蓝绿黄车牌识别（附Python代码）

最新推荐文章于 2025-03-23 21:33:38 发布

金fu

最新推荐文章于 2025-03-23 21:33:38 发布

阅读量5k

点赞数 9

分类专栏：模式识别文章标签： python github 机器学习模式识别算法

本文链接：https://blog.csdn.net/weixin_44376052/article/details/113560784

版权

本文介绍了一个基于Python的车牌识别系统，包括车牌定位、字符分割、特征描述和k-NN分类算法。系统采用GUI界面，通过图像处理技术识别车牌，并通过k-NN算法对字符进行分类。提供了GitHub链接和最终效果图。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

开门见山啦，记得star一下呀

汽车图片来源于网络

项目的编程环境为python3.7.7，编译器使用pycharm2019.3.4 x64，设计一个车牌识别系统，有GUI界面。选择一张有车牌的图片后，完成车牌定位、倾斜校正、字符分割，最后通过k-NN算法对车牌的字母和数字进行识别，将识别结果在GUI界面中显示出来。

车牌定位就是在图片中识别出哪个位置有车牌，是字符分割和字母数字识别的前提，是车牌识别系统的关键和难点。具体算法如下：

对原始图像进行高斯模糊，减少噪点。
提取图像边缘。首先将彩色图像转为灰度图gray，利用大核对灰度图进行开操作得到图像open，相当于对灰度图进行涂抹操作，将灰度图gray和开操作后的图像open按1：-1的比例融合得到图像add，以上操作可以将大面积灰度值相似的地方置黑，可以减少车灯、背景、地面、挡风玻璃等细节。接着使用canny算法对融合图像add提取边缘，得到图像canny。

使用横向长条作为核对边缘图像进行一次闭操作，得到图像close，相当于对边缘横向涂抹，因为一般视角车牌是宽大于高的矩形。再对图像close进行一次开操作，得到图像open2，消除较细的线条和不大的竖向线条，从而将车牌位置的连通区域独立出来。

闭操作close	开操作open2
对边缘进行闭操作和开操作

车牌定位

字符分割连接车牌定位和字符识别两个步骤，起到承上启下的作用，准确的字符分割是准确识别字符的前提，具体算法如下：

先将RGB图像转为灰度图，再转为二值图像，由于黄牌和绿牌的字符是黑色的，因此要将黄牌和绿牌的二值图像做反转处理。
车牌的上边缘或下边缘有2颗铆钉，考虑到车牌字符一般为7位，理论上遍历每行像素，若黑白跳变次数大于14次，可以判断该行像素有字符的像素，予以保留，若小于等于14次，可以判断行像素没有字符的像素，将这一整行像素置黑，即可消除铆钉。考虑到车牌倾斜的可能性，项目中将这一阈值设定为8。
将二值图像的像素值向x轴投射，白色像素越多，投射出的值越高，投射值低于设定阈值时，可以视为字符间隔。由于省市编号与其它编号距离较大，所以字符最大间隔可以视为省市编号与其它编号之间的间隔，再往数前一个间隔，可以得到车牌号的第一个字符。大间隔右边由于字符较多，所以通过连通区域面积最大的5个进行查早，再通过x坐标排序，从而得到其余字符，至此字符分割完成。