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。