译者 | 布加迪
审校 | 孙淑娟
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-pythonimutils：您将使用这个库将原始输入图像裁剪成所需的宽度。pip install imutilspytesseract：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 pytesseractpytesseract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：
1. 打开任何基于chrome的浏览器。
2. 下载tesseract ocr安装程序。
3. 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
首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 cv2import imutilsimport 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')
您可以将下面的输入图像换成想要使用的图像。
3.预处理输入
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)
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分的过程。
（1）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。
（2）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。
（3）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。
最后，您需要遍历已筛选的轮廓，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 = 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。
6.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。
三、磨砺您的python技能
用python检测和识别车牌是一个有意思的项目。它有挑战性，所以应该会帮助您学到关于python的更多知识。
说到编程，实际运用是掌握一门语言的关键。为了锻炼技能，您需要开发有意思的项目。
原文链接：https://www.makeuseof.com/python-car-license-plates-detect-and-recognize/
以上就是如何使用python检测和识别车牌？的详细内容。