Python+OpenCV实现车牌字符分割和识别_Python

最近做一个车牌识别项目，入门级别的，十分简单。

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。

									import cv2 

									# 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 in range(width): 

									 s = 0 # 这一列白色总数 

									 t = 0 # 这一列黑色总数 

									 for j in range(height): 

									 if img_thre[j][i] == 255: 

									  s += 1

									 if img_thre[j][i] == 0: 

									  t += 1

									 white_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 

									def find_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_ = m 

									  break

									 return end_ 

									n = 1

									start = 1

									end = 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 = end 

									 if end-start > 5: 

									  cj = img_thre[1:height, start:end] 

									  cv2.imshow('caijian', cj) 

									  cv2.waitKey(0)