基于Python的车牌识别（切割及识别）

基于Python的车牌识别（切割及识别）

上一篇博文简单的分享车牌定位，这次，将定位出来的车牌进行分割并识别出该字符。

1、车牌定位及提取

可参考上一篇博文，下方是提取出来的车牌

2、车牌二值化

def split_char(image):
    # 改变车牌号大小
    image = cv2.resize(image, (445, 150))
    # 高斯模糊
    blurerd = cv2.GaussianBlur(image, (3, 3), 0, 0, cv2.BORDER_DEFAULT)
    # 图像转灰度
    gray = cv2.cvtColor(blurerd, cv2.COLOR_BGR2GRAY)

    kernel = np.ones((3, 3), np.uint8)
    # kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (5, 5))
    # img_opening = cv2.morphologyEx(gray,cv2.MORPH_CLOSE,kernel)
    # img_opening = cv2.addWeighted(gray,1,img_opening,-1,0)  #将两张图片相融合

    # 将灰度图像转换为二值化,设定阈值是100  (黑白照片）
    w=12 #分割图片的最小值
    A = 80
    P = 0.98
    while A<101:
        ret, img_thre = cv2.threshold(gray, A, 255, cv2.THRESH_BINARY_INV)
        # img_thre = cv2.erode(img_thre, kernel)

        cv2.imshow("threshold", img_thre)
        # cv2.imwrite(output_dir + '/' + 'img_thre' + '.jpg', img_thre)
        # cv2.waitKey(0)

3、分割

（1）分割主要采用的方法是投影，通过设置阈值将图片先水平分割（去掉上下水平线）

        # 分割图像
        white = []  # 记录每一列的白色像素总和
        black = []  # 记录每一列的黑色像素的总和
        height = img_thre.shape[0]
        width = img_thre.shape[1]
        white_max = 0
        black_max = 0
        # 计算每一行的黑白像素的总和
        for i in range(height):
            s = 0  # 这一行白色总数
            t = 0  # 这一行黑色总数
            for j in range(width):
                if img_thre[i][j] == 255:
                    s = s + 1
                if img_thre[i][j] == 0:
                    t = t + 1
            white_max = max(white_max, s)
            black_max