python图像分割识别_Python+OpenCV实现车牌字符分割和识别

https://m.jb51.net/article/137487.htm

车牌识别总体分成两个大的步骤：

一、车牌定位：从照片中圈出车牌

二、车牌字符识别

这里只说第二个步骤，字符识别包括两个步骤：

1、图像处理

原本的图像每个像素点都是RGB定义的，或者称为有R/G/B三个通道。在这种情况下，很难区分谁是背景，谁是字符，所以需要对图像进行一些处理，把每个RGB定义的像素点都转化成一个bit位（即0-1代码），具体方法如下：

①将图片灰度化

名字拗口，但是意思很好理解，就是把每个像素的RGB都变成灰色的RGB值，而灰色的RGB值是R=G=B的。具体怎么改变暂且忽略，因为OpenCV有封装好的函数。

②将灰度图片二值化

我们做第一步的目的就是为了让每个像素都可以转变成0或1。再解释一下，既然每个像素的RGB值都相等了，那么将这个值称为灰度值，假设一张灰度车牌图片中，背景的灰度值集中在180（十进制）左右，而字符的灰度值集中在20左右，那么我们规定一个中间值100，小于100的像素点就可以全部变成0，大于100的像素点可以全部变成1，这样就实现了二值化。

③旋转调平

这个就不说了。

④去燥

这个涉及另外一些方法，以后有时间再补充，入门项目不作要求。

2、图像切割和识别

①图像切割

切割可以很简单，也可以很难，关键是方法的选择。

在这就用最弱智的方法进行切割吧。

图片现在已经成为一个0-1矩阵了，其中要么0是背景而1是字符，或者1是背景而0是字符，那就简单粗暴地用每一列的0-1数来切割。

我先在这里假设图片几乎水平，而且几乎没有噪点，具体方法如下：

a.将每一列的1值和0值分别统计起来。

b.根据每一列的0-1总和变换来切割字符

②图像识别

将每一个字符的图片分割出来后，就可以根据模板来判断是哪个字符了。

简单的方法有两种：

a.逐个像素比对，如果一致则count加一，最后根据count值确定匹配结果。

b.投影匹配：将每行、每列的像素位统计起来，根据差值大小来确定匹配结果。

两种方法结合效果很好。

具体的识别之后再补充。

下面是字符分割的代码。

importcv2#1、读取图像，并把图像转换为灰度图像并显示

img = cv2.imread("chepai/6.png") #读取图片

img_gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) #转换了灰度化

cv2.imshow('gray', img_gray) #显示图片

cv2.waitKey(0)#2、将灰度图像二值化，设定阈值是100

img_thre =img_gray

cv2.threshold(img_gray,100, 255, cv2.THRESH_BINARY_INV, img_thre)

cv2.imshow('threshold', img_thre)

cv2.waitKey(0)#3、保存黑白图片

cv2.imwrite('thre_res.png', img_thre)#4、分割字符

white = [] #记录每一列的白色像素总和

black = [] #..........黑色.......

height =img_thre.shape[0]

width= img_thre.shape[1]

white_max=0

black_max=0#计算每一列的黑白色像素总和

for i inrange(width):

s= 0 #这一列白色总数

t = 0 #这一列黑色总数

for j inrange(height):if img_thre[j][i] == 255:

s+= 1

if img_thre[j][i] ==0:

t+= 1white_max=max(white_max, s)

black_max=max(black_max, t)

white.append(s)

black.append(t)print(s)print(t)

arg= False #False表示白底黑字；True表示黑底白字

if black_max >white_max:

arg=True#分割图像

deffind_end(start_):

end_= start_+1

for m in range(start_+1, width-1):if (black[m] if arg else white[m]) > (0.95 * black_max if arg else 0.95 * white_max): #0.95这个参数请多调整，对应下面的0.05

end_ =mbreak

returnend_

n= 1start= 1end= 2

while n < width-2:

n+= 1

if (white[n] if arg else black[n]) > (0.05 * white_max if arg else 0.05 *black_max):#上面这些判断用来辨别是白底黑字还是黑底白字

#0.05这个参数请多调整，对应上面的0.95

start =n

end=find_end(start)

n=endif end-start > 5:

cj= img_thre[1:height, start:end]

cv2.imshow('caijian', cj)

cv2.waitKey(0)

源程序中没有将图片输出，而只是显示出来，下面是执行结果

原图片：

灰度图片：

二值图片：（白底黑字）

分割后：

总体分割效果还是补充。但是遇到干扰较多的图片，比如左右边框太大、噪点太多，这样就不能分割出来，各位可以试一下不同的照片。