一、图像处理
当汽车进入停车场地需要经过牌照识别,这图来源下载
1. 读取图像
这里主要使用openCV进行图像处理。
读取图像:
opencv默认的imread是以BGR的方式进行存储的, 而matplotlib的imshow默认则是以RGB格式展示
2. 图像降噪
3. 边缘检测
4.轮廓寻找
(这里主要用形态学矩形算法寻找,这里直接给出结果)
5.字符分割
这里字符分割主要用到聚类算法,比如光谱聚类,Python有专门的模块可以处理。
这里有七张图片,每张图片是汽车牌照的每一个字符。
为解决初学者学习上的困难,专门建立的Python学习扣qun:784758214,从0基础的python脚本到web开发、爬虫、django、数据挖掘数据分析等,0基础到项目实战的资料都有整理。送给每一位python的小伙伴!每晚分享一些学习的方法和需要注意的小细节,学习路线规划,利用编程赚外快。点击加入我们的 python学习圈
二、深度学习
接下来我们开始训练深度学习模型,进行识别。
import os
from PIL import Image
import numpy as np
import matplotlib.pyplot as plt
plt.rcParams[‘font.sans-serif’] = [‘SimHei’]
import tensorflow as tf
from tensorflow import keras
from sklearn.model_selection import train_test_split
###############################################################################
汽车图片
rootpath = ‘D:\car_img\charSamples’
try:
os.makedirs(‘D:\car_img\img’)
except FileExistsError:
pass
文件目录列表
file_list1 = []
for root, dirs, files in os.walk(rootpath):
for file in files:
if os.path.splitext(file)[1] == “.png”:
file_list1.append(os.path.join(root, file))
len(file_list1)
#批量改变图片像素