当前位置： 首页 > news >正文

做团建活动网站,常见网站建设,广州网站建设好公司,怎么找做网站的客户文章目录创建Python环境如何在您的计算机上安装Tesseract OCR#xff1f;技术提升磨砺您的Python技能车牌检测与识别技术用途广泛#xff0c;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。… 文章目录创建Python环境如何在您的计算机上安装Tesseract OCR技术提升磨砺您的Python技能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。 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。 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。 技术提升 技术要学会分享、交流不建议闭门造车。一个人走的很快、一堆人可以走的更远。 本文来自技术群粉丝的分享、推荐资料、代码、数据、技术交流提升均可加交流群获取群友已超过2000人添加时切记的备注方式为来源兴趣方向方便找到志同道合的朋友。 方式①、添加微信号pythoner666备注来自 CSDN Python 方式②、微信搜索公众号Python学习与数据挖掘后台回复加群 准备好环境并安装tesseract OCR后您就可以编写程序了。 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 cv2 import imutils import 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。 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) 左右滑动查看完整代码 您可以将下面的输入图像换成想要使用的图像。 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, width500 )
   gray_image cv2.cvtColor(original_image, cv2.COLOR_BGR2GRAY)
   gray_image cv2.bilateralFilter(gray_image, 11, 17, 17)左右滑动查看完整代码 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© 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。 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, langeng)左右滑动查看完整代码 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。 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。 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。