基于python车牌识别 || 车牌字符分割

车牌字符分割重要性

• 无法做端到端的车牌识别，于是，为了识别准确率更高，我们需要对字符进行精准分割，并且极可能的牌除各种干扰。

以下将分为三部分进行车牌字符分割

1.图片预处理

• 目的是为了排除一些干扰，比如光线等。

  首先我们对原车牌进行灰度处理，因为灰度化后的图像将由三通道变为单通道，单通道的数据处理起来就会简单许多，对后序处理和运算速度都有很大的好处，然后在对其进行高斯滤波，得到处理过后的图片：
  
  
  由于在这里有三种车牌：黄底，蓝底，绿底。所以在这里由我们给出固定阈值进行二值化显然不合理，但是不管是什么颜色底的车牌都有一个共同的特点，就是背景和字符在车牌中所占比例肯定是不一样的。在这里，我使用了一种OSTU算法对其进行二值化，OTSU算法是由日本学者OTSU于1979年提出的一种对图像进行二值化的高效算法，是一种自适应的阈值确定的方法，又称大津阈值分割法，是最小二乘法意义下的最优分割。
  

2.水平分割

• 找出上下边框，尽可能的排除干扰，为分割做准备

  在前面对车牌进行二值化过后，现图片中只有两个像素点，0和255，我们对每一行的像素点的值进行统计，从而得到水平投影图，如图13。进行水平投影是为了找到字符的上边界和下边界，从而对字符进行精准分割。取一个合适阈值，对字符所在区域进行判别。
  

3.竖直分割

• 找出每个字符具体所在位置

  与水平投影操作类似，先得到垂直投影图，如图14。再取一个阈值，对每个字符进行分割。考虑到0和U的特殊性，这个阈值需要取得小一点，才能正确的得到完整的0和U。我们并没有用峰波和峰底进行分割，因为用峰波或者峰底的方法会使得分割出来的字符干扰信息会很多，对于我们识别正确率有很大的影响，我们在这里采用阈值的方法对其进行分割。
  

4.结果展示

• 分割结果展示
  
• 定位情况
  

完整程序链接

• https://download.csdn.net/download/ytzh88/12586962
• 该项目通过pycharm建立，直接打开，安装相应的包就可，主要是tensorflow，keras等。效果还算可以，有问题的私聊，我看到会及时解答的。