android端使用openCV实现车牌检测

Z时代
2024-01-10
分类：IT

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：

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：