如何使用Python检测和识别车牌？_互联网资讯__分享互联网新鲜有趣好玩的事物-云易优站长平台

车牌检测与识别手艺用处普遍，能够用于道路系统、无票泊车场、车辆门禁等。那项手艺连系了计算机视觉和人工智能。

本文将利用Python创建一个车牌检测和识别法式。该法式对输入图像停止处置，检测和识别车牌，最初显示车牌字符，做为输出内容。

一、创建Python情况

要轻松地完成本教程，您需要熟悉Python根底常识。应先创建法式情况。在起头编程之前，您需要在情况中安拆几个库。翻开任何Python IDE，创建一个Python文件。在末端上运行号令以安拆响应的库。您应该在计算机上预先安拆Python PIP。

OPEnCV-Python：您将利用那个库对输入图像停止预处置，并显示各个输出图像。pip install OpenCV-Pythonimutils：您将利用那个库将原始输入图像裁剪成所需的宽度。pip install imutilspytesseract：您将利用那个库提取车牌字符，并将它们转换成字符串。pip install pytesseractpytesseract库依赖Tesseract OCR引擎停止字符识别。二、若何在您的计算机上安拆Tesseract OCR？

Tesseract OCR是一种能够识别语言字符的引擎。在利用pytesseract库之前，您应该在计算机上安拆它。步调如下：

1. 翻开任何基于Chrome的阅读器。

2. 下载Tesseract OCR安拆法式。

3. 运行安拆法式，像安拆其他法式一样安拆它。

筹办好情况并安拆tesseract OCR后，您就能够编写法式了。

1、导入库

起首导入在情况中安拆的库。导入库让您能够在项目中挪用和利用它们的函数。

import cv2import imutilsimport pytesseract

您需要以cv2形式导入OpenCV-Python库。利用与安拆时不异的名称导入其他库。

2、获取输入

然后将pytesseract指向安拆Tesseract引擎的位置。利用cv2.imread函数将汽车图像做为输入。将图像名称换成您在利用的阿谁图像的名称。将图像存储在项目所在的统一个文件夹中，以便利操做。

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

您能够将下面的输入图像换成想要利用的图像。

3、预处置输入

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边沿检测函数只适用于灰度图像。最初，挪用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)

4、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门的过程。

（1）施行边沿检测

先挪用cv2.Canny函数，该函数可主动检测预处置图像上的边沿。

edged_image = cv2.Canny(gray_image, 30,200)

我们将通过那些边沿找到轮廓。

（2）寻找轮廓

挪用cv2.finDContours函数，并传递边沿图像的副本。那个函数将检测轮廓。利用cv2.drawContours函数，绘造原始图像上已检测的轮廓。最初，输出所有可见轮廓已绘造的原始图像。

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)

该法式绘造它在汽车图像上找到的所有轮廓。

找到轮廓后，您需要对它们停止挑选，以确定更佳候选轮廓。

（3）挑选轮廓

按照最小面积30对轮廓停止挑选。忽略小于那个面积的轮廓，因为它们不太可能是车牌轮廓。复造原始图像，在图像上绘造前30个轮廓。最初，显示图像。

contours = sorted(contours, key = cv2.contourArea, reverse = True)[:30]# stores the license plate contourscreenCnt = Noneimg2 = original_image.copy()# draws top 30 contourscv2.drawContours(img2, contours, -1, (0, 255, 0), 3)cv2.imshow("img2", img2)

如今轮廓数量比起头时要少。独一绘造的轮廓是那些近似含有车牌的轮廓。

最初，您需要遍历已挑选的轮廓，确定哪一个是车牌。

（4）遍历前30个轮廓

创建遍历轮廓的for轮回。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。最初，在原始图像上绘造车牌轮廓并加以显示。

count = 0idx = 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 imagecv2.drawContours(original_image , [screenCnt], -1, (0, 255, 0), 3)cv2.imshow("detected license plate", original_image )

轮回之后，法式已识别出含有车牌的阿谁轮廓。

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，挪用pytesseract.image_to_string函数，传递已裁剪的车牌图像。那个函数将图像中的字符转换成字符串。

# filename of the cropped license plate imagecropped_License_Plate = './7.png'cv2.imshow("cropped license plate", cv2.imread(cropped_License_Plate))# converts the license plate characters to stringtext = 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。