期待。欢迎各位热爱openCV与图像处理的朋友提出建议,相互学习。

你可能感兴趣的:(android开发,opencv,图片处理,车牌检测,openCV)