python-opencv图像处理之基于HSV、面积、角度的车牌定位（1）
通过对车牌的颜色、面积、倾斜度进行识别。
代码如下：
在识别图片时，首先要调整图片的比例，也就是n，图片的大小，决定了车牌面积的大小，决定了能不能识别出来，一般图片要占到屏幕面积的1/4左右。
车牌的相应信息，储存在box中，可以选择输出，此程序输出了面积，角度和比例。
from cv2 import cv2
import numpy as np
import os
lower_blue = np.array([90,90,0])
upper_blue = np.array([120,210,250])
img = cv2.imread('d:/Python/license plate/chepai/2.jfif')
# 设置图片的比例，只有图片的显示面积合适，才能定位出车牌，需要调节
n = 0.8
sp = img.shape
height = round(n*sp[0])
weight = round(n*sp[1])
new_img = cv2.resize(img,(weight,height))
cv2.imshow('img', new_img)
hsv = cv2.cvtColor(new_img, cv2.COLOR_BGR2HSV)
mark = cv2.inRange(hsv, lower_blue, upper_blue)
# 形态学分割是识别的白色区域。如果在mark中车牌的颜色是黑色，需要翻转
# mark = cv2.bitwise_not(mark)
cv2.imshow("mark", mark)
# 腐蚀和膨胀
kernel = cv2.getStructuringElement(cv2.MORPH_RECT,(4,5)) #定义矩形结构元素
# 腐蚀和膨胀的次数也可以根据情况调节
img_erode = cv2.erode(mark, kernel, iterations=1)
img_dilated = cv2.dilate(mark, kernel, iterations=3)
cv2.imshow('erode', img_dilated)
# 寻找轮廓
contours, hierarchy = cv2.findContours(img_dilated,cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_SIMPLE)
for i in range(len(contours)):
area = cv2.contourArea(contours[i])
if area > 4000:
rect = cv2.minAreaRect(contours[i]) #提取矩形坐标
box = cv2.boxPoints(rect)
box = np.int0(box)
angle =abs(abs(rect[2])-45)
length = max(rect[1])
wideth = min(rect[1])
bili = length / (wideth + 0.01)
area = rect[1][0] * rect[1][1]
if area > 20000 or angle 3.3 or bili < 2.5 :
continue
print(area)
print(bili)
print(rect[2])
cv2.drawContours(new_img, [box], 0, (0, 0, 255), 2)
cv2.imshow('result', new_img)
cv2.waitKey(0)
核心是函数 cv2.minAreaRect()，下面的介绍引自：引用链接
函数 cv2.minAreaRect() 返回一个Box2D结构rect：（最小外接矩形的中心（x，y），（宽度，高度），旋转角度），但是要绘制这个矩形，我们需要矩形的4个顶点坐标box, 通过函数 cv2.cv.BoxPoints() 获得，返回形式[ [x0,y0], [x1,y1], [x2,y2], [x3,y3] ]。得到的最小外接矩形的4个顶点顺序、中心坐标、宽度、高度、旋转角度（是度数形式，不是弧度数）的对应关系如下：
注意：
旋转角度θ是水平轴（x轴）逆时针旋转，直到碰到矩形的第一条边停住，此时该边与水平轴的夹角。并且这个边的边长是width，另一条边边长是height。也就是说，在这里，width与height不是按照长短来定义的。
在opencv中，坐标系原点在左上角，相对于x轴，逆时针旋转角度为负，顺时针旋转角度为正。所以，θ∈（-90度，0]。程序中也根据角度大小进行排除区域，如果太斜的话，识别不出来。
最后还输出了相应的面积，角度和车牌比例。
效果如下：
后续的操作参见：提取分割
作者：啥也不会的刘同学
