大家好，我是java1234_小锋老师，最近写了一套基于Python深度学习的车辆车牌识别系统（PyTorch2卷积神经网络CNN+OpenCV4实现）视频教程，持续更新中，计划月底更新完，感谢支持。
视频在线地址：
https://www.bilibili.com/video/BV1BdUnBLE6N/
课程简介：
本课程采用主流的Python技术栈实现，分两套系统讲解，一套是专门讲PyTorch2卷积神经网络CNN训练模型，识别车牌，当然实现过程中还用到OpenCV实现图像格式转换，裁剪，大小缩放等。另外一套是基于前面Django+Vue通用权限系统基础上，加了车辆识别业务模型，Mysql8数据库，Django后端，Vue前端，后端集成训练好的模型，实现车牌识别。
基于Python深度学习的车辆车牌识别系统（PyTorch2卷积神经网络CNN+OpenCV4实现）视频教程 - 裁剪和矫正车牌
前面我们得到验证后的矩阵车牌，然后我们需要从图像中裁剪出车牌。根据旋转角度我们需要进行计算，如果有旋转，我们必须先进行矫正后再裁剪。
# 将检测到的车牌区域从原始图像中正确的裁剪出来，并进行必要的变换以满足后续处理的需求，如车牌矫正和大小调整
def img_Transform(car_rect, image):
img_h, img_w = image.shape[:2] # 获取图片的宽高
rect_w, rect_h = car_rect[1][0], car_rect[1][1] # 获取车牌的宽和高
angle = car_rect[2] # 获取车牌的旋转角度
return_flag = False
if car_rect[2] == 0.0: # 旋转角度为0
return_flag = True
if car_rect[2] == 90.0 and rect_w < rect_h: # 旋转角度为90 并且 宽高比小于1
rect_w, rect_h = rect_h, rect_w
return_flag = True
if return_flag:
"""
从原始图像中裁剪出车牌区域。具体来说：
使用car_rect[0]作为车牌中心点坐标；
根据车牌的宽度rect_w和高度rect_h，计算上下左右边界；
从原图image中截取以该中心点为中心、指定宽高的矩形区域作为车牌图像car_img。
"""
car_img = image[int(car_rect[0][1] - rect_h / 2):int(car_rect[0][1] + rect_h / 2),
int(car_rect[0][0] - rect_w / 2):int(car_rect[0][0] + rect_w / 2)]
return car_img # 将车牌从图片中切割出来
"""
1. 使用`cv2.boxPoints`获取旋转矩形的四个顶点坐标。
2. 初始化四个变量分别用于记录最左、最下、最高和最右的点。
3. 遍历四个顶点，根据坐标更新这四个变量，从而确定矩形的边界点，为后续仿射变换做准备。
"""
car_rect = (car_rect[0], (rect_w, rect_h), angle) # 创建旋转矩阵
box = cv2.boxPoints(car_rect) # 调用函数获取矩形边框的四个点
heigth_point = right_point = [0, 0] # 定义变量保存矩形边框的右上顶点
left_point = low_point = [car_rect[0][0], car_rect[0][1]] # 定义变量保存矩形边框的左下顶点
for point in box:
if left_point[0] > point[0]:
left_point = point
if low_point[1] > point[1]:
low_point = point
if heigth_point[1] < point[1]:
heigth_point = point
if right_point[0] < point[0]:
right_point = point
"""
这段代码用于根据车牌的旋转角度，对图像进行仿射变换以矫正车牌区域。具体步骤如下：
1. 判断角度正负：通过比较左点和右点的纵坐标判断车牌是正角度还是负角度倾斜。
2. 构造目标点：根据倾斜方向调整右上角或左下角点的位置，使车牌变为水平。
3. 生成变换矩阵：使用`cv2.getAffineTransform`计算三点之间的仿射变换矩阵。
4. 执行仿射变换：利用`cv2.warpAffine`将图像展开并裁剪出矫正后的车牌区域。
最终返回的是经过旋转矫正后的车牌图像。
"""
if left_point[1] <= right_point[1]: # 正角度
new_right_point = [right_point[0], heigth_point[1]]
pts1 = np.float32([left_point, heigth_point, right_point])
pts2 = np.float32([left_point, heigth_point, new_right_point]) # 字符只是高度需要改变
M = cv2.getAffineTransform(pts1, pts2)
dst = cv2.warpAffine(image, M, (round(img_w * 2), round(img_h * 2)))
car_img = dst[int(left_point[1]):int(heigth_point[1]), int(left_point[0]):int(new_right_point[0])]
elif left_point[1] > right_point[1]: # 负角度
new_left_point = [left_point[0], heigth_point[1]]
pts1 = np.float32([left_point, heigth_point, right_point])
pts2 = np.float32([new_left_point, heigth_point, right_point]) # 字符只是高度需要改变
M = cv2.getAffineTransform(pts1, pts2)
dst = cv2.warpAffine(image, M, (round(img_w * 2), round(img_h * 2)))
car_img = dst[int(right_point[1]):int(heigth_point[1]), int(new_left_point[0]):int(right_point[0])]
return car_img运行项目测试下，可以得到矫正和裁剪后的车牌。
