用不同方法寻找候选板

Question

我想用不同的方法来检测候选车牌，但是我试了好几次都卡住了。 我不知道我的方法是否正确。
我正在使用HSV图像模型。
到目前为止，我对已知方法的处理方法。
1预处理图像->；形态变换->；斑点检测。
2预处理图像->；边缘检测->；在图像中查找矩形。
三。预处理图像->；边缘检测->；直方图投影->；直方图分析

我不想把重点放在方法3上，因为其他人正在研究它。 我应该在什么地方使用连通成分分析吗？
我使用黑帽和顶帽操作与高斯模糊和自适应阈值图像预处理。 这是我的密码：

imgHSV = np.zeros((self.height, self.width, 3), np.uint8)
imgHSV = cv.cvtColor(self.image, cv.COLOR_BGR2HSV)
_, _, self.imgValue = cv.split(imgHSV)
imgTopHat = np.zeros((self.height, self.width, 1), np.uint8)
imgBlackHat = np.zeros((self.height, self.width, 1), np.uint8)

structuringElement = cv.getStructuringElement(cv.MORPH_RECT, (3, 3))

imgTopHat = cv.morphologyEx(self.imgValue, cv.MORPH_TOPHAT, structuringElement)
imgBlackHat = cv.morphologyEx(self.imgValue, cv.MORPH_BLACKHAT, structuringElement)
imgGrayscalePlusTopHat = cv.add(self.imgValue, imgTopHat)
imgGrayscaleHSV = cv.subtract(imgGrayscalePlusTopHat, imgBlackHat)

imgBlurred = np.zeros((self.height, self.width, 1), np.uint8)
imgBlurred = cv.GaussianBlur(imgGrayscaleHSV, GAUSSIAN_SMOOTH_FILTER_SIZE, 0)
thresholdedImage = cv.adaptiveThreshold(imgBlurred, 255.0, cv.ADAPTIVE_THRESH_GAUSSIAN_C, cv.THRESH_BINARY_INV, ADAPTIVE_THRESH_BLOCK_SIZE, ADAPTIVE_THRESH_WEIGHT)

预处理后的图像是指经过提取值、TopHat和BlackHat运算、高斯模糊和自适应阈值处理后的图像。 我试着用openCV找到simpleBlob，但它不能正确地处理准备好的图像。 至于边缘检测，我使用了canny边缘检测，并实现了sobel边缘检测。你知道吗

示例处理图像（我还没有足够的声誉发布图像…）

我希望输出的图像与潜在板候选人的轮廓，但我不能得到正确的转换图像工作。我该怎么办？应该如何应用转换（以及什么类型）。你知道吗

Answer 1

我试着用不同的方法检测平板：2和3。他们实际上不在工作。你知道吗

最好的方法是基于ML的。例如HAAR cascades上最简单的。HOG+SVM效果更好。基于DNN的方法是最好的-from Intelwith advance information（您可以将它与opencv结合使用，将DNN与OpenVINO推理引擎结合使用）。你知道吗

不要把时间浪费在手动算法上。你知道吗