Python+OpenCV实现车牌字符分割和识别实现车牌字符分割和识别
主要为大家详细介绍了Python+OpenCV实现车牌字符分割和识别，具有一定的参考价值，感兴趣的小伙伴们可
以参考一下
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、车牌定位一、车牌定位：从照片中圈出车牌
二、车牌字符识别二、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、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、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。
评论0