在进行字符识别之前使用 OpenCV 进行图像预处理（超正方体）

我正在尝试开发简单的 PC 应用程序用于车牌识别（Java + OpenCV + Tess4j）。图像不是很好（进一步它们会很好）。我想对超立方体图像进行预处理，但我被困在车牌检测（矩形检测）上。

我的步骤：

1) 源图像

Mat img = new Mat();
img = Imgcodecs.imread("sample_photo.jpg"); 
Imgcodecs.imwrite("preprocess/True_Image.png", img);

2) 灰度

Mat imgGray = new Mat();
Imgproc.cvtColor(img, imgGray, Imgproc.COLOR_BGR2GRAY);
Imgcodecs.imwrite("preprocess/Gray.png", imgGray);

3）高斯模糊

Mat imgGaussianBlur = new Mat(); 
Imgproc.GaussianBlur(imgGray,imgGaussianBlur,new Size(3, 3),0);
Imgcodecs.imwrite("preprocess/gaussian_blur.png", imgGaussianBlur);  

4) 自适应阈值

Mat imgAdaptiveThreshold = new Mat();
Imgproc.adaptiveThreshold(imgGaussianBlur, imgAdaptiveThreshold, 255, CV_ADAPTIVE_THRESH_MEAN_C ,CV_THRESH_BINARY, 99, 4);
Imgcodecs.imwrite("preprocess/adaptive_threshold.png", imgAdaptiveThreshold);

这里应该是第五步，即检测板区域（可能甚至暂时没有去歪斜）。

我用 Paint 从图像中裁剪了所需的区域（第四步之后），并得到：

然后我进行了 OCR（通过 tesseract、tess4j）：

File imageFile = new File("preprocess/adaptive_threshold_AFTER_PAINT.png");
ITesseract instance = new Tesseract();
instance.setLanguage("eng");
instance.setTessVariable("tessedit_char_whitelist", "acekopxyABCEHKMOPTXY0123456789");
String result = instance.doOCR(imageFile); 
System.out.println(result);

并得到（足够好？）结果 - “Y841ox EH”（几乎是真的）

第 4 步后如何检测并裁剪板区域？我是否需要通过 1-4 个步骤进行一些更改（改进）？希望看到一些通过 Java + OpenCV（不是 JavaCV）实现的示例。
提前致谢。

EDIT（感谢@Abdul Fatir 的回答） 好吧，我为那些对这个问题感兴趣的人提供了工作（至少对我来说）代码示例（Netbeans+Java+OpenCV+Tess4j）。代码不是最好的，但我只是为了学习而编写的。
http://pastebin.com/H46wuXWn http://pastebin.com/H46wuXWn（不要忘记把tessdata文件夹到您的项目文件夹中）

以下是我建议您完成此任务的方法。

1. 转换为灰度。
2. 使用 3x3 或 5x5 滤镜的高斯模糊。

3. 应用索贝尔过滤器来查找垂直边缘。

   Sobel(gray, dst, -1, 1, 0)

4. 对结果图像进行阈值处理以获得二值图像。
5. 使用合适的结构元素应用形态闭合运算。
6. 找到结果图像的轮廓。
7. Find minAreaRect每个轮廓。根据长宽比以及最小和最大面积选择矩形。
8. 对于每个选定的轮廓，查找边缘密度。设置边缘密度阈值，并选择突破该阈值的矩形作为可能的板区域。
9. 此后将剩下很少的矩形。您可以根据方向或您认为合适的任何标准来过滤它们。
10. 之后从图像中剪掉这些检测到的矩形部分adaptiveThreshold并应用 OCR。

a) 第5步后的结果

b) 第7步后的结果。绿色的都是minAreaRects 和红色的是满足以下条件的：长宽比范围 (2,12) 和面积范围 (300,10000)

c) 步骤 9 后的结果。选定的矩形。标准：边缘密度 > 0.5

EDIT

对于边缘密度，我在上面的示例中所做的如下。

1. 将 Canny Edge 检测器直接应用于输入图像。令 cannyED 图像为Ic.
2. 将 Sobel 滤波器的结果与Ic。基本上，对 Sobel 和 Canny 图像进行 AND 运算。
3. 使用大滤镜对生成的图像进行高斯模糊。我用的是21x21。
4. 使用 OTSU 方法对生成的图像进行阈值设置。你会得到一个二值图像
5. 对于每个红色矩形，旋转该矩形内部的部分（在二值图像中）以使其直立。循环遍历矩形的像素并计算白色像素。 （如何旋转？ https://stackoverflow.com/questions/37177811/crop-rectangle-returned-by-minarearect-opencv-python)

边缘密度=矩形中白色像素的数量/总数量。矩形中的像素数

6. 选择边缘密度的阈值。

NOTE：您还可以使用步骤 5 中的二值图像来计算边缘密度，而不是执行步骤 1 到 3。