文章目录

前言
一、创建Python环境
二、如何在您的计算机上安装Tesseract OCR？
- 1.导入库
- 2.获取输入
- 2.获取输入
- 3.在输入端检测车牌
- 4.筛选轮廓
- 5.遍历前30个轮廓
- 5.识别检测到的车牌
三,显示输出
总结

前言

车牌检测与识别技术用途广泛，可以用于道路系统、无票停车场、车辆门禁等。这项技术结合了计算机视觉和人工智能。
本文将使用Python创建一个车牌检测和识别程序。该程序对输入图像进行处理，检测和识别车牌，最后显示车牌字符，作为输出内容。

一、创建Python环境

要轻松地完成本教程，您需要熟悉Python基础知识。应先创建程序环境。
在开始编程之前，您需要在环境中安装几个库。打开任何Python IDE，创建一个Python文件。在终端上运行命令以安装相应的库。您应该在计算机上预先安装Python pip。
OpenCV-Python：您将使用这个库对输入图像进行预处理，并显示各个输出图像。pip install OpenCV-Python
imutils：您将使用这个库将原始输入图像裁剪成所需的宽度。pip install imutils
pytesseract：您将使用这个库提取车牌字符，并将它们转换成字符串。pip install pytesseract
pytesseract 库依赖 Tesseract OCR 引擎进行字符识别。

二、如何在您的计算机上安装Tesseract OCR？

Tesseract OCR是一种可以识别语言字符的引擎。在使用pytesseract库之前，您应该在计算机上安装它。步骤如下：
打开任何基于Chrome的浏览器。
下载Tesseract OCR安装程序。
运行安装程序，像安装其他程序一样安装它。
准备好环境并安装tesseract OCR后，您就可以编写程序了。

1.导入库

先导入在环境中安装的库。导入库让您可以在项目中调用和使用它们的函数。
import cv2
import imutils
import pytesseract
您需要以cv2形式导入OpenCV-Python库。使用与安装时相同的名称导入其他库。

2.获取输入

然后将pytesseract指向安装Tesseract引擎的位置。使用cv2.imread函数将汽车图像作为输入。将图像名称换成您在使用的那个图像的名称。将图像存储在项目所在的同一个文件夹中，以方便操作。

pytesseract.pytesseract.tesseract_cmd = 'C:\\Program Files\\Tesseract-OCR\\tesseract.exe'
original_image = cv2.imread('image3.jpeg')

2.获取输入

—将图像宽度调整为500像素，然后将图像转换成灰度图像，因为canny边缘检测函数只适用于灰度图像。最后，调用bilateralFilter函数以降低图像噪声。


original_image = imutils.resize(original_image, width=500 )
gray_image = cv2.cvtColor(original_image, cv2.COLOR_BGR2GRAY)
gray_image = cv2.bilateralFilter(gray_image, 11, 17, 17)

3.在输入端检测车牌

检测车牌是确定汽车上有车牌字符的那部分的过程。
执行边缘检测
先调用cv2.Canny函数，该函数可自动检测预处理图像上的边缘。
edged_image = cv2.Canny(gray_image, 30,200)
我们将通过这些边缘找到轮廓。

寻找轮廓
调用cv2.findContours函数，并传递边缘图像的副本。这个函数将检测轮廓。使用cv2.drawContours函数，绘制原始图像上已检测的轮廓。最后，输出所有可见轮廓已绘制的原始图像。

contours, new = cv2.findContours(edged_image.copy(), cv2.RETR_LIST, cv2.CHAIN_APPROX_SIMPLE)
img1 = original_image.copy()
cv2.drawContours(img1, contours, -1, (0, 255, 0), 3)
cv2.imshow("img1", img1)

该程序绘制它在汽车图像上找到的所有轮廓。

找到轮廓后，您需要对它们进行筛选，以确定最佳候选轮廓。

4.筛选轮廓

根据最小面积30对轮廓进行筛选。忽略小于这个面积的轮廓，因为它们不太可能是车牌轮廓。复制原始图像，在图像上绘制前30个轮廓。最后，显示图像。

contours = sorted(contours, key = cv2.contourArea, reverse = True)[:30]
# stores the license plate contour
screenCnt = None
img2 = original_image.copy()# draws top 30 contours
cv2.drawContours(img2, contours, -1, (0, 255, 0), 3)
cv2.imshow("img2", img2)

现在轮廓数量比开始时要少。唯一绘制的轮廓是那些近似含有车牌的轮廓。

5.遍历前30个轮廓

最后，您需要遍历已筛选的轮廓，确定哪一个是车牌。

创建遍历轮廓的for循环。寻找有四个角的轮廓，确定其周长和坐标。存储含有车牌的轮廓的图像。最后，在原始图像上绘制车牌轮廓并加以显示。

count = 0
idx = 7for c in contours:# approximate the license plate contourcontour_perimeter = cv2.arcLength(c, True)approx = cv2.approxPolyDP(c, 0.018 * contour_perimeter, True)# Look for contours with 4 cornersif len(approx) == 4:screenCnt = approx# find the coordinates of the license plate contourx, y, w, h = cv2.boundingRect(c)new_img = original_image [ y: y + h, x: x + w]# stores the new imagecv2.imwrite('./'+str(idx)+'.png',new_img)idx += 1break# draws the license plate contour on original image
cv2.drawContours(original_image , [screenCnt], -1, (0, 255, 0), 3)
cv2.imshow("detected license plate", original_image )

循环之后，程序已识别出含有车牌的那个轮廓。

5.识别检测到的车牌

识别车牌意味着读取已裁剪车牌图像上的字符。加载之前存储的车牌图像并显示它。然后，调用pytesseract.image_to_string函数，传递已裁剪的车牌图像。这个函数将图像中的字符转换成字符串。

# filename of the cropped license plate image
cropped_License_Plate = './7.png'
cv2.imshow("cropped license plate", cv2.imread(cropped_License_Plate))# converts the license plate characters to string
text = pytesseract.image_to_string(cropped_License_Plate, lang='eng')

已裁剪的车牌如下所示。上面的字符将是您稍后在屏幕上输出的内容。

检测并识别车牌之后，您就可以显示输出了。

三,显示输出

这是最后一步。您将提取的文本输出到屏幕上。该文本含有车牌字符。
print(“License plate is:”, text)
cv2.waitKey(0)
cv2.destroyAllWindows()
程序的预期输出应该如下图所示：

车牌文本可以在终端上看到。

总结

以上就是今天要讲的内容，欢迎大家持续关注徐浪老师大讲堂！

【逆天应用】如何用Python实现检测和识别车牌号？（详细教程）相关推荐

Python用百度AI识别车牌号教程（超详细）
Python用百度AI识别车牌号教程创建API接口用浏览器打开http://ai.baidu.com/ 点击右上角的"控制台" 登录账号(没有就注册一个) 点击产品服务> ...
python udp_如何用python方法检测UDP端口
如何用python方法检测UDP端口,首先要了解什么是UDP端口及作用.网上搜索了一圈后,我得到的个人理解是:UDP端口是含有网络服务必须的源端口和目的端口信息,用以建立和实现网络传输服务. 那么如何 ...
python红绿灯检测opencv识别红绿灯信号灯检测
python红绿灯检测opencv识别红绿灯信号灯检测交通信号灯的检测与识别是无人驾驶与辅助驾驶必不可少的一部分,其识别精度直接关乎智能驾驶的安全.一般而言,在实际的道路场景中采集的交通信号灯图像具 ...
python数据科学系列：pandas入门详细教程
导读前2篇分别系统性介绍了numpy和matplotlib的入门基本知识,今天本文自然是要对pandas进行入门详细介绍,通过本文你将系统性了解pandas为何会有数据分析界"瑞士军刀&q ...
Python数据可视化之Plotnine库超详细教程系列
Python数据可视化之Plotnine库超详细教程系列(一):概述一.Plotnine库简介 ggplot2包奠定了R语言数据可视化在数据科学中的地位,数据可视化一直是Python的短板,即使有M ...
python目标检测与识别_Python 使用Opencv实现目标检测与识别的示例代码
在上章节讲述到图像特征检测与匹配 ,本章节是讲述目标检测与识别.后者是在前者的基础上进一步完善. 在本章中,我们使用HOG算法,HOG和SIFT.SURF同属一种类型的描述符.功能代码如下: impo ...
如何用Python和深度神经网络识别图像？
本文授权转自微信公众号芝兰玉树作者 | 王树义只需要10几行Python代码,你就能自己构建机器视觉模型,对图片做出准确辨识和分类.快来试试吧! 视觉进化的作用,让人类对图像的处理非常高效. 这 ...
android 改python,如何正确的用python修改AndroidManifest.xml(史上最详细教程)
写在前面的话 AndroidManifest.xml这个文件如果你搞过android相关的东西(如果没搞过,我希望你去搞一下), 你一定很熟悉. 我们在工作可能会有一些动态修改或者获取manifest ...
将 TensorFlow 移植到 Android手机，实现物体识别、行人检测和图像风格迁移详细教程
2017/02/23 更新贴一个TensorFlow 2017开发者大会的Mobile专题演讲移动和嵌入式TensorFlow 这里面有重点讲到本文介绍的三个例子,以及其他的移动和嵌入式方面的TF ...

【逆天应用】如何用Python实现检测和识别车牌号？（详细教程）

文章目录

前言

一、创建Python环境

二、如何在您的计算机上安装Tesseract OCR？

1.导入库

2.获取输入

2.获取输入

3.在输入端检测车牌

4.筛选轮廓

5.遍历前30个轮廓

5.识别检测到的车牌

三,显示输出

总结

【逆天应用】如何用Python实现检测和识别车牌号？（详细教程）相关推荐

最新文章

热门文章