HyperLPR源码分析9

最新推荐文章于 2021-12-25 14:48:42 发布

CyberHayek

最新推荐文章于 2021-12-25 14:48:42 发布

阅读量199

点赞数

文章标签： python 人工智能

本文链接：https://blog.csdn.net/CyberHayek/article/details/121597802

版权

本文深入探讨HyperLPR中slidingWindowsEval函数，分析如何找到最佳分割点并进行图像分割。作者使用searchOptimalCuttingPoint找到切割点，随后依据点的位置进行不同方式的裁剪。经过精细修剪的图像段通过refineCrop函数处理后，进行文字识别，得到的confidence和name将被返回。

摘要由CSDN通过智能技术生成

2021SC@SDUSC

我们接着来分析slidingWindowsEval函数

在上一次分析中，我们提到，作者调用了他自己写的函数searchOptimalCuttingPoint，找到了最佳分割点，这个点是一个列表，因为点不止一个，然后点列表和评价点的分割score组成的总体列表，作为res返回原函数中，接下来，作者用cutting_pts = res[1]，将点集取出来存放到cutting_pts里面，这样就可以分割了。以下是分割部分的代码：

 for x in range(1,len(cutting_pts)):
        if x != len(cutting_pts)-1 and x!=1:
            section = image[0:36,cutting_pts[x-1]-2:cutting_pts[x]+2]
        elif  x==1:
            c_head = cutting_pts[x - 1]- 2
            if c_head<0:
                c_head=0
            c_tail = cutting_pts[x] + 2
            section = image[0:36, c_head:c_tail]
        elif x==len(cutting_pts)-1:
            end = cutting_pts[x]
            diff = image.shape[1]-end
            c_head = cutting_pts[x - 1]
            c_tail = cutting_pts[x]
            if diff<7 :