如何使用Python检测和识别车牌？

​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。,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。,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。,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。,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。,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。,您可以将下面的输入图像换成想要使用的图像。,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。,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。,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。,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。,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。,循环之后，程序已识别出含有车牌的那个轮廓。,,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。,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。,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。,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。,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/