亲宝软件园·资讯

展开

Python车牌字符分割识别 Python+OpenCV实现车牌字符分割和识别

Jdfohewk 人气:0
想了解Python+OpenCV实现车牌字符分割和识别的相关内容吗,Jdfohewk在本文为您仔细讲解Python车牌字符分割识别的相关知识和一些Code实例,欢迎阅读和指正,我们先划重点:python车牌字符分割,python实现车牌识别,python车牌字符分割和识别,下面大家一起来学习吧。

最近做一个车牌识别项目,入门级别的,十分简单。

车牌识别总体分成两个大的步骤:

一、车牌定位:从照片中圈出车牌

二、车牌字符识别

这里只说第二个步骤,字符识别包括两个步骤:

1、图像处理

原本的图像每个像素点都是RGB定义的,或者称为有R/G/B三个通道。在这种情况下,很难区分谁是背景,谁是字符,所以需要对图像进行一些处理,把每个RGB定义的像素点都转化成一个bit位(即0-1代码),具体方法如下:

①将图片灰度化

名字拗口,但是意思很好理解,就是把每个像素的RGB都变成灰色的RGB值,而灰色的RGB值是R=G=B的。具体怎么改变暂且忽略,因为OpenCV有封装好的函数。

②将灰度图片二值化

我们做第一步的目的就是为了让每个像素都可以转变成0或1。再解释一下,既然每个像素的RGB值都相等了,那么将这个值称为灰度值,假设一张灰度车牌图片中,背景的灰度值集中在180(十进制)左右,而字符的灰度值集中在20左右,那么我们规定一个中间值100,小于100的像素点就可以全部变成0,大于100的像素点可以全部变成1,这样就实现了二值化。

③旋转调平

这个就不说了。

④去燥

这个涉及另外一些方法,以后有时间再补充,入门项目不作要求。

2、图像切割和识别

①图像切割

切割可以很简单,也可以很难,关键是方法的选择。

在这就用最弱智的方法进行切割吧。

图片现在已经成为一个0-1矩阵了,其中要么0是背景而1是字符,或者1是背景而0是字符,那就简单粗暴地用每一列的0-1数来切割。

我先在这里假设图片几乎水平,而且几乎没有噪点,具体方法如下:

a.将每一列的1值和0值分别统计起来。

b.根据每一列的0-1总和变换来切割字符

②图像识别

将每一个字符的图片分割出来后,就可以根据模板来判断是哪个字符了。

简单的方法有两种:

a.逐个像素比对,如果一致则count加一,最后根据count值确定匹配结果。

b.投影匹配:将每行、每列的像素位统计起来,根据差值大小来确定匹配结果。

两种方法结合效果很好。

具体的识别之后再补充。

下面是字符分割的代码。

import cv2 
 
# 1、读取图像,并把图像转换为灰度图像并显示 
img = cv2.imread("chepai/6.png") # 读取图片 
img_gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) # 转换了灰度化 
cv2.imshow('gray', img_gray) # 显示图片 
cv2.waitKey(0) 
 
# 2、将灰度图像二值化,设定阈值是100 
img_thre = img_gray 
cv2.threshold(img_gray, 100, 255, cv2.THRESH_BINARY_INV, img_thre) 
cv2.imshow('threshold', img_thre) 
cv2.waitKey(0) 
 
# 3、保存黑白图片 
cv2.imwrite('thre_res.png', img_thre) 
 
# 4、分割字符 
white = [] # 记录每一列的白色像素总和 
black = [] # ..........黑色....... 
height = img_thre.shape[0] 
width = img_thre.shape[1] 
white_max = 0 
black_max = 0 
# 计算每一列的黑白色像素总和 
for i in range(width): 
 s = 0 # 这一列白色总数 
 t = 0 # 这一列黑色总数 
 for j in range(height): 
 if img_thre[j][i] == 255: 
  s += 1 
 if img_thre[j][i] == 0: 
  t += 1 
 white_max = max(white_max, s) 
 black_max = max(black_max, t) 
 white.append(s) 
 black.append(t) 
 print(s) 
 print(t) 
 
arg = False # False表示白底黑字;True表示黑底白字 
if black_max > white_max: 
 arg = True 
 
# 分割图像 
def find_end(start_): 
 end_ = start_+1 
 for m in range(start_+1, width-1): 
 if (black[m] if arg else white[m]) > (0.95 * black_max if arg else 0.95 * white_max): # 0.95这个参数请多调整,对应下面的0.05 
  end_ = m 
  break 
 return end_ 
 
n = 1 
start = 1 
end = 2 
while n < width-2: 
 n += 1 
 if (white[n] if arg else black[n]) > (0.05 * white_max if arg else 0.05 * black_max): 
 # 上面这些判断用来辨别是白底黑字还是黑底白字 
 # 0.05这个参数请多调整,对应上面的0.95 
 start = n 
 end = find_end(start) 
 n = end 
 if end-start > 5: 
  cj = img_thre[1:height, start:end] 
  cv2.imshow('caijian', cj) 
  cv2.waitKey(0) 

源程序中没有将图片输出,而只是显示出来,下面是执行结果

原图片:

灰度图片:

二值图片:(白底黑字)

分割后:

总体分割效果还是补充。但是遇到干扰较多的图片,比如左右边框太大、噪点太多,这样就不能分割出来,各位可以试一下不同的照片。

加载全部内容

相关教程
猜你喜欢
用户评论