1 ### 對車牌圖片進行處理，分割出車牌中的每一個字符并保存

2 #在本地讀取圖片的時候，如果路徑中包含中文，會導致讀取失敗。

3

4 importcv25 importpaddle6 importnumpy as np7 importmatplotlib.pyplot as plt8 #以下兩行實現了在plt畫圖時，可以輸出中文字符

9 plt.rcParams['font.sans-serif']=['SimHei']10 plt.rcParams['axes.unicode_minus'] =False11

12

13 #cv2.imread() 讀進來直接是BGR 格式數據，數值范圍在 0~255 。在本地讀取，路徑中不要含有中文

14 license_plate = cv2.imread('../data/car.png') #license 拍照，plate 車牌

15 print('license_plate 的 type', type(license_plate), license_plate.shape) # (170, 722, 3)

16

17 plt.subplot(231)18 plt.imshow(license_plate)19 plt.title('原圖 BGR')20

21 gray_plate2 = cv2.cvtColor(license_plate, cv2.COLOR_BGR2RGB) #RGB 轉灰度圖

22 plt.subplot(234)23 plt.imshow(gray_plate2)24 plt.title('RGB圖像')25 #cv2.cvtColor(p1,p2) 是顏色空間轉換函數，p1是需要轉換的圖片，p2是轉換成何種格式。

26 #cv2.COLOR_BGR2RGB 將BGR格式轉換成RGB格式

27 #cv2.COLOR_BGR2GRAY 將BGR格式轉換成灰度圖片(灰度圖片并不是指常規意義上的黑白圖片，只用看是不是無符號八位整型(unit8),單通道即可判斷)

28 gray_plate = cv2.cvtColor(license_plate, cv2.COLOR_RGB2GRAY) #RGB 轉灰度圖

29 print('gray_plate.shape', gray_plate.shape) #(170, 722)

30

31 plt.subplot(232)32 plt.imshow(gray_plate)33 plt.title('GRAY 圖像')34

35 #Python: cv2.threshold(src, thresh, maxval, type[, dst]) → retval, dst

36 #src：表示的是圖片源

37 #thresh：表示的是閾值(起始值)

38 #maxval：表示的是最大值，在高于閾值是賦予的新值

39 #type：表示的是這里劃分的時候使用的是什么類型的算法**，常用值為0(cv2.THRESH_BINARY)

40 #cv2.THRESH_BINARY 大于閾值取最大值 maxval ，小于等于閾值取 0

41 #兩個返回值，第一個retVal(得到的閾值值(在后面一個方法中會用到))，第二個就是閾值化后的圖像。

42 ret, binary_plate = cv2.threshold(gray_plate, 175, 255, cv2.THRESH_BINARY) #ret：閾值，binary_plate：根據閾值處理后的圖像數據

43 print('ret', ret) #175.0

44 print('binary_plate', binary_plate.shape ) #(170, 722)

45

46 plt.subplot(233)47 plt.imshow(binary_plate)48 plt.title('閾值處理之后的圖像')49

50 #按列統計像素分布

51 result =[]52 for col in range(binary_plate.shape[1]):53 result.append(0) #每一列像素值初始化為 0

54 for row inrange(binary_plate.shape[0]):55 result[col] = result[col] + binary_plate[row][col] / 255

56 #print(result)

57 #記錄車牌中字符的位置

58 character_dict = {} #character_dict 是一個字典，里面一個元素中的value 部分存儲一個車牌中的字符

59 num = 0 #記錄統計的車牌中的第幾個字符，同時是 字典 character_dict 中的 key 值

60 i = 0 #表示是第幾列像素

61 while i

63 if result[i] ==0:64 i += 1

65 else:66 index = i + 1

67 while result[index] !=0:68 index += 1

69 #第 i 列 到 第 index-1 列，存儲了一個字符，這里做了一個假設像 “ 桂 ” 這樣左右結構的字，在列的方向上是沒有像素斷點的

70 #character_dict 是一個字典，num 是字典的 key，[i, index - 1] 是一個存儲了兩個數的列表作為字典的value

71 character_dict[num] = [i, index - 1]72 num += 1

73 i =index74 print('character_dict', character_dict)75

76 #將每個字符填充，并存儲

77 characters =[]78 for i in range(8): #車牌一共 8 個字符，其中第 3 個字符(下標為 2 )是一個 ·

79 if i == 2:80 continue

81 #將字符填充為 170*170 的灰度圖，padding 為計算左右需要各自填充多少列元素

82 padding = (170 - (character_dict[i][1] - character_dict[i][0])) / 2

83

84 #np.pad() 函數原型：ndarray = numpy.pad(array, pad_width, mode, **kwargs)

85 #array為要填補的數組

86 #pad_width 是在各維度的各個方向上想要填補的長度,如((1，2)，(2，2))，

87 #表示在第一個維度上水平方向上padding=1,垂直方向上padding=2, 在第二個維度上水平方向上padding=2,垂直方向上padding=2。

88 #如果直接輸入一個整數，則說明各個維度和各個方向所填補的長度都一樣。

89 #mode為填補類型，即怎樣去填補，有“constant”，“edge”等模式，如果為constant模式，就得指定填補的值，如果不指定，則默認填充0。

90 #剩下的都是一些可選參數，具體可查看

91 #https://docs.scipy.org/doc/numpy/reference/generated/numpy.pad.html

92

93 #ndarray為填充好的返回值。

94 ndarray = np.pad(binary_plate[:, character_dict[i][0]:character_dict[i][1]], #array ： 為要填補的數組

95 #pad_width：在各維度的各個方向上想要填補的長度。在第一個維度(行)前面填充 0 行，后面填充 0 行；

96 #在第二個維度(列)前面填充 padding 列 后面填充 padding 列

97 ((0, 0), (int(padding), int(padding))),98 #mode為填補類型，即怎樣去填補，有“constant”，“edge”等模式，

99 #如果為constant模式，就得指定填補的值，如果不指定，則默認填充0。

100 'constant', constant_values=(0, 0)101 )102 print('第 {} 個字符'.format(i+1))103 print('原數組尺寸 ：', binary_plate[:, character_dict[i][0]:character_dict[i][1]].shape)104 print('填充之后的尺寸 ：', ndarray.shape)105 ndarray = cv2.resize(ndarray, (20, 20))106 print('resize 之后的尺寸 ：', ndarray.shape)107

108 cv2.imwrite('../data/' + str(i) + '.png', ndarray)109 characters.append(ndarray)110 ndarray2 = cv2.resize(binary_plate[:, character_dict[i][0]:character_dict[i][1]], (20, 20))111 cv2.imwrite('../data/2' + str(i) + '.png', ndarray)112

113 plt.show()114

115

116 '''輸出結果：117 license_plate 的 type (170, 722, 3)118 gray_plate.shape (170, 722)119 ret 175.0120 binary_plate (170, 722)121 character_dict {0: [17, 87], 1: [109, 179], 2: [203, 216], 3: [240, 311], 4: [334, 406], 5: [430, 503], 6: [528, 603], 7: [629, 706]}122

123 第 1 個字符124 原數組尺寸 ： (170, 70)125 填充之后的尺寸 ： (170, 170)126 resize 之后的尺寸 ： (20, 20)127 第 2 個字符128 原數組尺寸 ： (170, 70)129 填充之后的尺寸 ： (170, 170)130 resize 之后的尺寸 ： (20, 20)131 第 4 個字符132 原數組尺寸 ： (170, 71)133 填充之后的尺寸 ： (170, 169)134 resize 之后的尺寸 ： (20, 20)135 第 5 個字符136 原數組尺寸 ： (170, 72)137 填充之后的尺寸 ： (170, 170)138 resize 之后的尺寸 ： (20, 20)139 第 6 個字符140 原數組尺寸 ： (170, 73)141 填充之后的尺寸 ： (170, 169)142 resize 之后的尺寸 ： (20, 20)143 第 7 個字符144 原數組尺寸 ： (170, 75)145 填充之后的尺寸 ： (170, 169)146 resize 之后的尺寸 ： (20, 20)147 第 8 個字符148 原數組尺寸 ： (170, 77)149 填充之后的尺寸 ： (170, 169)150 resize 之后的尺寸 ： (20, 20)151 '''

總結

以上是生活随笔為你收集整理的java车牌识别字符分割_【车牌识别】-车牌中字符分割代码详解的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。