python实现车牌识别的示例代码

某天回家之时，听到有个朋友说起他正在做一个车牌识别的项目于是对其定位车牌的位置算

某天回家之时，听到有个朋友说起他正在做一个车牌识别的项目

于是对其定位车牌的位置算法颇有兴趣，今日有空得以研究，事实上车牌识别算是比较成熟的技术了，

这里我只是简单实现。

我的思路为：

对图片进行一些预处理，包括灰度化、高斯平滑、中值滤波、Sobel算子边缘检测等等。

利用OpenCV对预处理后的图像进行轮廓查找，然后根据一些参数判断该轮廓是否为车牌轮廓。

效果如下：

test1：

test2

实现代码如下（对图像预处理（滤波器等）的原理比较简单，这里只是对一些函数进行调包）：

import cv2
import numpy as np
 
 
# 形态学处理
def Process(img):
	# 高斯平滑
	gaussian = cv2.GaussianBlur(img, (3, 3), 0, 0, cv2.BORDER_DEFAULT)
	# 中值滤波
	median = cv2.medianBlur(gaussian, 5)
	# Sobel算子
	# 梯度方向: x
	sobel = cv2.Sobel(median, cv2.CV_8U, 1, 0, ksize=3)
	# 二值化
	ret, binary = cv2.threshold(sobel, 170, 255, cv2.THRESH_BINARY)
	# 核函数
	element1 = cv2.getStructuringElement(cv2.MORPH_RECT, (9, 1))
	element2 = cv2.getStructuringElement(cv2.MORPH_RECT, (9, 7))
	# 膨胀
	dilation = cv2.dilate(binary, element2, iterations=1)
	# 腐蚀
	erosion = cv2.erode(dilation, element1, iterations=1)
	# 膨胀
	dilation2 = cv2.dilate(erosion, element2, iterations=3)
	return dilation2
 
 
def GetRegion(img):
	regions = []
	# 查找轮廓
	_, contours, hierarchy = cv2.findContours(img, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)
	for contour in contours:
 area = cv2.contourArea(contour)
 if (area < 2000):
 continue
 eps = 1e-3 * cv2.arcLength(contour, True)
 approx = cv2.approxPolyDP(contour, eps, True)
 rect = cv2.minAreaRect(contour)
 box = cv2.boxPoints(rect)
 box = np.int0(box)
 height = abs(box[0][1] - box[2][1])
 width = abs(box[0][0] - box[2][0])
 ratio =float(width) / float(height)
 if (ratio < 5 and ratio > 1.8):
 regions.append(box)
	return regions
 
 
def detect(img):
	# 灰度化
	gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
	prc = Process(gray)
	regions = GetRegion(prc)
	print('[INFO]:Detect %d license plates' % len(regions))
	for box in regions:
 cv2.drawContours(img, [box], 0, (0, 255, 0), 2)
	cv2.imshow('Result', img)
 #保存结果文件名
	cv2.imwrite('result2.jpg', img)
	cv2.waitKey(0)
	cv2.destroyAllWindows()
 
 
if __name__ == '__main__':
 #输入的参数为图片的路径
	img = cv2.imread('test2.jpg')
	detect(img)

以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持脚本之家。