def predict(self, image):
# Input image or frame
self.image = image
for coordinate in self.extractLP():
self.candidates = []
# convert (x_min, y_min, width, height) to coordinate(top left, top right, bottom left, bottom right)
pts = order_points(coordinate)
# crop number plate
LpRegion = perspective.four_point_transform(self.image, pts)
# segmentation
self.segmentation(LpRegion)
# recognize characters
self.recognizeChar()
# format and display license plate
license_plate = self.format()
# draw labels
self.image = draw_labels_and_boxes(self.image, license_plate, coordinate)
cv2.imwrite('example.png', self.image)
return self.image
def predict(self, image):
# Input image or frame
self.image = image
for coordinate in self.extractLP(): # detect license plate by yolov3
self.candidates = []
# convert (x_min, y_min, width, height) to coordinate(top left, top right, bottom left, bottom right)
pts = order_points(coordinate)
# crop number plate used by bird's eyes view transformation
LpRegion = perspective.four_point_transform(self.image, pts)
# cv2.imwrite('step1.png', LpRegion)
# segmentation
self.segmentation(LpRegion)
# recognize characters
self.recognizeChar()
# format and display license plate
license_plate = self.format()
if len(license_plate) == 0:
license_plate = "khong nhan dien duoc . sorry !"
# draw labels
self.image = draw_labels_and_boxes(self.image, license_plate,
coordinate)
return (self.image, license_plate)
def predict(self, image):
"""
Hàm dự đoán giá trị của biển số xe
:param image:
:return:
Ảnh được chú thích vùng biển số và giá trị
Chuỗi ký tự biển số xe
"""
# Ảnh đầu vào
self.image = image
# Xét các vùng biển số detect được bằng YOLOv3 Tiny
for coordinate in self.extractLP():
# Khởi tạo candidates để lưu giá trị biển số và tọa độ cần chú thích trong ảnh
self.candidates = []
# Chuyển đổi (x_min, y_min, width, height) thành dạng (top left, top right, bottom left, bottom right)
pts = order_points(coordinate)
# Cắt ảnh biển số xe dùng bird's eyes view transformation
LpRegion = perspective.four_point_transform(self.image, pts)
# Xử lý trường hợp biển số 1 dòng và 2 dòng
# Chọn ngưỡng tỷ lệ chiều ngang / chiều dọc là 1.5
# Nếu tỷ lệ này > 1.5 => Biển số 1 dòng
# Ngược lại => Biển số 2 dòng
if (LpRegion.shape[1] / LpRegion.shape[0] > 1.5):
# Tỷ lệ scale
scale_ratio = 40 / LpRegion.shape[0]
(w, h) = (int(LpRegion.shape[1] * scale_ratio),
int(LpRegion.shape[0] * scale_ratio))
else:
# Tỷ lệ scale
scale_ratio = 100 / LpRegion.shape[0]
(w, h) = (int(LpRegion.shape[1] * scale_ratio),
int(LpRegion.shape[0] * scale_ratio))
# Resize ảnh vùng biển số về kích thước chuẩn
# Đối với biển số 2 dòng: chiều cao = 40px
# Đối với biển số 1 dòng: chiều cao = 100px
LpRegion = cv2.resize(LpRegion, (w, h))
# Phân đoạn từng ký tự
self.segmentation(LpRegion)
# Nhận diện các ký tự
self.recognizeChar()
# Định dạng các ký tự biển số
self.lpNumber = self.format()
# Vẽ bounding box và giá trị biển số vào ảnh
self.image = draw_labels_and_boxes(self.image, self.lpNumber,
coordinate)
# Trả về ảnh dự đoán và giá trị biển số xe
return self.image, self.lpNumber
def save_a_img(link_img, output):
model = detectNumberPlate()
file_name = os.path.basename(link_img)
img = cv2.imread(link_img)
coordinates = model.detect(img)
for coordinate in coordinates:
pts = order_points(coordinate)
ls_region = perspective.four_point_transform(img, pts)
cv2.imwrite(os.path.join(output, file_name), ls_region)
return ls_region
def save_img(data_dir, output_dir):
model = detectNumberPlate() #initizial class to detect image
list_file = glob.glob(data_dir + "/*.jpg") #take list file
for file in list_file: #take each file in list file
file_name = os.path.basename(file) #name file match with list file original
img = cv2.imread(file) #read file
coordinates = model.detect(img) #detect file
for coordinate in coordinates: # detect license plate by yolov3
# candidates = []
# convert (x_min, y_min, width, height) to coordinate(top left, top right, bottom left, bottom right)
pts = order_points(coordinate)
# crop number plate used by bird's eyes view transformation
lp_region = perspective.four_point_transform(img, pts)
cv2.imwrite(os.path.join(output_dir, file_name), lp_region)
def predict(self, image, name):
# Input image or frame
self.image = image
all_license_plates = []
for coordinate in self.extractLP(): # detect license plate by yolov3
self.candidates = []
# convert (x_min, y_min, width, height) to coordinate(top left, top right, bottom left, bottom right)
pts = order_points(coordinate)
# crop number plate used by bird's eyes view transformation
LpRegion = perspective.four_point_transform(self.image, pts)
# height, width, _ = LpRegion.shape
# LpRegion = LpRegion[:, int(width * 0.1):int(width * 0.9)]
img_path = os.path.join('output/lp/{}.jpg'.format(name))
cv2.imwrite(img_path, LpRegion)
license_plate = self.ocr.predict(LpRegion)
# # segmentation
# self.segmentation(LpRegion, name)
#
# # recognize characters
# self.recognizeChar()
#
# # format and display license plate
# license_plate = self.format()
if license_plate is not None and len(license_plate) > 4:
# draw labels
self.image = draw_labels_and_boxes(self.image, license_plate,
coordinate)
all_license_plates.append(license_plate)
# cv2.imwrite('example.png', self.image)
return self.image, all_license_plates