SVM+opencv实现车牌识别（含完整代码）

目录

前言

一、思路

二、实现

2.1 预处理

2.1.1 导入所需模块

2.1.2 定义显示函数和高斯滤波灰度处理函数

2.2提取车牌位置

2.2.1原图

2.2.2 图像二值化

2.2.3 从图像中提取对表达和描绘区域形状有意义的图像分量--闭操作

2.2.4 获得轮廓并截取图像

 2.2.5 车牌二值化

 2.2.6 车牌字符分割

2.3 模板匹配识别字符

2.3.1 模板匹配重复性操作

2.3.2 输出结果

2.3.3 结果可视化

三、实现附上完整代码

四、资源

前言

利用OpenCV基础知识实现车牌识别

注：本文会将代码逐条分解，若觉得easy的可直接跳到最后，看如何在自己电脑上运行。

一、思路

OpenCV实现车牌号识别分四个步骤：
（1）找到车牌位置，将车牌从图中分割出来；
（2）将车牌各个字符分割开，单个字符闭合细小连接；
（3）通过模版匹配识别字符；
（4）输出匹配结果。
相比于深度学习，传统图像处理：
优点：不需要大量的数据集去训练模型，通过形态学、边缘检测等操作提取特征
缺点：基于传统图像处理的图像识别代码的泛化性低，图像的角度，明亮不同时，识别效果会非常差。

二、实现

2.1 预处理

2.1.1 导入所需模块

import cv2
from matplotlib import pyplot as plt
import os
import numpy as np

2.1.2 定义显示函数和高斯滤波灰度处理函数

# plt显示彩色图片，cv2与plt的图像通道不同：cv2为[b,g,r];plt为[r, g, b]
def plt_show0(img):
    b,g,r = cv2.split(img)
    img = cv2.merge([r, g, b])
    plt.imshow(img)
    plt.show()
  
# plt显示灰度图片
def plt_show(img):
    plt.imshow(img,cmap='gray')
    plt.show()

# 高斯滤波并且转化为二值图像
def gray_guss(image):
    image = cv2.GaussianBlur(image, (3, 3), 0)
    gray_image = cv2.cvtColor(image, cv2.COLOR_RGB2GRAY)
    return gray_image

2.2提取车牌位置

2.2.1原图

2.2.2 图像二值化

# 读取待检测图片->传入需要检测的图片路径
origin_image = cv2.imread('car.jpg')
# 复制一张图片，在复制图上进行图像操作，保留原图
image = origin_image.copy()
# 图像去噪灰度处理
gray_image = gray_guss(image)
# x方向上的边缘检测（增强边缘信息）
Sobel_x = cv2.Sobel(gray_image, cv2.CV_16S, 1, 0)
absX = cv2.convertScaleAbs(Sobel_x)
image = absX

# 图像阈值化操作——获得二值化图
ret, image = cv2.threshold(image, 0, 255, cv2.THRESH_OTSU)
# 显示二值化图像
plt_show(image)

2.2.3 从图像中提取对表达和描绘区域形状有意义的图像分量--闭操作

# 形态学（从图像中提取对表达和描绘区域形状有意义的图像分量）——闭操作
kernelX = cv2.getStructuringElement(cv2.MORPH_RECT, (30, 10))
image = cv2.morphologyEx(image, cv2.MORPH_CLOSE, kernelX,iterations = 1)

# 腐蚀（erode）和膨胀（dilate）
kernelX = cv2.getStructuringElement(cv2.MORPH_RECT, (50, 1))
kernelY = cv2.getStructuringElement(cv2.MORPH_RECT, (1, 20))
#x方向进行闭操作（抑制暗细节）
image = cv2.dilate(image, kernelX)
image = cv2.erode(image, kernelX)
#y方向的开操作
image = cv2.erode(image, kernelY)
image = cv2.dilate(image, kernelY)
# 中值滤波（去噪）
image = cv2.medianBlur(image, 21)
# 显示灰度图像
plt_show(image)

2.2.4 获得轮廓并截取图像

contours, hierarchy = cv2.findContours(image, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)

for item in contours:
    rect = cv2.boundingRect(item)
    x = rect[0]
    y = rect[1]
    weight = rect[2]
    height = rect[3]
    # 根据轮廓的形状特点，确定车牌的轮廓位置并截取图像
    if (weight > (height * 3.5)) and (weight < (height * 6)):
        image = origin_image[y:y + height, x:x + weight]
        plt_show0(image)

 2.2.5 车牌二值化

#车牌字符分割
# 图像去噪灰度处理
gray_image = gray_guss(image)
# 图像阈值化操作——获得二值化图   
ret, image = cv2.threshold(gray_image, 0, 255, cv2.THRESH_OTSU)

#膨胀操作，使“苏”字膨胀为一个近似的整体，为分割做准备
kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (2, 2))
image = cv2.dilate(image, kerne