譯者 | 布加迪
審校 | 孫淑娟
車牌檢測與識(shí)別技術(shù)用途廣泛，可以用于道路系統(tǒng)、無票停車場、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/ target=_blank class=infotextkey>Python創(chuàng)建一個(gè)車牌檢測和識(shí)別程序。該程序?qū)斎雸D像進(jìn)行處理，檢測和識(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.在輸入端檢測車牌檢測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
先調(diào)用cv2.Canny函數(shù)，該函數(shù)可自動(dòng)檢測預(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)將檢測輪廓。使用cv2.drawContours函數(shù)，繪制原始圖像上已檢測的輪廓。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。
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。
原文鏈接：https://www.makeuseof.com/python-car-license-plates-detect-and-recognize/
