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。
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
|
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。
以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持服务器之家。
原文链接：https://blog.csdn.net/m0_38024433/article/details/78650024