建站
咨詢
售后
建站咨詢
新聞中心
?譯者 | 布加迪
網(wǎng)站設(shè)計(jì)制作、成都網(wǎng)站建設(shè)的開發(fā)，更需要了解用戶，從用戶角度來建設(shè)網(wǎng)站，獲得較好的用戶體驗(yàn)。創(chuàng)新互聯(lián)多年互聯(lián)網(wǎng)經(jīng)驗(yàn)，見的多，溝通容易、能幫助客戶提出的運(yùn)營(yíng)建議。作為成都一家網(wǎng)絡(luò)公司，打造的就是網(wǎng)站建設(shè)產(chǎn)品直銷的概念。選擇創(chuàng)新互聯(lián)，不只是建站，我們把建站作為產(chǎn)品，不斷的更新、完善，讓每位來訪用戶感受到浩方產(chǎn)品的價(jià)值服務(wù)。
審校 | 孫淑娟
車牌檢測(cè)與識(shí)別技術(shù)用途廣泛，可以用于道路系統(tǒng)、無票停車場(chǎng)、車輛門禁等。這項(xiàng)技術(shù)結(jié)合了計(jì)算機(jī)視覺和人工智能。
本文將使用Python創(chuàng)建一個(gè)車牌檢測(cè)和識(shí)別程序。該程序?qū)斎雸D像進(jìn)行處理，檢測(cè)和識(shí)別車牌，最后顯示車牌字符，作為輸出內(nèi)容。
一、創(chuàng)建Python環(huán)境
要輕松地完成本教程，您需要熟悉Python基礎(chǔ)知識(shí)。應(yīng)先創(chuàng)建程序環(huán)境。
在開始編程之前，您需要在環(huán)境中安裝幾個(gè)庫。打開任何Python IDE，創(chuàng)建一個(gè)Python文件。在終端上運(yùn)行命令以安裝相應(yīng)的庫。您應(yīng)該在計(jì)算機(jī)上預(yù)先安裝Python PIP。
- OpenCV-Python：您將使用這個(gè)庫對(duì)輸入圖像進(jìn)行預(yù)處理，并顯示各個(gè)輸出圖像。pip install OpenCV-Python
- imutils：您將使用這個(gè)庫將原始輸入圖像裁剪成所需的寬度。pip install imutils
- pytesseract：您將使用這個(gè)庫提取車牌字符，并將它們轉(zhuǎn)換成字符串。pip install pytesseractpytesseract庫依賴Tesseract OCR引擎進(jìn)行字符識(shí)別。
二、如何在您的計(jì)算機(jī)上安裝Tesseract OCR？
Tesseract OCR是一種可以識(shí)別語言字符的引擎。在使用pytesseract庫之前，您應(yīng)該在計(jì)算機(jī)上安裝它。步驟如下：
1. 打開任何基于Chrome的瀏覽器。
2. 下載Tesseract OCR安裝程序。
3. 運(yùn)行安裝程序，像安裝其他程序一樣安裝它。
準(zhǔn)備好環(huán)境并安裝tesseract OCR后，您就可以編寫程序了。
1.導(dǎo)入庫
首先導(dǎo)入在環(huán)境中安裝的庫。導(dǎo)入庫讓您可以在項(xiàng)目中調(diào)用和使用它們的函數(shù)。
- import cv2
- import imutils
- import pytesseract
您需要以cv2形式導(dǎo)入OpenCV-Python庫。使用與安裝時(shí)相同的名稱導(dǎo)入其他庫。
2.獲取輸入
然后將pytesseract指向安裝Tesseract引擎的位置。使用cv2.imread函數(shù)將汽車圖像作為輸入。將圖像名稱換成您在使用的那個(gè)圖像的名稱。將圖像存儲(chǔ)在項(xiàng)目所在的同一個(gè)文件夾中，以方便操作。
pytesseract.pytesseract.tesseract_cmd = 'C:\\Program Files\\Tesseract-OCR\\tesseract.exe'
original_image = cv2.imread('image3.jpeg')
您可以將下面的輸入圖像換成想要使用的圖像。
3.預(yù)處理輸入
將圖像寬度調(diào)整為500像素，然后將圖像轉(zhuǎn)換成灰度圖像，因?yàn)閏anny邊緣檢測(cè)函數(shù)只適用于灰度圖像。最后，調(diào)用bilateralFilter函數(shù)以降低圖像噪聲。
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.在輸入端檢測(cè)車牌
檢測(cè)車牌是確定汽車上有車牌字符的那部分的過程。
（1）執(zhí)行邊緣檢測(cè)
先調(diào)用cv2.Canny函數(shù)，該函數(shù)可自動(dòng)檢測(cè)預(yù)處理圖像上的邊緣。
edged_image = cv2.Canny(gray_image, 30,200)
我們將通過這些邊緣找到輪廓。
（2）尋找輪廓
調(diào)用cv2.findContours函數(shù)，并傳遞邊緣圖像的副本。這個(gè)函數(shù)將檢測(cè)輪廓。使用cv2.drawContours函數(shù)，繪制原始圖像上已檢測(cè)的輪廓。最后，輸出所有可見輪廓已繪制的原始圖像。
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)
該程序繪制它在汽車圖像上找到的所有輪廓。
找到輪廓后，您需要對(duì)它們進(jìn)行篩選，以確定最佳候選輪廓。
（3）篩選輪廓
根據(jù)最小面積30對(duì)輪廓進(jìn)行篩選。忽略小于這個(gè)面積的輪廓，因?yàn)樗鼈儾惶赡苁擒嚺戚喞?fù)制原始圖像，在圖像上繪制前30個(gè)輪廓。最后，顯示圖像。
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)
現(xiàn)在輪廓數(shù)量比開始時(shí)要少。唯一繪制的輪廓是那些近似含有車牌的輪廓。
最后，您需要遍歷已篩選的輪廓，確定哪一個(gè)是車牌。
（4）遍歷前30個(gè)輪廓
創(chuàng)建遍歷輪廓的for循環(huán)。尋找有四個(gè)角的輪廓，確定其周長(zhǎng)和坐標(biāo)。存儲(chǔ)含有車牌的輪廓的圖像。最后，在原始圖像上繪制車牌輪廓并加以顯示。
count = 0
idx = 7
for c in contours:
# approximate the license plate contour
contour_perimeter = cv2.arcLength(c, True)
approx = cv2.approxPolyDP(c, 0.018 * contour_perimeter, True)
# Look for contours with 4 corners
if len(approx) == 4:
screenCnt = approx
# find the coordinates of the license plate contour
x, y, w, h = cv2.boundingRect(c)
new_img = original_image [ y: y + h, x: x + w]
# stores the new image
cv2.imwrite('./'+str(idx)+'.png',new_img)
idx += 1
break
# 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 )
循環(huán)之后，程序已識(shí)別出含有車牌的那個(gè)輪廓。
5.識(shí)別檢測(cè)到的車牌
識(shí)別車牌意味著讀取已裁剪車牌圖像上的字符。加載之前存儲(chǔ)的車牌圖像并顯示它。然后，調(diào)用pytesseract.image_to_string函數(shù)，傳遞已裁剪的車牌圖像。這個(gè)函數(shù)將圖像中的字符轉(zhuǎn)換成字符串。
# 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')
已裁剪的車牌如下所示。上面的字符將是您稍后在屏幕上輸出的內(nèi)容。
檢測(cè)并識(shí)別車牌之后，您就可以顯示輸出了。
6.顯示輸出
這是最后一步。您將提取的文本輸出到屏幕上。該文本含有車牌字符。
print("License plate is:", text)
cv2.waitKey(0)
cv2.destroyAllWindows()程序的預(yù)期輸出應(yīng)該如下圖所示：
車牌文本可以在終端上看到。
三、磨礪您的Python技能
用Python檢測(cè)和識(shí)別車牌是一個(gè)有意思的項(xiàng)目。它有挑戰(zhàn)性，所以應(yīng)該會(huì)幫助您學(xué)到關(guān)于Python的更多知識(shí)。
說到編程，實(shí)際運(yùn)用是掌握一門語言的關(guān)鍵。為了鍛煉技能，您需要開發(fā)有意思的項(xiàng)目。
名稱欄目：如何使用Python檢測(cè)和識(shí)別車牌？
URL鏈接：http://m.5511xx.com/article/cdgjghp.html
