如何使用Python检测和识别车牌？

　　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PythonIDE，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PythonPIP。OpenCVPython：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。pipinstallOpenCVPythonimutils：您将使用这个库将原始输入图像裁剪成所需的宽度。pipinstallimutilspytesseract：您将使用这个库提取车牌字符，并将它们转换成字符串。pipinstallpytesseractpytesseract库依赖TesseractOCR引擎进行字符识别。二、如何在您的计算机上安装TesseractOCR？
　　TesseractOCR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TesseractOCR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tesseractOCR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。importcv2importimutilsimportpytesseract
　　您需要以cv2形式导入OpenCVPython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。tesseractcmdC：ProgramFilesTesseractOCRtesseract。exeoriginalimagecv2。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。originalimageimutils。resize（originalimage，width500）grayimagecv2。cvtColor（originalimage，cv2。COLORBGR2GRAY）grayimagecv2。bilateralFilter（grayimage，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。edgedimagecv2。Canny（grayimage，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，newcv2。findContours（edgedimage。copy（），cv2。RETRLIST，cv2。CHAINAPPROXSIMPLE）img1originalimage。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。contourssorted（contours，keycv2。contourArea，reverseTrue）〔：30〕storesthelicenseplatecontourscreenCntNoneimg2originalimage。copy（）drawstop30contourscv2。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。count0idx7forcincontours：approximatethelicenseplatecontourcontourperimetercv2。arcLength（c，True）approxcv2。approxPolyDP（c，0。018contourperimeter，True）Lookforcontourswith4cornersiflen（approx）4：screenCntapproxfindthecoordinatesofthelicenseplatecontourx，y，w，hcv2。boundingRect（c）newimgoriginalimage〔y：yh，x：xw〕storesthenewimagecv2。imwrite（。str（idx）。png，newimg）idx1breakdrawsthelicenseplatecontouronoriginalimagecv2。drawContours（originalimage，〔screenCnt〕，1，（0，255，0），3）cv2。imshow（detectedlicenseplate，originalimage）
　　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。imagetostring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。filenameofthecroppedlicenseplateimagecroppedLicensePlate。7。pngcv2。imshow（croppedlicenseplate，cv2。imread（croppedLicensePlate））convertsthelicenseplatecharacterstostringtextpytesseract。imagetostring（croppedLicensePlate，langeng）
　　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（Licenseplateis：，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。compythoncarlicenseplatesdetectandrecognize