Python实现车牌识别（opencv数字图像处理，pca+svm）.zip

# 车牌识别 #### 介绍 opencv数字图像处理，pca+svm车牌识别 #### 说明 该小工程是我为了学习支持向量机算法作为练习的，但继SVM的理论后，更多的困难体在数字图像处理上，比如车牌检测，字符分割，不过在坚持下都已被解决，希望大家能加入一起体验机器学习与数字图像处理 车牌识别的流程： 1检测到车牌 2将车牌的字符分割出来 3字符逐个使用SVM模型识别 具体的原理（包括SVM超平面推导公式）位于文件夹“theory”，格式为word #### 安装教程 python3 安装需要的库即可： numpy pandas opencv scikit-learn #### 使用说明 首先可以直接运行demo.py，直接查看车牌识别的结果 作为学习，大家可以一步一步参与： 1.SVM：pixeltocsv将训练图片写入csv svmtrain训练svm模型，其中用pca进行降维，模型保存为.m格式 loadsvm作为使用模型的接口 2.locate，车牌定位：高斯滤波，中值滤波； Sobel算子边缘检测，二值化； 膨胀一次，腐蚀一次； 根据车牌长高比范围查找轮廓，将轮廓裁剪出来 3.spli，字符分割：反复滤波获得不含杂质（垂直投影不连续）的二值图像， 根据字符像素的脉冲信号起止分割字符 4.字符逐个使用SVM识别 注意如果是opencv版本差异带来的问题： image_process,contours, hierarchy = cv2.findContours(img, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE) 改为 contours, hierarchy = cv2.findContours(img, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)即可 由于训练集只有数字和英文，所以不能识别车牌的中文字符 #### demo结果