HyperLPR源码分析4

最新推荐文章于 2024-05-02 17:00:54 发布

CyberHayek

最新推荐文章于 2024-05-02 17:00:54 发布

阅读量281

点赞数

文章标签： python 人工智能

本文链接：https://blog.csdn.net/CyberHayek/article/details/120925390

版权

本文深入分析HyperLPR中的modelFinemapping和finemappingVertical函数。modelFinemapping通过调整图片大小、卷积神经网络处理，确定车牌左右边界。finemappingVertical则对图像进行缩放、转为黑白，使用modelFinemapping获取边界坐标，并进行精确裁剪，确保车牌在图像范围内。整个过程实现了车牌的精确定位和裁剪。

摘要由CSDN通过智能技术生成

2021SC@SDUSC

在这篇文章里，我将继续对SimpleRecognizePlateByE2E函数的分析，上一篇文章里，我对这个函数的总体思想进行了概括，这个函数调用了detectPlateRough、finemappingVertical和recognizeOne这三个重要函数，上一篇文章里，我已经对detectPlateRough进行了分析，这次，我将会分析finemappingVertical函数

这个函数的代码如下：

def finemappingVertical(self,image,rect):
        resized = cv2.resize(image,(66,16))
        resized = resized.astype(np.float)/255
        res_raw= self.modelFineMapping.predict(np.array([resized]))[0]
        res  =res_raw*image.shape[1]
        res = res.astype(np.int)
        H,T = res
        H-=3
        if H<0:
            H=0
        T+=2;
        if T>= image.shape[1]-1:
            T= image.shape[1]-1
        rect[2] -=  rect[2]*(1-res_raw[1] + res_raw[0])
        rect[0]+=res[0]
        image = image[:,H:T+2]
        image = cv2.resize(image, (int(136), in