EasyPR源碼剖析（8）：字符分割
通過前面的學習，我們已經可以從圖像中定位出車牌區域，並且通過SVM模型刪除“虛假”車牌，下面我們需要對車牌檢測步驟中獲取到的車牌圖像，進行光學字符識別（OCR），在進行光學字符識別之前，需要對車牌圖塊進行灰度化，二值化，然后使用一系列算法獲取到車牌的每個字符的分割圖塊。本節主要對該字符分割部分 ...
原文：EasyPR源碼剖析（9）：字符識別
在上一篇文章的介紹中，我們已經通過相應的字符分割方法，將車牌區域進行分割，得到 個分割字符圖塊，接下來要做的就是將字符圖塊放入訓練好的神經網絡模型，通過模型來預測每個圖塊所表示的具體字符。神經網絡的介紹和訓練過程我們將在下一節中具體介紹，本節主要介紹字符特征的提取，和如何通過訓練好的神經網絡模型來進行字符的識別。 字符識別主要是通過 類CharsIdentify 來進行，對於中文字符和非中文字符， ...
2017-08-17 22:28 0 2126 推薦指數：
相關推薦
EasyPR源碼剖析（1）：概述
EasyPR（Easy to do Plate Recognition）是本人在opencv學習過程中接觸的一個開源的中文車牌識別系統，項目Git地址為https://github.com/liuruoze/EasyPR。考慮到大部分人對opencv的使用還比較陌生，我將在 ...
EasyPR源碼剖析（2）：車牌定位
上一篇主要介紹了車牌識別的整體框架和流程，車牌識別主要划分為了兩個過程：即車牌檢測和字符識別，而車牌識別的核心環節就是這一節主要介紹的車牌定位，即 Plate Locate。車牌定位主要是將圖片中有可能是車牌的區域定位出來，方便后面進一步的處理。測試代碼 ...
EasyPR源碼剖析（6）：車牌判斷之LBP特征
一、LBP特征 LBP指局部二值模式，英文全稱：Local Binary Pattern，是一種用來描述圖像局部特征的算子，LBP特征具有灰度不變性和旋轉不變性等顯著優點。 原始的LBP算子定義在 ...
EasyPR源碼剖析（5）：車牌定位之偏斜扭轉
一、簡介 通過顏色定位和Sobel算子定位可以計算出一個個的矩形區域，這些區域都是潛在車牌區域，但是在進行SVM判別是否是車牌之前，還需要進行一定的處理。主要是考慮到以下幾個問題： 1、定位區域存 ...
EasyPR源碼剖析（7）：車牌判斷之SVM
前面的文章中我們主要介紹了車牌定位的相關技術，但是定位出來的相關區域可能並非是真實的車牌區域，EasyPR通過SVM支持向量機，一種機器學習算法來判定截取的圖塊是否是真的“車牌”，本節主要對相關的技術做詳細的介紹。 注：SVM相關內容可以詳細參考周志華老師的《機器學習》和一篇名為《支持向量機通俗 ...
EasyPR源碼剖析（3）：車牌定位之顏色定位
一、簡介 對車牌顏色進行識別，可能大部分人首先想到的是RGB模型， 但是此處RGB模型有一定的局限性，譬如藍色，其值是255，還需要另外兩個分量都為0，不然很有可能你得到的值是白色。黃色更麻煩，它是由紅色和綠色組合而成的，這意味着你需要考慮兩個變量的配比問題。這些問題讓選擇 RGB 模型進行判斷 ...
halcon學習_字符識別1
實例圖片 大體步驟：1.讀取圖片 2.圖像預處理（閾值分割，提取標簽部分，縮小處理區域） 3.將標簽區域的最小外接 ...