HyperLPR源码分析8

2021SC@SDUSC
在本篇报告中，我将继续分析slidingWindowsEval函数

在上篇报告分析的代码段中，已经通过滑动窗口把图像的一部分裁剪下来，并且进行了直方图均衡化等预处理，所以，接下来就要正式开始识别了。

 res = model2.predict(np.array(data_sets))
 print("分割",time.time() - t0)

这两行就是开始用预先建立好的机器学习模型，对滑动窗口部分的图像进行识别，识别里面有没有文字。识别出比较可能有文字的图像部分，存放在res数组里面。

    pin = res
    p = 1 -  (res.T)[1]
    p = f.gaussian_filter1d(np.array(p,dtype=np.float),3)
    lmin = l.argrelmax(np.array(p),order = 3)[0]
    interval = []

对res求转置，然后用1减去其中的第二行保存为p，也就是1减去res的第二列，保存为p。目前我也无法弄清为什么要选第二列，还要用1减去它，大概是作者通过分析具体案例，认为车牌部分的第二列一般含有重要信息吧。

然后对p进行高斯滤波&#