HyperLPR源码分析7

2021SC@SDUSC

之前几篇文章，我分析完了SimpleRecognizePlateByE2E(self,image)函数。接下来几次文章中，根据小组的任务分配，我将会分析segmentation.py中的slidingWindowsEval(image)函数，因为这个函数在pipline.py中的SimpleRecognizePlate(image)函数出现过，而这个函数正是我们小组成员正在重点分析的函数。

它出现的段落如下：

val = segmentation.slidingWindowsEval(image_gray)
        # print val
        print("分割和识别",time.time() - t2,"s")
        if len(val)==3:
            blocks, res, confidence = val

可以看出，这个函数返回了几个变量，这几个变量在后文又出现了：

            if confidence/7>0.7:
                image =  drawRectBox(image,rect,res)
                res_set.append(res)
                

 if confidence>0:
                print("车牌:",res,"置信度:",confidence/7)

根据这些代码可以推断，slidingWindowsEval函数返回的，正是车牌内容和置信度，显然，这个函数也属于车牌识别的核心代码，值得好好分析。