本文介绍了使用Python和深度学习自制车牌识别器的过程，包括图像处理、深度学习模型的建立和训练，以及最终的测试与预测。通过图像降噪、轮廓寻找、字符分割等步骤，结合OpenCV和TensorFlow实现模型训练，对数字和字母进行识别，未涵盖省份简称的训练。文章还展示了部分训练和预测结果，表明模型具有较高的准确性。
我用Python自制了一个精密的车牌识别器！老板给了我两万？亏了吗
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
- 读取图像
这里主要使用openCV进行图像处理。
读取图像：
我用Python自制了一个精密的车牌识别器！老板给了我两万？亏了吗
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
我用Python自制了一个精密的车牌识别器！老板给了我两万？亏了吗
- 图像降噪
我用Python自制了一个精密的车牌识别器！老板给了我两万？亏了吗
-
边缘检测
我用Python自制了一个精密的车牌识别器！老板给了我两万？亏了吗
4.轮廓寻找
我用Python自制了一个精密的车牌识别器！老板给了我两万？亏了吗
（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。
我用Python自制了一个精密的车牌识别器！老板给了我两万？亏了吗
这里有七张图片，每张图片是汽车牌照的每一个字符。
二、深度学习
接下来我们开始训练深度学习模型，进行识别。
<pre style="-webkit-tap-highlight-color: transparent; box-sizing: border-box; font-family: Consolas, Menlo, Courier, monospace; font-size: 16px; white-space: pre-wrap; position: relative; line-height: 1.5; color: rgb(153, 153, 153); margin: 1em 0px; padding: 12px 10px; background: rgb(244, 245, 2
最低0.47元/天 解锁文章
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
