正樣本的數量越多，Haar特徵分類模型表現的效果越好，但是要獲取大量的照片是一件非常麻煩的事，因此我們需要利用程式來幫助我們產生更多的照片。

增加車牌數量
將四個邊的長寬各10%刪除來產生新的圖片，如次一來，每一張圖片都能產生四張新的圖片。

從新計算新圖片尺寸

from PIL import Image

path = 'Haar-Training_carPlate/training/positive/'
fp = open(path + 'info.txt', 'r')
line = fp.readline()
count = 73  #產生的圖片編號由此開始
rettext = ''

while line:
    data = line.split(' ')
    img = Image.open(path + data[0])  #讀入圖形檔
    x = int(data[2])  #圖形X坐標
    y = int(data[3])  #圖形Y坐標
    w = int(data[4])  ##圖形寬
    h = int(data[5])  ##圖形高
    reduceW = 30  #減少的的寬度
    reduceH = int(reduceW*0.75)  #減少的的高度
    multi = float(300/(300-reduceW))  #原圖與新圖比例
    neww = int(w*multi)  #新圖的寬
    newh = int(h*multi)  #新圖的高

移除左上角圖

   if (x-reduceW)>5 and (y-reduceH)>5:  #左上角有空間才移除左上角
       count += 1  #編號加1,此數值會做為檔名用
       newimg = img.crop((reduceW, reduceH, 300, 225))  #擷取圖形
       newimg = newimg.resize((300, 225), Image.ANTIALIAS)  #放大圖形
       newimg.save(path + 'rawdata/bmpraw{:0>3d}.bmp'.format(count), 'bmp')  #存檔
       newx = int((x-reduceW)*multi-reduceW*(multi-1)/2)  #新圖X坐標
       newy = int((y-reduceH)*multi-reduceH*(multi-1)/2)  #新圖Y坐標
       rettext = rettext+'rawdata/bmpraw{:0>3d}.bmp'.format(count)+' '+'1'+' '+str(newx)+' '+str(newy)+' '+str(neww)+' '+str(newh)+'\n'  #記錄新圖資料

移除右上角圖

    if (x+w)<(300-reduceW-5) and y>(reduceW+5):
        count += 1
        newimg = img.crop((0, reduceH, (300-reduceW), 225))
        newimg = newimg.resize((300, 225), Image.ANTIALIAS)
        newimg.save(path + 'rawdata/bmpraw{:0>3d}.bmp'.format(count), 'bmp')
        newx = int(x*multi)
        newy = int((y-reduceH)*multi-reduceH*(multi-1)/2)
        rettext = rettext+'rawdata/bmpraw{:0>3d}.bmp'.format(count)+' '+'1'+' '+str(newx)+' '+str(newy)+' '+str(neww)+' '+str(newh)+'\n'

移除左下角圖

    if (x-reduceW)>5 and (y+h)<(225-reduceH-5):
        count += 1
        newimg = img.crop((reduceW, 0, 300, 225-reduceH))
        newimg = newimg.resize((300, 225), Image.ANTIALIAS)
        newimg.save(path + 'rawdata/bmpraw{:0>3d}.bmp'.format(count), 'bmp')
        newx = int((x-reduceW)*multi-reduceW*(multi-1)/2)
        newy = int(y*multi)
        rettext = rettext+'rawdata/bmpraw{:0>3d}.bmp'.format(count)+' '+'1'+' '+str(newx)+' '+str(newy)+' '+str(neww)+' '+str(newh)+'\n'

移除右下角圖

    if (x+w)<(300-reduceW-5) and (y+h)<(225-reduceH-5):
        count += 1
        newimg = img.crop((0, 0, (300-reduceW), 225-reduceH))
        newimg = newimg.resize((300, 225), Image.ANTIALIAS)
        newimg.save(path + 'rawdata/bmpraw{:0>3d}.bmp'.format(count), 'bmp')
        newx = int(x*multi)
        newy = int(y*multi)
        rettext = rettext+'rawdata/bmpraw{:0>3d}.bmp'.format(count)+' '+'1'+' '+str(newx)+' '+str(newy)+' '+str(neww)+' '+str(newh)+'\n'

將資料rettext寫入到Info.txt檔案中。

    line = fp.readline()
fp.close()

fpmake = open(path + 'Info.txt', 'a')  #以新增資料方式開啟檔案
fpmake.write(rettext)  #寫入檔案
fpmake.close()
print('產生新圖片結束！')

訓練Haar

haartraining.exe -data #輸入儲存結果檔案路徑 -vec #輸入正樣本向量路徑
  -bg #負樣本資料路徑  -npos #正樣本圖形數量 -nneg #負樣本圖形數量  -nstages #數字越高準確率越高       -mem #記憶體大小  -mode #訓練模式  -w #寬  -h #高 

車牌偵測

import cv2

img = cv2.imread('realPlate/resizejpg001.jpg')  #讀取要辨識的圖形
detector = cv2.CascadeClassifier('haar_carplate.xml')  #讀取Haar模型
signs = detector.detectMultiScale(img, minSize=(76, 20), scaleFactor=1.1, minNeighbors=4)  #辨識
#minSize:檢測矩形最小尺寸，scaleFactor:檢測矩形放大比例，minNeighbors:偵測物件周圍有多少個相鄰的矩形

if len(signs) > 0 :  #有偵測到車牌
    for (x, y, w, h) in signs:  #逐一框選出車牌  
        cv2.rectangle(img, (x, y), (x+w, y+h), (0, 0, 255), 2)
        print(signs)
else:
    print('沒有偵測到車牌！')

cv2.imshow('Frame', img)  #顯示圖形
cv2.waitKey(0) #當按下鍵盤上的任何鍵時，視窗將被關閉
cv2.destroyAllWindows() #關閉所有的 OpenCV 視窗。

---20231014---