简介本资源为基于OpenCV的汽车牌照识别完整项目包采用AndroidStudio构建面向计算机、软件工程、人工智能、通信工程等专业的在校学生与教师可用于毕业设计、课程设计、作业或项目立项演示。项目已通过导师评审答辩评分达95分代码经测试运行成功功能完整可靠。压缩包共262个文件约53.9MB以95个Java源码、72个静态库、39个so动态库、24个XML布局及若干Gradle构建脚本为主涵盖Android端界面开发、OpenCV图像处理与本地库调用等模块并附使用文档与全部资料。已有64人学习关注。读者可获取一套可直接运行的牌照识别方案理解图像预处理、车牌定位与字符识别流程并在此基础上修改扩展功能适合作为毕设、课设或入门进阶的参考范例。1. 从一堆 .a 静态库说起这套车牌识别源码到底能跑出什么如果你拿到过一个 Android 车牌识别项目解压后第一眼看到的往往不是 Java 代码而是一堆libopencv_core.a、libopencv_imgproc.a、libopencv_ocl.a这样的静态库文件。很多人到这一步就懵了这到底是给人看的源码还是给机器吃的二进制我拆过不少这类毕设包可以负责任地说这套基于 OpenCV Android Studio 的汽车牌照识别项目核心价值恰恰藏在这些.a文件背后——它把 OpenCV 的 C 能力通过 NDK 编译进 Android 工程让车牌检测、字符分割、OCR 识别整条链路跑在手机端而不是靠云端接口糊弄答辩。它适合谁计算机、软件工程、人工智能、通信、自动化这些专业里需要交课程设计或毕业设计又不想只做个「调用百度 API 返回车牌号」的壳子的人。你拿到的是完整 Android 工程 使用文档 全部资料能编译、能跑通、能改。下面我按「先看懂结构、再动手编译、最后调参排错」的顺序把这份资源拆开讲透。2. 工程结构与 OpenCV 集成方式先搞清 .a 和 .so 的分工2.1 为什么是静态库 .a 而不是动态库 .soAndroid 上集成 OpenCV 常见两条路一是用官方预编译的OpenCV-android-sdk里面是.so动态库加 Java 封装二是自己用 NDK 把 OpenCV 源码编成.a静态库再链接进自己的 native 模块。这套项目走的是第二条路从libopencv_core.a、libopencv_imgproc.a、libopencv_ocl.a这几个文件名就能看出来。静态库的好处是最终 APK 里只有一个你自己的.so不依赖外部 OpenCV Manager装机即用答辩演示不会出现「请先安装 OpenCV Manager」的尴尬。代价是编译配置更麻烦CMakeLists.txt或Android.mk里链接顺序写错就一堆 undefined reference。常见做法是在CMakeLists.txt里按依赖顺序排列imgproc依赖core所以core要放在imgproc后面。2.2 目录骨架与关键文件定位一个能跑通的 Android OpenCV 工程目录大致是这样组织的你对照自己的包检查路径作用是否可改app/src/main/java/...Java/Kotlin 层相机预览、UI、调用 native可改app/src/main/cpp/C 源码车牌检测与识别核心核心可改app/src/main/cpp/libs/armeabi-v7a/预编译的.a静态库一般不动app/src/main/cpp/CMakeLists.txtnative 构建脚本按需改app/src/main/jniLibs/最终打包的.so自动生成app/build.gradleNDK、ABI、SDK 版本配置按需改CMakeLists.txt是整条 native 链路的入口我一般先看它确认三件事find_library找没找到 log 库、add_library生成的是不是SHARED、target_link_libraries里静态库顺序对不对。这三处任何一处错编译阶段就过不去。2.3 从相机帧到车牌字符串的数据流整条链路可以拆成四步理解它对后面调参至关重要Java 层通过 Camera2 或旧版 Camera API 拿到预览帧转成byte[]或Mat传给 nativenative 层做灰度化、高斯模糊、Sobel 或 Canny 边缘检测形态学闭运算把边缘连成矩形候选区按宽高比和面积筛出车牌区域对候选区做二值化、字符分割再走模板匹配或简单 OCR 输出字符串。这四步里第 2、3 步的参数最影响识别率也是后面避坑章节要重点说的。你先把这个数据流在脑子里跑通再看代码就不会迷路。3. 编译与运行从 clone 到真机出结果的可复现步骤3.1 环境版本对齐别让 NDK 版本背锅这类毕设包最常见的翻车点就是 NDK 版本不匹配。项目里如果用的是较老的Android.mk风格你拿 NDK r23 以上去编gnustl_static已经被移除直接报错。我一般先看build.gradle里的ndkVersion和CMakeLists.txt里的ANDROID_STL设置。// app/build.gradle 关键片段 android { compileSdkVersion 30 defaultConfig { minSdkVersion 21 targetSdkVersion 30 ndkVersion 21.4.7075529 // 与项目 .a 库编译时用的 NDK 对齐 externalNativeBuild { cmake { cppFlags -stdc11 -frtti -fexceptions abiFilters armeabi-v7a, arm64-v8a } } } externalNativeBuild { cmake { path src/main/cpp/CMakeLists.txt } } }ndkVersion建议锁在 21.x 或 22.x这是.a静态库常见的编译区间。abiFilters只保留armeabi-v7a和arm64-v8a别贪多带上 x86否则 APK 体积翻倍还容易缺库。cppFlags里的-frtti -fexceptions必须开OpenCV 的 C 接口依赖异常和 RTTI。3.2 CMakeLists 里静态库的链接顺序这是最容易出 undefined reference 的地方我直接把可抄的写法放出来cmake_minimum_required(VERSION 3.4.1) # 引入预编译静态库所在目录 add_library(opencv_core STATIC IMPORTED) set_target_properties(opencv_core PROPERTIES IMPORTED_LOCATION ${CMAKE_SOURCE_DIR}/libs/${ANDROID_ABI}/libopencv_core.a) add_library(opencv_imgproc STATIC IMPORTED) set_target_properties(opencv_imgproc PROPERTIES IMPORTED_LOCATION ${CMAKE_SOURCE_DIR}/libs/${ANDROID_ABI}/libopencv_imgproc.a) add_library(opencv_ocl STATIC IMPORTED) set_target_properties(opencv_ocl PROPERTIES IMPORTED_LOCATION ${CMAKE_SOURCE_DIR}/libs/${ANDROID_ABI}/libopencv_ocl.a) # 自己的 native 模块 add_library(plate_recog SHARED plate_recog.cpp) find_library(log-lib log) # 链接顺序被依赖的放后面 target_link_libraries(plate_recog opencv_imgproc opencv_ocl opencv_core ${log-lib})逻辑说明IMPORTED告诉 CMake 这是外部已编好的库IMPORTED_LOCATION指向具体.a路径${ANDROID_ABI}会自动按当前编译的 ABI 切换目录。链接顺序上imgproc用到core的符号所以core必须排在imgproc之后ocl同理。写反了就是满屏undefined reference to cv::Mat::...。3.3 真机运行与权限确认编译通过后装到真机第一次打开大概率黑屏或闪退先查两件事相机权限和 ABI 匹配。!-- AndroidManifest.xml 必须声明 -- uses-permission android:nameandroid.permission.CAMERA/ uses-feature android:nameandroid.hardware.camera android:requiredtrue/运行时还要动态申请CAMERA权限Android 6.0 以上不申请直接崩。ABI 方面如果你的手机是 arm64但jniLibs里只有 armeabi-v7a 的.so会报UnsatisfiedLinkError。确认abiFilters和实际生成的.so目录一致再装一次。4. 车牌检测与字符识别的参数调优识别率上不去的根因4.1 预处理阶段的三个关键参数车牌识别在手机端跑光照和角度是最大敌人。预处理阶段我一般盯三个参数高斯模糊核大小、Canny 双阈值、形态学核尺寸。// 灰度 高斯模糊 cv::Mat gray, blurred; cv::cvtColor(src, gray, cv::COLOR_BGR2GRAY); cv::GaussianBlur(gray, blurred, cv::Size(5, 5), 0); // 核大小 5x5太大丢边缘 // Canny 边缘检测 cv::Mat edges; cv::Canny(blurred, edges, 100, 200); // 低阈值 100高阈值 200 // 形态学闭运算连接边缘 cv::Mat morph; cv::Mat kernel cv::getStructuringElement(cv::MORPH_RECT, cv::Size(17, 5)); cv::morphologyEx(edges, morph, cv::MORPH_CLOSE, kernel);参数说明高斯核5x5是平衡去噪和保边的常用值光照差可加到7x7但再大车牌字符边缘就糊了。Canny 低阈值100、高阈值200是经验值低阈值调低会引入更多噪点边缘调高会漏掉弱边缘。形态学核17x5是横向矩形因为中国车牌是扁长的横向闭运算能把断开的边缘连成整块。这三个值不是固定的你换一批测试图就要微调。4.2 车牌区域筛选的几何约束边缘连成块之后会得到一堆候选矩形得靠几何特征筛。常见做法是按宽高比和面积占比过滤std::vectorstd::vectorcv::Point contours; cv::findContours(morph, contours, cv::RETR_EXTERNAL, cv::CHAIN_APPROX_SIMPLE); for (auto c : contours) { cv::Rect rect cv::boundingRect(c); float ratio (float)rect.width / rect.height; float areaRatio (float)(rect.width * rect.height) / (src.cols * src.rows); // 中国车牌宽高比约 3:1 到 4:1面积占比 2% 到 15% if (ratio 2.5 ratio 5.0 areaRatio 0.02 areaRatio 0.15) { // 认为是车牌候选区 } }宽高比卡在2.5到5.0之间是因为拍摄角度会让比例变形卡太死稍微斜一点就漏检。面积占比2%到15%是排除远处小噪点和近处占满屏的误检。这两个区间是我试过多批图后觉得比较稳的你可以按自己场景收窄。4.3 字符分割与识别的简化方案毕设级别的字符识别多数不会上深度学习而是用投影法分割 模板匹配。先对车牌区域二值化再做垂直投影找字符间隙cv::Mat plateGray, plateBin; cv::cvtColor(plateROI, plateGray, cv::COLOR_BGR2GRAY); cv::threshold(plateGray, plateBin, 0, 255, cv::THRESH_BINARY cv::THRESH_OTSU); // 垂直投影 std::vectorint projection(plateBin.cols, 0); for (int x 0; x plateBin.cols; x) { for (int y 0; y plateBin.rows; y) { if (plateBin.atuchar(y, x) 0) projection[x]; } } // 投影值低于阈值的列即为字符间隙据此切分THRESH_OTSU自动算阈值省去手动调。投影法对清晰、端正的车牌有效一旦有倾斜或污损分割就会错位这也是这类项目识别率的天花板所在。想提升就得加透视校正或换 CNN但那就超出毕设工作量了。5. 避坑与排查那些让答辩当场翻车的细节5.1 编译报 undefined reference现象CMake编译阶段报大量undefined reference to cv::xxx。 原因静态库链接顺序错误或IMPORTED_LOCATION路径没对上当前 ABI。 解决按第 3.2 节的顺序被依赖的库放后面确认libs/${ANDROID_ABI}/下确实有对应.a文件别把 armeabi-v7a 的库塞进 arm64-v8a 目录。5.2 真机闪退且无日志现象安装成功点开就退Logcat 只有一行UnsatisfiedLinkError。 原因APK 里没有匹配当前手机 ABI 的.so或 native 方法名和 Java 层native声明不一致。 解决用unzip -l app.apk | grep .so看打包了哪些 ABI核对Java_包名_类名_方法名的 JNI 函数签名包名里的点要换成下划线。5.3 预览画面正常但识别框乱跳现象相机能预览但车牌框在屏幕上疯狂抖动根本框不住。 原因每帧都独立检测没有做帧间平滑或形态学核太大把相邻区域连成一片。 解决加一个简单的滑动窗口连续 N 帧检测到相近位置才认为有效把形态学核从17x5降到13x5试试。5.4 识别结果字符错位现象车牌框对了但切出来的字符多一个少一个或者把边框当成字符。 原因二值化后车牌上下边框没去掉投影时边框被当成字符。 解决在字符分割前先对车牌区域做一次上下边缘裁剪去掉上下各 10% 到 15% 的高度再投影。5.5 换手机后识别率骤降现象在自己手机上好好的换同学手机演示就废了。 原因不同手机相机输出的分辨率、色彩空间不同预处理参数是按原手机调的。 解决在 native 层统一把输入帧缩放到固定宽度比如 640再做后续处理让参数与分辨率解耦。6. 进阶改造与验证把毕设变成能讲清楚的作品6.1 用固定测试集量化识别率答辩时老师最爱问「识别率多少」你得有数。我一般会准备 30 到 50 张不同光照、角度的车牌图跑一遍统计测试条件样本数正确识别识别率正午顺光151493%傍晚逆光151067%倾斜 15 度10660%夜间补光10550%这张表比任何口头描述都有说服力也能直接引出「逆光和倾斜是主要误差来源」的改进方向。6.2 加透视校正提升倾斜场景倾斜车牌识别率低根因是字符被拉伸。加一步透视变换能明显改善先找到车牌四个角点再用cv::getPerspectiveTransform和cv::warpPerspective把它拉正。// 假设已找到车牌四角 srcPts左上、右上、右下、左下 std::vectorcv::Point2f dstPts { {0.f, 0.f}, {300.f, 0.f}, {300.f, 100.f}, {0.f, 100.f} }; cv::Mat M cv::getPerspectiveTransform(srcPts, dstPts); cv::Mat warped; cv::warpPerspective(plateROI, warped, M, cv::Size(300, 100));300x100是输出尺寸按中国车牌比例设的。校正后再走字符分割倾斜样本的识别率能提一截。这一步代码量不大但答辩时是个很好的加分点。6.3 一个我踩过的坑早些年我图省事把所有预处理参数写死在 C 里换一批测试图就得重新编译。后来学乖了把高斯核、Canny 阈值、形态学核这些做成 Java 层可调的参数通过 JNI 传进去调参时改配置就行不用反复编译 native。从那以后我每次做这类图像项目都强制把可调参数外置哪怕只是几个整数。希望帮到你。本文还有配套的精品资源点击获取 
长河君 · 2026/10/22 13:48:22 · 阅读 1.2k Android车牌识别源码解析：OpenCV静态库集成与NDK编译实战
简介本资源为基于OpenCV的汽车牌照识别完整项目包采用AndroidStudio构建面向计算机、软件工程、人工智能、通信工程等专业的在校学生与教师可用于毕业设计、课程设计、作业或项目立项演示。项目已通过导师评审答辩评分达95分代码经测试运行成功功能完整可靠。压缩包共262个文件约53.9MB以95个Java源码、72个静态库、39个so动态库、24个XML布局及若干Gradle构建脚本为主涵盖Android端界面开发、OpenCV图像处理与本地库调用等模块并附使用文档与全部资料。已有64人学习关注。读者可获取一套可直接运行的牌照识别方案理解图像预处理、车牌定位与字符识别流程并在此基础上修改扩展功能适合作为毕设、课设或入门进阶的参考范例。1. 从一堆 .a 静态库说起这套车牌识别源码到底能跑出什么如果你拿到过一个 Android 车牌识别项目解压后第一眼看到的往往不是 Java 代码而是一堆libopencv_core.a、libopencv_imgproc.a、libopencv_ocl.a这样的静态库文件。很多人到这一步就懵了这到底是给人看的源码还是给机器吃的二进制我拆过不少这类毕设包可以负责任地说这套基于 OpenCV Android Studio 的汽车牌照识别项目核心价值恰恰藏在这些.a文件背后——它把 OpenCV 的 C 能力通过 NDK 编译进 Android 工程让车牌检测、字符分割、OCR 识别整条链路跑在手机端而不是靠云端接口糊弄答辩。它适合谁计算机、软件工程、人工智能、通信、自动化这些专业里需要交课程设计或毕业设计又不想只做个「调用百度 API 返回车牌号」的壳子的人。你拿到的是完整 Android 工程 使用文档 全部资料能编译、能跑通、能改。下面我按「先看懂结构、再动手编译、最后调参排错」的顺序把这份资源拆开讲透。2. 工程结构与 OpenCV 集成方式先搞清 .a 和 .so 的分工2.1 为什么是静态库 .a 而不是动态库 .soAndroid 上集成 OpenCV 常见两条路一是用官方预编译的OpenCV-android-sdk里面是.so动态库加 Java 封装二是自己用 NDK 把 OpenCV 源码编成.a静态库再链接进自己的 native 模块。这套项目走的是第二条路从libopencv_core.a、libopencv_imgproc.a、libopencv_ocl.a这几个文件名就能看出来。静态库的好处是最终 APK 里只有一个你自己的.so不依赖外部 OpenCV Manager装机即用答辩演示不会出现「请先安装 OpenCV Manager」的尴尬。代价是编译配置更麻烦CMakeLists.txt或Android.mk里链接顺序写错就一堆 undefined reference。常见做法是在CMakeLists.txt里按依赖顺序排列imgproc依赖core所以core要放在imgproc后面。2.2 目录骨架与关键文件定位一个能跑通的 Android OpenCV 工程目录大致是这样组织的你对照自己的包检查路径作用是否可改app/src/main/java/...Java/Kotlin 层相机预览、UI、调用 native可改app/src/main/cpp/C 源码车牌检测与识别核心核心可改app/src/main/cpp/libs/armeabi-v7a/预编译的.a静态库一般不动app/src/main/cpp/CMakeLists.txtnative 构建脚本按需改app/src/main/jniLibs/最终打包的.so自动生成app/build.gradleNDK、ABI、SDK 版本配置按需改CMakeLists.txt是整条 native 链路的入口我一般先看它确认三件事find_library找没找到 log 库、add_library生成的是不是SHARED、target_link_libraries里静态库顺序对不对。这三处任何一处错编译阶段就过不去。2.3 从相机帧到车牌字符串的数据流整条链路可以拆成四步理解它对后面调参至关重要Java 层通过 Camera2 或旧版 Camera API 拿到预览帧转成byte[]或Mat传给 nativenative 层做灰度化、高斯模糊、Sobel 或 Canny 边缘检测形态学闭运算把边缘连成矩形候选区按宽高比和面积筛出车牌区域对候选区做二值化、字符分割再走模板匹配或简单 OCR 输出字符串。这四步里第 2、3 步的参数最影响识别率也是后面避坑章节要重点说的。你先把这个数据流在脑子里跑通再看代码就不会迷路。3. 编译与运行从 clone 到真机出结果的可复现步骤3.1 环境版本对齐别让 NDK 版本背锅这类毕设包最常见的翻车点就是 NDK 版本不匹配。项目里如果用的是较老的Android.mk风格你拿 NDK r23 以上去编gnustl_static已经被移除直接报错。我一般先看build.gradle里的ndkVersion和CMakeLists.txt里的ANDROID_STL设置。// app/build.gradle 关键片段 android { compileSdkVersion 30 defaultConfig { minSdkVersion 21 targetSdkVersion 30 ndkVersion 21.4.7075529 // 与项目 .a 库编译时用的 NDK 对齐 externalNativeBuild { cmake { cppFlags -stdc11 -frtti -fexceptions abiFilters armeabi-v7a, arm64-v8a } } } externalNativeBuild { cmake { path src/main/cpp/CMakeLists.txt } } }ndkVersion建议锁在 21.x 或 22.x这是.a静态库常见的编译区间。abiFilters只保留armeabi-v7a和arm64-v8a别贪多带上 x86否则 APK 体积翻倍还容易缺库。cppFlags里的-frtti -fexceptions必须开OpenCV 的 C 接口依赖异常和 RTTI。3.2 CMakeLists 里静态库的链接顺序这是最容易出 undefined reference 的地方我直接把可抄的写法放出来cmake_minimum_required(VERSION 3.4.1) # 引入预编译静态库所在目录 add_library(opencv_core STATIC IMPORTED) set_target_properties(opencv_core PROPERTIES IMPORTED_LOCATION ${CMAKE_SOURCE_DIR}/libs/${ANDROID_ABI}/libopencv_core.a) add_library(opencv_imgproc STATIC IMPORTED) set_target_properties(opencv_imgproc PROPERTIES IMPORTED_LOCATION ${CMAKE_SOURCE_DIR}/libs/${ANDROID_ABI}/libopencv_imgproc.a) add_library(opencv_ocl STATIC IMPORTED) set_target_properties(opencv_ocl PROPERTIES IMPORTED_LOCATION ${CMAKE_SOURCE_DIR}/libs/${ANDROID_ABI}/libopencv_ocl.a) # 自己的 native 模块 add_library(plate_recog SHARED plate_recog.cpp) find_library(log-lib log) # 链接顺序被依赖的放后面 target_link_libraries(plate_recog opencv_imgproc opencv_ocl opencv_core ${log-lib})逻辑说明IMPORTED告诉 CMake 这是外部已编好的库IMPORTED_LOCATION指向具体.a路径${ANDROID_ABI}会自动按当前编译的 ABI 切换目录。链接顺序上imgproc用到core的符号所以core必须排在imgproc之后ocl同理。写反了就是满屏undefined reference to cv::Mat::...。3.3 真机运行与权限确认编译通过后装到真机第一次打开大概率黑屏或闪退先查两件事相机权限和 ABI 匹配。!-- AndroidManifest.xml 必须声明 -- uses-permission android:nameandroid.permission.CAMERA/ uses-feature android:nameandroid.hardware.camera android:requiredtrue/运行时还要动态申请CAMERA权限Android 6.0 以上不申请直接崩。ABI 方面如果你的手机是 arm64但jniLibs里只有 armeabi-v7a 的.so会报UnsatisfiedLinkError。确认abiFilters和实际生成的.so目录一致再装一次。4. 车牌检测与字符识别的参数调优识别率上不去的根因4.1 预处理阶段的三个关键参数车牌识别在手机端跑光照和角度是最大敌人。预处理阶段我一般盯三个参数高斯模糊核大小、Canny 双阈值、形态学核尺寸。// 灰度 高斯模糊 cv::Mat gray, blurred; cv::cvtColor(src, gray, cv::COLOR_BGR2GRAY); cv::GaussianBlur(gray, blurred, cv::Size(5, 5), 0); // 核大小 5x5太大丢边缘 // Canny 边缘检测 cv::Mat edges; cv::Canny(blurred, edges, 100, 200); // 低阈值 100高阈值 200 // 形态学闭运算连接边缘 cv::Mat morph; cv::Mat kernel cv::getStructuringElement(cv::MORPH_RECT, cv::Size(17, 5)); cv::morphologyEx(edges, morph, cv::MORPH_CLOSE, kernel);参数说明高斯核5x5是平衡去噪和保边的常用值光照差可加到7x7但再大车牌字符边缘就糊了。Canny 低阈值100、高阈值200是经验值低阈值调低会引入更多噪点边缘调高会漏掉弱边缘。形态学核17x5是横向矩形因为中国车牌是扁长的横向闭运算能把断开的边缘连成整块。这三个值不是固定的你换一批测试图就要微调。4.2 车牌区域筛选的几何约束边缘连成块之后会得到一堆候选矩形得靠几何特征筛。常见做法是按宽高比和面积占比过滤std::vectorstd::vectorcv::Point contours; cv::findContours(morph, contours, cv::RETR_EXTERNAL, cv::CHAIN_APPROX_SIMPLE); for (auto c : contours) { cv::Rect rect cv::boundingRect(c); float ratio (float)rect.width / rect.height; float areaRatio (float)(rect.width * rect.height) / (src.cols * src.rows); // 中国车牌宽高比约 3:1 到 4:1面积占比 2% 到 15% if (ratio 2.5 ratio 5.0 areaRatio 0.02 areaRatio 0.15) { // 认为是车牌候选区 } }宽高比卡在2.5到5.0之间是因为拍摄角度会让比例变形卡太死稍微斜一点就漏检。面积占比2%到15%是排除远处小噪点和近处占满屏的误检。这两个区间是我试过多批图后觉得比较稳的你可以按自己场景收窄。4.3 字符分割与识别的简化方案毕设级别的字符识别多数不会上深度学习而是用投影法分割 模板匹配。先对车牌区域二值化再做垂直投影找字符间隙cv::Mat plateGray, plateBin; cv::cvtColor(plateROI, plateGray, cv::COLOR_BGR2GRAY); cv::threshold(plateGray, plateBin, 0, 255, cv::THRESH_BINARY cv::THRESH_OTSU); // 垂直投影 std::vectorint projection(plateBin.cols, 0); for (int x 0; x plateBin.cols; x) { for (int y 0; y plateBin.rows; y) { if (plateBin.atuchar(y, x) 0) projection[x]; } } // 投影值低于阈值的列即为字符间隙据此切分THRESH_OTSU自动算阈值省去手动调。投影法对清晰、端正的车牌有效一旦有倾斜或污损分割就会错位这也是这类项目识别率的天花板所在。想提升就得加透视校正或换 CNN但那就超出毕设工作量了。5. 避坑与排查那些让答辩当场翻车的细节5.1 编译报 undefined reference现象CMake编译阶段报大量undefined reference to cv::xxx。 原因静态库链接顺序错误或IMPORTED_LOCATION路径没对上当前 ABI。 解决按第 3.2 节的顺序被依赖的库放后面确认libs/${ANDROID_ABI}/下确实有对应.a文件别把 armeabi-v7a 的库塞进 arm64-v8a 目录。5.2 真机闪退且无日志现象安装成功点开就退Logcat 只有一行UnsatisfiedLinkError。 原因APK 里没有匹配当前手机 ABI 的.so或 native 方法名和 Java 层native声明不一致。 解决用unzip -l app.apk | grep .so看打包了哪些 ABI核对Java_包名_类名_方法名的 JNI 函数签名包名里的点要换成下划线。5.3 预览画面正常但识别框乱跳现象相机能预览但车牌框在屏幕上疯狂抖动根本框不住。 原因每帧都独立检测没有做帧间平滑或形态学核太大把相邻区域连成一片。 解决加一个简单的滑动窗口连续 N 帧检测到相近位置才认为有效把形态学核从17x5降到13x5试试。5.4 识别结果字符错位现象车牌框对了但切出来的字符多一个少一个或者把边框当成字符。 原因二值化后车牌上下边框没去掉投影时边框被当成字符。 解决在字符分割前先对车牌区域做一次上下边缘裁剪去掉上下各 10% 到 15% 的高度再投影。5.5 换手机后识别率骤降现象在自己手机上好好的换同学手机演示就废了。 原因不同手机相机输出的分辨率、色彩空间不同预处理参数是按原手机调的。 解决在 native 层统一把输入帧缩放到固定宽度比如 640再做后续处理让参数与分辨率解耦。6. 进阶改造与验证把毕设变成能讲清楚的作品6.1 用固定测试集量化识别率答辩时老师最爱问「识别率多少」你得有数。我一般会准备 30 到 50 张不同光照、角度的车牌图跑一遍统计测试条件样本数正确识别识别率正午顺光151493%傍晚逆光151067%倾斜 15 度10660%夜间补光10550%这张表比任何口头描述都有说服力也能直接引出「逆光和倾斜是主要误差来源」的改进方向。6.2 加透视校正提升倾斜场景倾斜车牌识别率低根因是字符被拉伸。加一步透视变换能明显改善先找到车牌四个角点再用cv::getPerspectiveTransform和cv::warpPerspective把它拉正。// 假设已找到车牌四角 srcPts左上、右上、右下、左下 std::vectorcv::Point2f dstPts { {0.f, 0.f}, {300.f, 0.f}, {300.f, 100.f}, {0.f, 100.f} }; cv::Mat M cv::getPerspectiveTransform(srcPts, dstPts); cv::Mat warped; cv::warpPerspective(plateROI, warped, M, cv::Size(300, 100));300x100是输出尺寸按中国车牌比例设的。校正后再走字符分割倾斜样本的识别率能提一截。这一步代码量不大但答辩时是个很好的加分点。6.3 一个我踩过的坑早些年我图省事把所有预处理参数写死在 C 里换一批测试图就得重新编译。后来学乖了把高斯核、Canny 阈值、形态学核这些做成 Java 层可调的参数通过 JNI 传进去调参时改配置就行不用反复编译 native。从那以后我每次做这类图像项目都强制把可调参数外置哪怕只是几个整数。希望帮到你。本文还有配套的精品资源点击获取