opencv-python車牌字符分割和識別入門（轉）

本文轉載自查看原文 2020-03-02 21:21 660 opencv

最近做一個車牌識別項目，入門級別的，十分簡單。

車牌識別總體分成兩個大的步驟：

一、車牌定位：從照片中圈出車牌

二、車牌字符識別

這里只說第二個步驟，字符識別包括兩個步驟：

1、圖像處理：原本的圖像每個像素點都是RGB定義的，或者稱為有R/G/B三個通道。在這種情況下，很難區分誰是背景，誰是字符，所以需要對圖像進行一些處理，把每個RGB定義的像素點都轉化成一個bit位（即0-1代碼），具體方法如下：

①將圖片灰度化

名字拗口，但是意思很好理解，就是把每個像素的RGB都變成灰色的RGB值，而灰色的RGB值是R=G=B的。具體怎么改變暫且忽略，因為OpenCV有封裝好的函數。

②將灰度圖片二值化

我們做第一步的目的就是為了讓每個像素都可以轉變成0或1。再解釋一下，既然每個像素的RGB值都相等了，那么將這個值稱為灰度值，假設一張灰度車牌圖片中，背景的灰度值集中在180（十進制）左右，而字符的灰度值集中在20左右，那么我們規定一個中間值100，小於100的像素點就可以全部變成0，大於100的像素點可以全部變成1，這樣就實現了二值化。

③旋轉調平

這個就不說了。

④去燥

這個涉及另外一些方法，以后有時間再補充，入門項目不作要求。

2、圖像切割和識別

①圖像切割

切割可以很簡單，也可以很難，關鍵是方法的選擇。

在這就用最弱智的方法進行切割吧。

圖片現在已經成為一個0-1矩陣了，其中要么0是背景而1是字符，或者1是背景而0是字符，那就簡單粗暴地用每一列的0-1數來切割。

我先在這里假設圖片幾乎水平，而且幾乎沒有噪點，具體方法如下：

a.將每一列的1值和0值分別統計起來。

b.根據每一列的0-1總和變換來切割字符

②圖像識別

將每一個字符的圖片分割出來后，就可以根據模板來判斷是哪個字符了。

簡單的方法有兩種：

a.逐個像素比對，如果一致則count加一，最后根據count值確定匹配結果。

b.投影匹配：將每行、每列的像素位統計起來，根據差值大小來確定匹配結果。

兩種方法結合效果很好。

具體的識別之后再補充。

下面是字符分割的代碼。

import cv2
 
# 1、讀取圖像，並把圖像轉換為灰度圖像並顯示
img = cv2.imread("chepai/6.png")  # 讀取圖片
img_gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)   # 轉換了灰度化
cv2.imshow('gray', img_gray)  # 顯示圖片
cv2.waitKey(0)
 
# 2、將灰度圖像二值化，設定閾值是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、保存黑白圖片
cv2.imwrite('thre_res.png', img_thre)
 
# 4、分割字符
white = []  # 記錄每一列的白色像素總和
black = []  # ..........黑色.......
height = img_thre.shape[0]
width = img_thre.shape[1]
white_max = 0
black_max = 0
# 計算每一列的黑白色像素總和
for i in range(width):
    s = 0  # 這一列白色總數
    t = 0  # 這一列黑色總數
    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
 
# 分割圖像
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這個參數請多調整，對應下面的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):
        # 上面這些判斷用來辨別是白底黑字還是黑底白字
        # 0.05這個參數請多調整，對應上面的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)