HyperLPR车牌识别库代码分析（5）

最新推荐文章于 2023-03-05 16:15:39 发布
最新推荐文章于 2023-03-05 16:15:39 发布
阅读量414 收藏
点赞数
文章标签： python
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/m0_51150414/article/details/121068205
版权
本文深入分析了HyperLPR车牌识别库中的`bitwise_not`和`findContoursAndDrawBoundingBox`函数。通过`bitwise_not`对图像进行二进制非操作，然后利用`findContoursAndDrawBoundingBox`进行多次自适应二值化，结合RANSAC算法去除噪声，实现车牌的精确定位。文章详细探讨了RANSAC算法在处理连通域分析时剔除噪声点的作用。
摘要由CSDN通过智能技术生成

2021SC@SDUSC

源代码下载地址：https://gitee.com/zeusees/HyperLPR

源码配置的详情见第一篇分析

 本篇内容将继续根据小组分配的任务进行分析，内容如下：

一、bitwise_not(...)

          对于所有在区间[0,5]内的图片执行以下操作：

        if ptype>0 and ptype<5:
            # pass
            plate = cv2.bitwise_not(plate)

 bitwise_not是对二进制数据进行“非”操作，即对图像（灰度图像或彩色图像均可）每个像素值进行二进制“非”操作，~1=0，~0=1

 

二、findContoursAndDrawBoundingBox(...)

          

最低0.47元/天 解锁文章
WhoDeBug
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
HyperLPR源码分析10
CyberHayek的博客
12-05 183
2021SC@SDUSC
OpenCV-Python教程（11、轮廓检测）
热门推荐
sunny2038的专栏
10-30 19万+
相比C++而言，Python适合做原型。本系列的文章介绍如何在Python中用OpenCV图形库，以及与C++调用相应OpenCV函数的不同之处。这篇文章介绍在Python中使用OpenCV的检测并绘制轮廓。
如何解决image,contours,hierarchy=cv.findContours()函数在无image的下一步运用image进行操作。
weixin_51337860的博客
03-05 849
在原来opencv版本中, image,contours,hierarchy=cv2.findContours(binary,cv2.RETR_LIST,cv2.CHAIN_APPROX_SIMPLE) 是允许image在左边的，但在最新的编辑器版本中，如pycharm现在的语法为 contours,hierarchy=cv2.findContours(binary,cv2.RETR_LIST,cv2.CHAIN_APPROX_SIMPLE) 但后续还要用如image.shape进行操作怎么办。
用RANSAC算法实现干扰严重的直线拟合~
06-19 3001
直线拟合无非是最小二乘，但是如果有一些干扰项可能效果就不好了，可以采用随机抽样一致性算法来找局内项，从而排队局外项的干扰，拟合出理想的直线。
Imu_heading源码阅读（三）——Ransac_fitline部分
m0_48748418的博客
08-05 368
Imu_heading源码阅读
记一种车牌矫正或精修方法
12-30 4212
最近在做一个车牌识别的小项目，之前也没这方面的经验，我大概也就是按照一般步骤：1). 车牌检测;2).车牌校正;3).车牌文字识别这么个三步走的策略来弄。在现实场景中，检测出来的车牌通常都不是那么正规正矩，带有一定的倾斜角度。因此在识别之前要进行车牌矫正，矫正的结果直接影响车牌识别的效果。这篇文章是我在看了 开源项目HyperLPR(基于深度学习高性能中文车牌识别)中关于车牌矫正部...
Hyperlpr车牌识别服务器部署文件
10-17
Hyperlpr车牌识别服务器部署文件 部署流程请参考：https://blog.csdn.net/loutengyuan/article/details/126531910
基于QT+OpenCV+hyperLPR车牌识别系统源码
11-07
基于WIN QT5.12(MinGW)+ OpenCV3.3.+hyperLPR车牌识别系统，自带OpenCV3.30 MinGW SDK，把opencv330/BIN目录下的DLL文件复制到生成目录中，把model目录也复制过去，注意是整个目录！
pycharm中文车牌识别依赖库HyperLPR
最新发布
04-30
5. 示例与实践：`HyperLPR`库通常会提供示例代码，展示如何加载模型、处理图像和打印识别结果。这有助于初学者快速上手，并可以根据实际需求进行调整。例如，用户可能需要自定义预处理函数以适应特定的图像格式或...
HyperLPR车牌识别开源源码
11-14
HyperLPR车牌识别开源源码 ， 支持新能源车牌，但是训练库样本比较少，需要自已训练大量样本才可达到商用级别
车牌识别Hyperlpr
02-05
HyperLPR是一个使用深度学习针对对中文车牌识别的实现，开源地址：https://github.com/zeusees/HyperLPR，在windows下，使用vs2013编译成功，编译前需要修改opencv340的include和lib路径。
HyperLPR车牌识别技术算法之车牌精定位
Relocy的专栏
12-03 2万+
关于HyperLPRHyperLPR是一个使用深度学习针对对中文车牌识别的实现，与较为流行的开源的EasyPR相比，它的检测速度和鲁棒性和多场景的适应性都要好于目前开源的EasyPR，HyperLPR可以识别多种中文车牌包括白牌，新能源车牌，使馆车牌，教练车牌，武警车牌等。 Github地址：https://github.com/zeusees/HyperLPR车牌的精定位我们在训练完casca
python opencv cv2.findContours()，cv2.drawContours()函数用法
wchasedream的博客
07-31 4420
Python: cv2.findContours() contours, hierarchy = cv.findContours(image, mode, method[, contours[, hierarchy[, offset]]] ) contours: 探测的轮廓，每个轮廓被存储到一个有点构成的向量中， hierarchy：没看懂，我也没用到，回来再补充 cv2.drawContours() cv2.drawContours(image, contours, contourIdx, color[
cv2.findContours()返回函数详解， findContours()
jjddss的专栏
06-21 6万+
对于cv2.findContours() 函数，相信很多人都在使用，利用其进行轮廓的寻找，之后利用cnt[num]，对第num个轮廓进行操作，但是该函数返回的三个参数具体表示的是什么呢？ 下面就进行详细介绍，为了能够使读者更加深入的理解，利用下面的例程进行具体分析。 准备材料：图片一张（作者手动画图软件绘制的） Python程序如下： improve cv2 improve
Python+Keras+TensorFlow车牌识别
qq_43750573的博客
02-19 2063
Python+Keras+TensorFlow车牌识别 这个是我使用的车牌识别开源项目的地址：https://github.com/zeusees/HyperLPR Python 依赖 Anaconda for Python 3.x on Win64 Keras (>2.0.0) Theano(>0.9) or Tensorflow(>1.1.x) Numpy (>1...
关于解决cv2.findContours返回值too many values to unpack (expected 2)的问题
louzhengzhai的博客
05-29 2万+
根据网上的 教程，python opencv的轮廓提取函数会返回两个值，第一个为轮廓的点集，第二个是各层轮廓的索引。但是实际调用时我的程序报错了，错误内容如下 too many values to unpack (expected 2) 其实是接受返回值不符，如果你仅仅使用一个变量a去接受返回值，调用len(a),你会发现长度为3，也就是说这个函数实际上返回了三个值 第一个，也是最坑爹的
OpenCV版本差异所引发的cv2.findContours()函数传参问题：ValueError: not enough values to unpack (expected 3, got 2)
rootkiss的博客
12-08 1921
一、问题如下： cv2.findContours()这个方法是用来找出轮廓值的： //cv2.findContours找出轮廓值，cv2.RETR_EXTERNAL表示图像的外轮廓 imagex, contours, hierarchy = cv2.findContours(binary_niblack.copy(),cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_SIMP...
用RANSAC算法实现干扰严重的直线拟合（续）求点线距离
07-06 875
接上一篇“用RANSAC算法实现干扰严重的直线拟合”，上一篇的末尾没有说是如何求点线距离的。今天补充一下。首先说明，上一篇的代码里面实际上是先求点A到直线的垂线与该直线的交点B，然后求AB两点的距离，就是直线距离。这个方法其实是绕远了，完全没必要这么算。...
基于HyperLPR的车牌识别（六）
sdu_qrt的博客
11-07 490
2021SC@SDUSC 源代码下载地址：https://gitee.com/zeusees/HyperLPR 源码配置的详情见第一篇分析 这一次分析以下代码： image_rgb = fm.findContoursAndDrawBoundingBox(plate) 这是pipline.py的199行代码，其中使用了findContoursAndDrawBoundingBox()，其源代码为： #精定位算法 def findContoursAndDrawBoundingBox(image.
HyperLPR 开源车牌识别系统的入门使用
04-04
HyperLPR 是一款基于深度学习的车牌识别系统，它具有高精度、高效率、易使用等特点，是目前较为流行的车牌识别系统之一。以下是 HyperLPR 入门使用的步骤： 1. 安装 HyperLPR HyperLPR 可以通过 pip 安装，打开终端输入以下命令： ``` pip install hyperlpr ``` 2. 导入 HyperLPR 在 Python 中导入 HyperLPR： ```python import hyperlpr ``` 3. 载入图像 使用 OpenCV 载入图像： ```python import cv2 img = cv2.imread("car.jpg") ``` 4. 调用 HyperLPR 进行识别 使用 HyperLPR 对图像进行车牌识别： ```python result = hyperlpr.HyperLPR_PlateRecogntion(img) print(result) ``` 其中，result 是一个列表，可以包含多个车牌号码。 以上就是使用 HyperLPR 进行车牌识别的基本步骤。需要注意的是，HyperLPR 只能识别中国的车牌号码，对于其他国家的车牌号码可能无法识别。此外，在使用 HyperLPR 进行车牌识别时，需要确保图像中车牌的清晰度和角度。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值