python+opencv生成较真实的车牌号码图片 |
您所在的位置：网站首页 › 在线生成车牌图片大全下载 › python+opencv生成较真实的车牌号码图片 |
python+opencv生成较真实的车牌号码图片
|
本文参考github代码：https://github.com/loveandhope/license-plate-generator 效果：
一、代码目录结构：
background目录下存放各种背景图片 font目录下存放车牌中文、字符的ttf字体 images目录下存放蓝色底牌、新能源绿色底牌、污渍（噪声）的图片 完整代码可参考：https://download.csdn.net/download/benben044/87546578?spm=1001.2014.3001.5503 二、生成流程 本代码可以根据车牌list生成对应的车牌图片list。 （1）生成白底黑字的车牌号码图片 首先，生成一个白底的空白车牌号图片 img = np.array(Image.new("RGB", (880, 280), (255, 255, 255)))然后，逐字（字符）生成图片 ImageDraw.Draw(img).text((0, self.height_offset), char, self.fg_color, font=self.font_en)最后，将上一步生成的图片逐个复制到上上一步步生成的图片中 img[:, char_width_start:char_width_end] = self.generate_char_image(plate_num[i])因为生成的图片和img的第一维（height）大小相同，所以在img中直接使用符号":"。 （2）生成车牌底牌 直接读取底牌的图片即可。 plate_image = cv2.imread(LicensePlateImageGenerator.single_blue_plate_bg)（3）生成最后的车牌图片（以蓝牌为例） 首先，将文字图片转为黑底白字 img = cv2.bitwise_not(char_img) 此时，背景部分值为0，字部分值为255。 然后，将黑底背景变为蓝色底牌背景 img = cv2.bitwise_or(img, template_image) 此时，黑色背景值0 与 蓝色背景值x进行二进制的or操作，只保留了蓝色背景值，实现了背景的替换。 （4）数据增强（增加噪声） 高斯模糊： 通过cv2.blur() 方法实现 高斯噪声： def add_single_channel_noise(self, single): """ 添加高斯噪声 :param single: 单一通道的图像数据 """ diff = 255 - single.max() noise = np.random.normal(0, 1 + self.rand_reduce(6), single.shape) noise = (noise - noise.min()) / (noise.max() - noise.min()) noise = diff * noise noise = noise.astype(np.uint8) dst = single + noise return dst添加污渍： 通过cv2.bitwise_not() 和cv2.bitwise_and()操作完成 添加饱和度光照的噪声： 通过调整HSV颜色空间实现， Hue：色调Saturation：饱和度Value：明亮度 hsv = cv2.cvtColor(img, cv2.COLOR_BGR2HSV) # 色调，饱和度，亮度 hsv[:, :, 0] = hsv[:, :, 0] * (self.hue_keep + np.random.random() * (1 - self.hue_keep)) hsv[:, :, 1] = hsv[:, :, 1] * (self.saturation_keep + np.random.random() * (1 - self.saturation_keep)) hsv[:, :, 2] = hsv[:, :, 2] * (self.value_keep + np.random.random() * (1 - self.value_keep)) img = cv2.cvtColor(hsv, cv2.COLOR_HSV2BGR)添加透视变换： 透视变换api整体和放射变化类似，先通过点与点的映射关系获取变换矩阵，然后再将图形进行转换。 以左向投影为例：
其计算过程如下： 寻找源图像中4个点和目标图像中的4个点，在左向倾斜时右边两个顶点的height值会做修改。 shape = img.shape size_src = (shape[1], shape[0]) # width, height # 源图像四个顶点坐标 pts1 = np.float32([[0, 0], [0, size_src[1]], [size_src[0], 0], [size_src[0], size_src[1]]]) # 计算图片进行投影倾斜后的位置 interval = abs(int(math.sin((float(angle) / 180) * math.pi) * shape[0])) # 目标图像上四个顶点的坐标 if is_left: pts2 = np.float32([[0, 0], [0, size_src[1]], [size_src[0], interval], [size_src[0], size_src[1] - interval]]) else: pts2 = np.float32([[0, interval], [0, size_src[1] - interval], [size_src[0], 0], [size_src[0], size_src[1]]]) # 获取 3x3的投影映射/透视变换 矩阵 matrix = cv2.getPerspectiveTransform(pts1, pts2) dst = cv2.warpPerspective(img, matrix, size_src)
三、python代码： import os from PIL import ImageFont from PIL import Image from PIL import ImageDraw import numpy as np import cv2 import random import math class CharsImageGenerator(object): """生成字符图像，背景为白色，字体为黑色""" # 数字和英文字母列表 numerals = ['0', '1', '2', '3', '4', '5', '6', '7', '8', '9'] alphabet = ['A', 'B', 'C', 'D', 'E', 'F', 'G', 'H', 'I', 'J', 'K', 'L', 'M', 'N', 'O', 'P', 'Q', 'R', 'S', 'T', 'U', 'V', 'W', 'X', 'Y', 'Z'] def __init__(self, plate_type): self.plate_type = plate_type # 字符图片参数 self.font_ch = ImageFont.truetype("./font/platech.ttf", 180, 0) # 中文字体格式 self.font_en = ImageFont.truetype('./font/platechar.ttf', 240, 0) # 英文字体格式 self.bg_color = (255, 255, 255) # 车牌背景颜色 self.fg_color = (0, 0, 0) # 车牌号的字体颜色 self.plate_height = 280 # 车牌高度 self.left_offset = 32 # 车牌号左边第一个字符的偏移量 self.height_offset = 10 # 高度方向的偏移量 self.char_height = 180 # 字符高度 self.chinese_original_width = 180 # 中文字符原始宽度 self.english_original_width = 90 # 非中文字符原始宽度 if plate_type in ['single_blue', 'single_yellow']: self.char_num = 7 self.char_width = 90 # 字符校正后的宽度 self.plate_width = 880 # 车牌的宽度 self.char_interval = 24 # 字符间的间隔 self.point_size = 20 # 第2个字符与第三个字符间有一个点，该点的尺寸 elif plate_type == 'small_new_energy': self.char_num = 8 self.first_char_width = 90 # 第一个字符校正后的宽度 self.char_width = 86 # 其余字符校正后宽度 self.plate_width = 960 # 车牌的宽度 self.char_interval = 18 # 字符间的间隔 self.point_size = 62 # 第2个字符与第三个字符间有一个点，该点的尺寸 else: raise ValueError('目前不支持该类型车牌！') def generate_images(self, plate_num_str_list): if self.plate_type in ['single_blue', 'single_yellow', ]: plate_images = self.generate_440_140_plate(plate_num_str_list) elif self.plate_type == 'small_new_energy': plate_images = self.generate_480_140_plate(plate_num_str_list) else: raise ValueError('该类型车牌目前功能尚未完成！') return plate_images def generate_440_140_plate(self, plate_num_str_list): """ 生成440 * 140尺寸的7位车牌字符图片 :param plate_nums: :return: """ plate_images = list() for plate_num in plate_num_str_list: # 创建空白车牌号图片 img = np.array(Image.new("RGB", (self.plate_width, self.plate_height), self.bg_color)) # 每个字符的x轴起始、终止位置 char_width_start = self.left_offset char_width_end = char_width_start + self.char_width img[:, char_width_start:char_width_end] = self.generate_char_image( plate_num[0]) # 生成的图片和img的第一维大小相同，所以在img中直接使用符号":" char_width_start = char_width_end + self.char_interval char_width_end = char_width_start + self.char_width img[:, char_width_start:char_width_end] = self.generate_char_image(plate_num[1]) # 隔开特殊间隙，继续添加车牌的后续车牌号 char_width_end = char_width_end + self.point_size + self.char_interval for i in range(2, len(plate_num)): char_width_start = char_width_end + self.char_interval char_width_end = char_width_start + self.char_width img[:, char_width_start:char_width_end] = self.generate_char_image(plate_num[i]) plate_images.append(img) # chars_image debug # cv2.imshow("chars_image debug", img) # cv2.waitKey() return plate_images def generate_char_image(self, char): """ 生成字符图片 :param char: 字符 :return: """ # 根据是否中文字符，选择生成模式 if char in CharsImageGenerator.numerals or char in CharsImageGenerator.alphabet: img = self.generate_en_char_image(char) else: img = self.generate_ch_char_image(char) return img def generate_ch_char_image(self, char): """ 生成中文字符图片 :param char: 待生成的中文字符 """ img = Image.new("RGB", (self.chinese_original_width, self.plate_height), self.bg_color) ImageDraw.Draw(img).text((0, self.height_offset), char, self.fg_color, font=self.font_ch) img = img.resize((self.char_width, self.plate_height)) return np.array(img) def generate_en_char_image(self, char): """" 生成英文字符图片 :param char: 待生成的英文字符 """ img = Image.new("RGB", (self.english_original_width, self.plate_height), self.bg_color) ImageDraw.Draw(img).text((0, self.height_offset), char, self.fg_color, font=self.font_en) img = img.resize((self.char_width, self.plate_height)) return np.array(img) class LicensePlateImageGenerator(object): """根据车牌类型生成底牌图片""" single_blue_plate_bg = './images/single_blue.bmp' small_new_energy_plate_bg = './images/small_new_energy.jpg' def __init__(self, plate_type): self.plate_type = plate_type if plate_type == 'single_blue': plate_image = cv2.imread(LicensePlateImageGenerator.single_blue_plate_bg) elif plate_type == 'small_new_energy': plate_image = cv2.imread(LicensePlateImageGenerator.small_new_energy_plate_bg) else: raise ValueError('该类型车牌目前功能尚未完成！') # template_image debug # cv2.imshow("template_image debug", plate_image) # cv2.waitKey() self.bg = plate_image def generate_template_image(self, width, height): return cv2.resize(self.bg, (width, height)) class ImageAugmentation(object): """图像增强操作：HSV变化，添加背景，高斯噪声，污渍""" horizontal_sight_directions = ('left', 'mid', 'right') vertical_sight_directions = ('up', 'mid', 'down') def __init__(self, plate_type, template_image): self.plate_type = plate_type # 确定字符颜色是否应该为黑色 if plate_type == 'single_blue': # 字符为白色 self.is_black_char = False elif plate_type in ['single_yellow', 'small_new_energy']: # 字符为黑字 self.is_black_char = True else: raise ValueError('暂时不支持该类型车牌') self.template_image = template_image # 透视变换 self.angle_horizontal = 15 self.angle_vertical = 15 self.angle_up_down = 10 self.angle_left_right = 5 self.factor = 10 # 色调，饱和度，亮度 self.hue_keep = 0.8 self.saturation_keep = 0.3 self.value_keep = 0.2 # 自然环境照片的路径列表 self.env_data_paths = ImageAugmentation.search_file("background") # 高斯噪声level self.level = 1 + ImageAugmentation.rand_reduce(4) # 污渍 self.smu = cv2.imread("images/smu.jpg") def left_right_transfer(self, img, is_left=True, angle=None): """ 左右视角，默认左视角 :param img: :param is_left: :param angle: 角度 :return: """ if angle is None: angle = self.angle_left_right shape = img.shape size_src = (shape[1], shape[0]) # width, height # 源图像四个顶点坐标 pts1 = np.float32([[0, 0], [0, size_src[1]], [size_src[0], 0], [size_src[0], size_src[1]]]) # 计算图片进行投影倾斜后的位置 interval = abs(int(math.sin((float(angle) / 180) * math.pi) * shape[0])) # 目标图像上四个顶点的坐标 if is_left: pts2 = np.float32([[0, 0], [0, size_src[1]], [size_src[0], interval], [size_src[0], size_src[1] - interval]]) else: pts2 = np.float32([[0, interval], [0, size_src[1] - interval], [size_src[0], 0], [size_src[0], size_src[1]]]) # 获取 3x3的投影映射/透视变换 矩阵 matrix = cv2.getPerspectiveTransform(pts1, pts2) dst = cv2.warpPerspective(img, matrix, size_src) return dst, matrix, size_src def up_down_transfer(self, img, is_down=True, angle=None): """ 上下视角，默认下视角 :param img: 正面视角原始图片 :param is_down: 是否下视角 :param angle: 角度 :return: """ if angle is None: angle = self.rand_reduce(self.angle_up_down) shape = img.shape size_src = (shape[1], shape[0]) # 源图像四个顶点坐标 pts1 = np.float32([[0, 0], [0, size_src[1]], [size_src[0], 0], [size_src[0], size_src[1]]]) # 计算图片进行投影倾斜后的位置 interval = abs(int(math.sin((float(angle) / 180) * math.pi) * shape[0])) # 目标图像上四个顶点的坐标 if is_down: pts2 = np.float32([[interval, 0], [0, size_src[1]], [size_src[0] - interval, 0], [size_src[0], size_src[1]]]) else: pts2 = np.float32([[0, 0], [interval, size_src[1]], [size_src[0], 0], [size_src[0] - interval, size_src[1]]]) # 获取 3x3的投影映射/透视变换 矩阵 matrix = cv2.getPerspectiveTransform(pts1, pts2) dst = cv2.warpPerspective(img, matrix, size_src) return dst, matrix, size_src def vertical_tilt_transfer(self, img, is_left_high=True): """ 添加按照指定角度进行垂直倾斜(上倾斜或下倾斜，最大倾斜角度self.angle_vertical一半） :param img: 输入图像的numpy :param is_left_high: 图片投影的倾斜角度，左边是否相对右边高 """ angle = self.rand_reduce(self.angle_vertical) shape = img.shape size_src = [shape[1], shape[0]] # 源图像四个顶点坐标 pts1 = np.float32([[0, 0], [0, size_src[1]], [size_src[0], 0], [size_src[0], size_src[1]]]) # 计算图片进行上下倾斜后的距离，及形状 interval = abs(int(math.sin((float(angle) / 180) * math.pi) * shape[1])) size_target = (int(math.cos((float(angle) / 180) * math.pi) * shape[1]), shape[0] + interval) # 目标图像上四个顶点的坐标 if is_left_high: pts2 = np.float32([[0, 0], [0, size_target[1] - interval], [size_target[0], interval], [size_target[0], size_target[1]]]) else: pts2 = np.float32([[0, interval], [0, size_target[1]], [size_target[0], 0], [size_target[0], size_target[1] - interval]]) # 获取 3x3的投影映射/透视变换 矩阵 matrix = cv2.getPerspectiveTransform(pts1, pts2) dst = cv2.warpPerspective(img, matrix, size_target) return dst, matrix, size_target def horizontal_tilt_transfer(self, img, is_right_tilt=True): """ 添加按照指定角度进行水平倾斜(右倾斜或左倾斜，最大倾斜角度self.angle_horizontal一半） :param img: 输入图像的numpy :param is_right_tilt: 图片投影的倾斜方向（右倾，左倾） """ angle = self.rand_reduce(self.angle_horizontal) shape = img.shape size_src = [shape[1], shape[0]] # 源图像四个顶点坐标 pts1 = np.float32([[0, 0], [0, size_src[1]], [size_src[0], 0], [size_src[0], size_src[1]]]) # 计算图片进行左右倾斜后的距离，及形状 interval = abs(int(math.sin((float(angle) / 180) * math.pi) * shape[0])) size_target = (shape[1] + interval, int(math.cos((float(angle) / 180) * math.pi) * shape[0])) # 目标图像上四个顶点的坐标 if is_right_tilt: pts2 = np.float32([[interval, 0], [0, size_target[1]], [size_target[0], 0], [size_target[0] - interval, size_target[1]]]) else: pts2 = np.float32([[0, 0], [interval, size_target[1]], [size_target[0] - interval, 0], [size_target[0], size_target[1]]]) # 获取 3x3的投影映射/透视变换 矩阵 matrix = cv2.getPerspectiveTransform(pts1, pts2) dst = cv2.warpPerspective(img, matrix, size_target) return dst, matrix, size_target def sight_transfer(self, images, horizontal_sight_direction, vertical_sight_direction): """ 对图片进行视角变换 :param images: :param horizontal_sight_direction: 水平视角变换方向 :param vertical_sight_direction: 垂直视角变换方向 :return: """ flag = 0 img_num = len(images) # 左右视角 if horizontal_sight_direction == 'left': flag += 1 images[0], matrix, size = self.left_right_transfer(images[0], is_left=True) for i in range(1, img_num): images[i] = cv2.warpPerspective(images[i], matrix, size) elif horizontal_sight_direction == 'right': flag -= 1 images[0], matrix, size = self.left_right_transfer(images[0], is_left=False) for i in range(1, img_num): images[i] = cv2.warpPerspective(images[i], matrix, size) else: pass # 上下视角 if vertical_sight_direction == 'down': flag += 1 images[0], matrix, size = self.up_down_transfer(images[0], is_down=True) for i in range(1, img_num): images[i] = cv2.warpPerspective(images[i], matrix, size) elif vertical_sight_direction == 'up': flag -= 1 images[0], matrix, size = self.up_down_transfer(images[0], is_down=False) for i in range(1, img_num): images[i] = cv2.warpPerspective(images[i], matrix, size) else: pass # 左下视角 或 右上视角 if abs(flag) == 2: images[0], matrix, size = self.vertical_tilt_transfer(images[0], is_left_high=True) for i in range(1, img_num): images[i] = cv2.warpPerspective(images[i], matrix, size) images[0], matrix, size = self.horizontal_tilt_transfer(images[0], is_right_tilt=True) for i in range(1, img_num): images[i] = cv2.warpPerspective(images[i], matrix, size) # 左上视角 或 右下视角 elif abs(flag) == 1: images[0], matrix, size = self.vertical_tilt_transfer(images[0], is_left_high=False) for i in range(1, img_num): images[i] = cv2.warpPerspective(images[i], matrix, size) images[0], matrix, size = self.horizontal_tilt_transfer(images[0], is_right_tilt=False) for i in range(1, img_num): images[i] = cv2.warpPerspective(images[i], matrix, size) else: pass return images @staticmethod def search_file(search_path, file_format='.jpg'): """在指定目录search_path下，递归目录搜索指定尾缀的文件""" file_path_list = [] for root_path, dir_names, file_names in os.walk(search_path): for filename in file_names: if filename.endswith(file_format): file_path_list.append(os.path.join(root_path, filename)) return file_path_list @staticmethod def rand_reduce(val): return int(np.random.random() * val) def add_gauss(self, img, level=None): """ 添加高斯模糊 :param img: 待加噪图片 :param level: 加噪水平 """ if level is None: level = self.level return cv2.blur(img, (level * 2 + 1, level * 2 + 1)) def add_single_channel_noise(self, single): """ 添加高斯噪声 :param single: 单一通道的图像数据 """ diff = 255 - single.max() noise = np.random.normal(0, 1 + self.rand_reduce(6), single.shape) noise = (noise - noise.min()) / (noise.max() - noise.min()) noise = diff * noise noise = noise.astype(np.uint8) dst = single + noise return dst def add_noise(self, img): """添加噪声""" img[:, :, 0] = self.add_single_channel_noise(img[:, :, 0]) img[:, :, 1] = self.add_single_channel_noise(img[:, :, 1]) img[:, :, 2] = self.add_single_channel_noise(img[:, :, 2]) return img def add_smudge(self, img, smu=None): """添加污渍""" if smu is None: smu = self.smu # 截取某一部分 rows = self.rand_reduce(smu.shape[0] - img.shape[0]) cols = self.rand_reduce(smu.shape[1] - img.shape[1]) add_smu = smu[rows:rows + img.shape[0], cols:cols + img.shape[1]] img = cv2.bitwise_not(img) img = cv2.bitwise_and(add_smu, img) img = cv2.bitwise_not(img) return img def rand_environment(self, img, env_data_paths=None): """ 添加自然环境的噪声 :param img: 待加噪图片 :param env_data_paths: 自然环境图片路径列表 """ if env_data_paths is None: env_data_paths = self.env_data_paths # 随机选取环境照片 index = self.rand_reduce(len(env_data_paths)) env = cv2.imread(env_data_paths[index]) env = cv2.resize(env, (img.shape[1], img.shape[0])) # 找到黑背景，反转为白 bak = (img == 0) for i in range(bak.shape[2]): bak[:, :, 0] &= bak[:, :, i] for i in range(bak.shape[2]): bak[:, :, i] = bak[:, :, 0] bak = bak.astype(np.uint8) * 255 # 环境照片用白掩码裁剪，然后与原图非黑部分合并 inv = cv2.bitwise_and(bak, env) img = cv2.bitwise_or(inv, img) return img def rand_hsv(self, img): """ 添加饱和度光照的噪声 :param img: BGR格式的图片 :return 加了饱和度、光照噪声的BGR图片 """ hsv = cv2.cvtColor(img, cv2.COLOR_BGR2HSV) # 色调，饱和度，亮度 hsv[:, :, 0] = hsv[:, :, 0] * (self.hue_keep + np.random.random() * (1 - self.hue_keep)) hsv[:, :, 1] = hsv[:, :, 1] * (self.saturation_keep + np.random.random() * (1 - self.saturation_keep)) hsv[:, :, 2] = hsv[:, :, 2] * (self.value_keep + np.random.random() * (1 - self.value_keep)) img = cv2.cvtColor(hsv, cv2.COLOR_HSV2BGR) return img def augment(self, img, horizontal_sight_direction=None, vertical_sight_direction=None): """ 综合上面的加载操作，进行全流程加噪 :param img: :param horizontal_sight_direction: 水平视角方向 :param vertical_sight_direction: 垂直视角方向 :return: """ if horizontal_sight_direction is None: horizontal_sight_direction = ImageAugmentation.horizontal_sight_directions[random.randint(0, 2)] if vertical_sight_direction is None: vertical_sight_direction = ImageAugmentation.vertical_sight_directions[random.randint(0, 2)] if not self.is_black_char: # 转为黑底白字 img = cv2.bitwise_not(img) img = cv2.bitwise_or(img, self.template_image) # 基于视角的变换 img = self.sight_transfer([img], horizontal_sight_direction, vertical_sight_direction) img = img[0] img = self.rand_environment(img) img = self.rand_hsv(img) else: # 底牌加车牌文字 img = cv2.bitwise_and(img, self.template_image) # 基于视角的变换 img = self.sight_transfer([img], horizontal_sight_direction, vertical_sight_direction) img = img[0] img = self.rand_environment(img) img = self.rand_hsv(img) img = self.add_gauss(img) img = self.add_noise(img) img = self.add_smudge(img) return img class LicensePlateGenerator(object): @staticmethod def generate_license_plate_images(plate_type, plate_num_str_list, save_path): """ 生成特定类型的的车牌图片，并保存到指定目录下 :param plate_type: 车牌类型 :param plate_num_str_list: 车牌号码列表 :param save_path: 文件根目录 :return: """ save_path = os.path.join(save_path, plate_type) if not os.path.exists(save_path): os.makedirs(save_path) print('\r>> 生成车牌号图片...') # 生成车牌号码，白底黑字 chars_image_generator = CharsImageGenerator(plate_type) chars_images = chars_image_generator.generate_images(plate_num_str_list) # 生成车牌底牌 license_template_generator = LicensePlateImageGenerator(plate_type) template_image = license_template_generator.generate_template_image(chars_image_generator.plate_width, chars_image_generator.plate_height) print('\r>> 生成车牌图片...') # 数据增强及车牌字符颜色修正，并保存 augmentation = ImageAugmentation(plate_type, template_image) plate_height = 72 plate_width = int(chars_image_generator.plate_width * plate_height / chars_image_generator.plate_height) i = 1 for index, char_image in enumerate(chars_images): image_name = str(i) + "_" + plate_num_str_list[index] + ".jpg" image_path = os.path.join(save_path, image_name) image = augmentation.augment(char_image) image = cv2.resize(image, (plate_width, plate_height)) cv2.imencode('.jpg', image)[1].tofile(image_path) print("\r>> {} done...".format(image_name)) i += 1 if __name__ == '__main__': # 保存文件夹名称 file_path = os.path.join(os.getcwd(), 'plate_images') # 车牌号码列表 plate_num_str_list = ["浙A5B5T3"] LicensePlateGenerator.generate_license_plate_images('single_blue', plate_num_str_list, file_path) |
-> 
【本文地址】
今日新闻 |
推荐新闻 |