如何使用Python檢測(cè)和識(shí)別車(chē)牌？

作者：布加迪 2023-01-29 14:29:59

本文將使用Python創(chuàng)建一個(gè)車(chē)牌檢測(cè)和識(shí)別程序。該程序?qū)斎雸D像進(jìn)行處理，檢測(cè)和識(shí)別車(chē)牌，最后顯示車(chē)牌字符，作為輸出內(nèi)容。

?譯者 | 布加迪

審校 | 孫淑娟

車(chē)牌檢測(cè)與識(shí)別技術(shù)用途廣泛，可以用于道路系統(tǒng)、無(wú)票停車(chē)場(chǎng)、車(chē)輛門(mén)禁等。這項(xiàng)技術(shù)結(jié)合了計(jì)算機(jī)視覺(jué)和人工智能。

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(kāi)始編程之前，您需要在環(huán)境中安裝幾個(gè)庫(kù)。打開(kāi)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(kù)。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(kù)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(kù)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(kù)提取車(chē)牌字符，并將它們轉(zhuǎn)換成字符串。pip install pytesseractpytesseract庫(kù)依賴(lài)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(yǔ)言字符的引擎。在使用pytesseract庫(kù)之前，您應(yīng)該在計(jì)算機(jī)上安裝它。步驟如下：

1. 打開(kāi)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(xiě)程序了。

1.導(dǎo)入庫(kù)

首先導(dǎo)入在環(huán)境中安裝的庫(kù)。導(dǎo)入庫(kù)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(kù)。使用與安裝時(shí)相同的名稱(chēng)導(dǎo)入其他庫(kù)。

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(chē)圖像作為輸入。將圖像名稱(chēng)換成您在使用的那個(gè)圖像的名稱(chēng)。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(cè)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(cè)車(chē)牌

檢測(cè)車(chē)牌是確定汽車(chē)上有車(chē)牌字符的那部分的過(guò)程。

（1）執(zhí)行邊緣檢測(cè)

先調(diào)用cv2.Canny函數(shù)，該函數(shù)可自動(dòng)檢測(cè)預(yù)處理圖像上的邊緣。

edged_image = cv2.Canny(gray_image, 30,200)

我們將通過(guò)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(cè)輪廓。使用cv2.drawContours函數(shù)，繪制原始圖像上已檢測(cè)的輪廓。最后，輸出所有可見(jiàn)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(chē)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?chē)牌輪廓。復(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(kāi)始時(shí)要少。唯一繪制的輪廓是那些近似含有車(chē)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(chē)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(zhǎng)和坐標(biāo)。存儲(chǔ)含有車(chē)牌的輪廓的圖像。最后，在原始圖像上繪制車(chē)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(chē)牌的那個(gè)輪廓。

5.識(shí)別檢測(cè)到的車(chē)牌

識(shí)別車(chē)牌意味著讀取已裁剪車(chē)牌圖像上的字符。加載之前存儲(chǔ)的車(chē)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(chē)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(chē)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(cè)并識(shí)別車(chē)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(chē)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(chē)牌文本可以在終端上看到。

三、磨礪您的Python技能

用Python檢測(cè)和識(shí)別車(chē)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(shuō)到編程，實(shí)際運(yùn)用是掌握一門(mén)語(yǔ)言的關(guān)鍵。為了鍛煉技能，您需要開(kāi)發(fā)有意思的項(xiàng)目。

原文鏈接：https://www.makeuseof.com/python-car-license-plates-detect-and-recognize/

責(zé)任編輯：武曉燕來(lái)源： 51CTO技術(shù)棧

Python 識(shí)別車(chē)牌