最近做一個車牌識別項(xiàng)目，入門級別的，十分簡單。
車牌識別總體分成兩個大的步驟：
一、車牌定位：從照片中圈出車牌
二、車牌字符識別
這里只說第二個步驟，字符識別包括兩個步驟：
1、圖像處理
原本的圖像每個像素點(diǎn)都是RGB定義的，或者稱為有R/G/B三個通道。在這種情況下，很難區(qū)分誰是背景，誰是字符，所以需要對圖像進(jìn)行一些處理，把每個RGB定義的像素點(diǎn)都轉(zhuǎn)化成一個bit位（即0-1代碼），具體方法如下：
①將圖片灰度化
名字拗口，但是意思很好理解，就是把每個像素的RGB都變成灰色的RGB值，而灰色的RGB值是R=G=B的。具體怎么改變暫且忽略，因?yàn)镺penCV有封裝好的函數(shù)。
②將灰度圖片二值化
我們做第一步的目的就是為了讓每個像素都可以轉(zhuǎn)變成0或1。再解釋一下，既然每個像素的RGB值都相等了，那么將這個值稱為灰度值，假設(shè)一張灰度車牌圖片中，背景的灰度值集中在180（十進(jìn)制）左右，而字符的灰度值集中在20左右，那么我們規(guī)定一個中間值100，小于100的像素點(diǎn)就可以全部變成0，大于100的像素點(diǎn)可以全部變成1，這樣就實(shí)現(xiàn)了二值化。
③旋轉(zhuǎn)調(diào)平
這個就不說了。
④去燥
這個涉及另外一些方法，以后有時間再補(bǔ)充，入門項(xiàng)目不作要求。
2、圖像切割和識別
①圖像切割
切割可以很簡單，也可以很難，關(guān)鍵是方法的選擇。
在這就用最弱智的方法進(jìn)行切割吧。
圖片現(xiàn)在已經(jīng)成為一個0-1矩陣了，其中要么0是背景而1是字符，或者1是背景而0是字符，那就簡單粗暴地用每一列的0-1數(shù)來切割。
我先在這里假設(shè)圖片幾乎水平，而且?guī)缀鯖]有噪點(diǎn)，具體方法如下：
a.將每一列的1值和0值分別統(tǒng)計(jì)起來。
b.根據(jù)每一列的0-1總和變換來切割字符
②圖像識別
將每一個字符的圖片分割出來后，就可以根據(jù)模板來判斷是哪個字符了。
簡單的方法有兩種：
a.逐個像素比對，如果一致則count加一，最后根據(jù)count值確定匹配結(jié)果。
b.投影匹配：將每行、每列的像素位統(tǒng)計(jì)起來，根據(jù)差值大小來確定匹配結(jié)果。
兩種方法結(jié)合效果很好。
具體的識別之后再補(bǔ)充。
下面是字符分割的代碼。
import cv2 # 1、讀取圖像，并把圖像轉(zhuǎn)換為灰度圖像并顯示 img = cv2.imread("chepai/6.png") # 讀取圖片 img_gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) # 轉(zhuǎn)換了灰度化 cv2.imshow('gray', img_gray) # 顯示圖片 cv2.waitKey(0) # 2、將灰度圖像二值化，設(shè)定閾值是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、保存黑白圖片 cv2.imwrite('thre_res.png', img_thre) # 4、分割字符 white = [] # 記錄每一列的白色像素總和 black = [] # ..........黑色....... height = img_thre.shape[0] width = img_thre.shape[1] white_max = 0 black_max = 0 # 計(jì)算每一列的黑白色像素總和 for i in range(width): s = 0 # 這一列白色總數(shù) t = 0 # 這一列黑色總數(shù) 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 # 分割圖像 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這個參數(shù)請多調(diào)整，對應(yīng)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): # 上面這些判斷用來辨別是白底黑字還是黑底白字 # 0.05這個參數(shù)請多調(diào)整，對應(yīng)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) 源程序中沒有將圖片輸出，而只是顯示出來，下面是執(zhí)行結(jié)果
原圖片：
灰度圖片：
二值圖片：（白底黑字）
分割后：
總體分割效果還是補(bǔ)充。但是遇到干擾較多的圖片，比如左右邊框太大、噪點(diǎn)太多，這樣就不能分割出來，各位可以試一下不同的照片。
以上就是本文的全部內(nèi)容，希望對大家的學(xué)習(xí)有所幫助，也希望大家多多支持VEVB武林網(wǎng)。
新聞熱點(diǎn)
疑難解答
圖片精選
