【OpenCV实战】简洁易懂的车牌号识别Python+OpenCV实现“超详解”（含代码）_opencvpython资源-CSDN文库

154 浏览量 2020-12-21 07:12:42 上传评论 20 收藏 209KB PDF 举报

资源详情

资源评论

资源推荐

【【OpenCV实战】简洁易懂的车牌号识别实战】简洁易懂的车牌号识别Python+OpenCV实实

现现“超详解超详解”（含代码）（含代码）

前面4篇博客介绍了OpenCV图像处理的基础知识，本篇博客利用前4篇的知识完成一个小项目——车牌号码识别。该篇博客的

代码可以满足小区门禁车牌号的识别。本篇博客是前4篇博客知识的一个综合运用。感觉学会了这个可以实现一系列的图像识

别任务。。。毕竟好多技巧都是共通的

首先要感谢大佬的博客，在它的基础上完成了自己的识别任务。

简洁易懂的车牌号识别简洁易懂的车牌号识别Python实现实现“超详解超详解”（含代码）（含代码）1、整体思路2、代码详解2.1提取车牌位置2.2车牌字符的分割2.3模板

匹配识别字符3、总结4、参考

1、整体思路、整体思路

首先附上本次识别的图片：（图片是我在百度上找的）

基于基于OpenCV车牌号识别总体分为四个步骤车牌号识别总体分为四个步骤：

（1）提取车牌位置，将车牌从图中分割出来；

（2）车牌字符的分割；

（3）通过模版匹配识别字符；

（4）将结果绘制在图片上显示出来。

与深度学习相比，传统图像处理的识别有好处又有坏处与深度学习相比，传统图像处理的识别有好处又有坏处：

好处好处：不需要大量的数据集训练模型，通过形态学、边缘检测等操作提取特征

坏处坏处：基于传统图像处理的图像识别代码的泛化性较低，当图像的角度，光照不同时，识别效果有时会不尽人意。

2、代码详解、代码详解

为了方便观察每一步图片的变化，本次代码在Jupyter Notebook上编写，全部代码以上传（可直接运行）。

本次项目中会多次使用到图片显示和图片去噪灰度处理，所以首先定义了显示函数显示函数和高斯滤波灰度处理函数高斯滤波灰度处理函数，方便后面的调

用：

# 导入所需模块

import cv2

from matplotlib import pyplot as plt

import os

import numpy as np

# plt显示彩色图片

def plt_show0(img):

#cv2与plt的图像通道不同：cv2为[b,g,r];plt为[r, g, b] b,g,r = cv2.split(img)

img = cv2.merge([r, g, b])

plt.imshow(img)

plt.show()

# plt显示灰度图片

def plt_show(img):

plt.imshow(img,cmap='gray')

plt.show()

# 图像去噪灰度处理

def gray_guss(image):

image = cv2.GaussianBlur(image, (3, 3), 0)

gray_image = cv2.cvtColor(image, cv2.COLOR_RGB2GRAY)

return gray_image

本内容试读结束，登录后可阅读更多

下载后可阅读完整内容，剩余5页未读，立即下载

评论0

内容反馈

weixin_38622827

粉丝: 4
资源: 905

最新资源

资源上传下载、课程学习等过程中有任何疑问或建议，欢迎提出宝贵意见哦~我们会及时处理！点击此处反馈

feedback-tip