如何用OpenCV将图像中除车牌字符外的区域置为黑色？

核心问题拆解 #

你的需求分为两个关键环节：定位图像中的车牌区域，以及提取车牌内的字符并将其余区域置黑。以下是分步实现方案：

一、车牌区域定位 #

当前你的代码直接处理裁剪后的车牌，实际需要先从完整图像中定位车牌边界框。这里提供两种可行方案：

1. 传统轮廓检测法（适合规则车牌） #

针对国内蓝牌/黄牌这类形状规则的车牌，通过图像预处理+轮廓筛选实现定位：

• 灰度化→边缘检测→形态学闭操作连接边缘
• 筛选宽高比在2.5~4之间的轮廓（符合车牌典型比例）

2. 预训练模型检测（鲁棒性更强） #

复杂场景（如倾斜、模糊车牌）建议用YOLOv8、EasyOCR等工具，直接调用预训练的车牌检测模型获取边界框，无需手动调参。

二、完整代码实现 #

整合车牌定位、字符提取、结果合成的完整流程，复用你提供的预处理逻辑：

import cv2 as opencv
import numpy as np

# 检测车牌边界框（传统轮廓法）
def detect_license_plate(image):
    gray = opencv.cvtColor(image, opencv.COLOR_BGR2GRAY)
    edges = opencv.Canny(gray, 50, 150)
    # 形态学闭操作连接边缘
    kernel = opencv.getStructuringElement(opencv.MORPH_RECT, (10, 3))
    closed = opencv.morphologyEx(edges, opencv.MORPH_CLOSE, kernel)
    # 提取外部轮廓
    contours, _ = opencv.findContours(closed.copy(), opencv.RETR_EXTERNAL, opencv.CHAIN_APPROX_SIMPLE)
    
    # 筛选符合车牌宽高比的轮廓
    plate_rect = None
    for cnt in contours:
        x, y, w, h = opencv.boundingRect(cnt)
        aspect_ratio = w / float(h)
        if 2.5 <= aspect_ratio <= 4:
            plate_rect = (x, y, w, h)
            break
    return plate_rect

# 处理车牌区域，生成字符掩码（白色为字符，黑色为背景）
def process_plate(plate_img):
    # 锐化处理
    sharpening_kernel = np.array([[-1, -1, -1], [-1, 9, -1], [-1, -1, -1]])
    sharpened = opencv.filter2D(plate_img, -1, sharpening_kernel)
    
    # CLAHE增强对比度
    lab = opencv.cvtColor(sharpened, opencv.COLOR_BGR2LAB)
    l, a, b = opencv.split(lab)
    clahe = opencv.createCLAHE(clipLimit=3.0, tileGridSize=(8, 8))
    limg = opencv.merge([clahe.apply(l), a, b])
    enhanced = opencv.cvtColor(limg, opencv.COLOR_LAB2BGR)
    
    # 灰度化、模糊、二值化
    gray = opencv.cvtColor(enhanced, opencv.COLOR_BGR2GRAY)
    blurred = opencv.GaussianBlur(gray, (3, 3), 0)
    _, thresholded = opencv.threshold(blurred, 0, 255, opencv.THRESH_BINARY + opencv.THRESH_OTSU)
    
    # 形态学清理
    morph_kernel = opencv.getStructuringElement(opencv.MORPH_RECT, (3, 3))
    opened = opencv.morphologyEx(thresholded, opencv.MORPH_OPEN, morph_kernel, iterations=1)
    dilate_kernel = opencv.getStructuringElement(opencv.MORPH_RECT, (5, 5))
    dilated = opencv.dilate(opened, dilate_kernel, iterations=1)
    # 反转得到字符掩码
    char_mask = opencv.bitwise_not(dilated)
    return char_mask

# 主执行流程
if __name__ == "__main__":
    original_img = opencv.imread('image.png')
    if original_img is None:
        print("图像加载失败，请检查路径")
        exit()
    
    # 定位车牌
    plate_rect = detect_license_plate(original_img)
    if not plate_rect:
        print("未检测到车牌区域")
        exit()
    x, y, w, h = plate_rect
    
    # 裁剪并处理车牌
    plate_area = original_img[y:y+h, x:x+w]
    char_mask = process_plate(plate_area)
    
    # 创建全黑结果图，仅保留车牌字符为白色
    result_img = np.zeros_like(original_img)
    char_mask_3ch = opencv.cvtColor(char_mask, opencv.COLOR_GRAY2BGR)
    # 将掩码中白色区域（字符）赋值为白色，其余为黑色
    result_img[y:y+h, x:x+w] = np.where(char_mask_3ch == 255, (255,255,255), (0,0,0))
    
    # 展示结果
    opencv.imshow('仅保留车牌字符的结果', result_img)
    opencv.waitKey(0)
    opencv.destroyAllWindows()

关键逻辑说明 #

1. 车牌定位：通过轮廓筛选得到车牌的x,y,w,h坐标，后续裁剪出该区域
2. 字符掩码：经过预处理得到二值掩码，白色部分对应车牌字符
3. 结果合成：先创建全黑图像，再将车牌区域内的字符部分替换为白色，其余区域保持黑色

示例图像 #

内容的提问来源于stack exchange，提问作者user20983853