Python创建一个车牌检测和识别程序

车牌检测和识别技术已广泛应用于道路系统、无票停车场和车辆门禁等领域。这项技术是计算机视觉和人工智能的结合。

本文将通过Python创建一个车牌检测和识别程序。该程序对输入的图片进行处理，检测和识别车牌，并显示车牌字符作为输出。

一、创建Python环境

为轻松完成本教程，需先熟悉Python基础知识并搭建程序环境。在开始编程前，需要在环境中安装以下库。打开Python IDE，创建Python文件，使用终端上的命令安装库。在计算机上预先安装Python PIP。

OpenCV-Python：用于预处理输入图像和显示各种输出图像。

pip install OpenCV-Python

imutils：将原始输入图像调整为所需的宽度。

pip install imutils

pytesseract：从车牌中提取字符并将其转换为字符串。

pip install pytesseract

pytesseract库依赖Tesseract OCR引擎进行字符识别。

二、安装Tesseract OCR

Tesseract OCR是一种引擎，可识别语言字符。在使用pytesseract库之前，需要在计算机上安装它。安装步骤如下：

1. 使用任何基于Chrome的浏览器。

2. 下载Tesseract OCR安装程序。

3. 安装程序与其他程序一样安装。

准备好环境并安装Tesseract OCR后，将编写程序。

1、导入库

首先导入环境中安装的库。导入库可以在项目中调用和使用其函数。

import cv2

import imutils

import pytesseract

需要以cv2形式导入OpenCV-Python库，其他库则以安装时的名称导入。

2、获取输入

在将pytesseract指向安装Tesseract引擎的位置后，使用cv2.imread函数将汽车图像作为输入。将图像名称替换为所使用的图像名称，并将图像存储在与项目相同文件夹中以便操作。

pytesseract.pytesseract.tesseract_cmd = 'C:\\Program Files\\Tesseract-OCR\\tesseract.exe'

original_image = cv2.imread('image3.jpeg')

输入图像可更换为所需图像。

3、预处理输入

将图像宽度调整为500像素，然后将其转换成灰度图像。Canny边缘检测函数只适用于灰度图像。最后，通过bilateralFilter函数降低图像噪声。

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、在输入端检测车牌

检测车牌是确定汽车上有车牌字符的过程。

（1）执行边缘检测

使用cv2.Canny函数自动检测预处理图像上的边缘。

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

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函数在原始图像上绘制已检测的轮廓。最后，输出已绘制的所有可见轮廓。

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)

程序绘制其在汽车图像上找到的所有轮廓。

找到轮廓后，需要对其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筛选轮廓。忽略小于此面积的轮廓，因为它们不太可能是车牌轮廓。复制原始图像并在其上绘制前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)

现在的轮廓数量比开始时要少。唯一绘制的轮廓是包含近似车牌的轮廓。

最后，遍历筛选出的轮廓，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。查找含有四个角的轮廓，确定其周长和坐标。存储包含车牌的轮廓的图像。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(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 )

循环之后，程序确定包含车牌的那个轮廓。

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.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, lang='eng')

已裁剪的车牌如下所示。屏幕上输出的字符将是您稍后看到的内容。

检测和识别车牌后，您可以显示输出。

6、显示输出

这是最后一步。您将输出提取的文本到屏幕。这个文本包含车牌字符。

print("License plate is:", text)

cv2.waitKey(0)

cv2.destroyAllWindows()

程序的预期输出如下图所示：

在终端上可以看到车牌文本。

三、提高Python技能

使用Python检测和识别车牌是一个有趣的项目，它具有挑战性，因此可以帮助您学习更多Python知识。

编程实际应用是掌握一门语言的关键。要锻炼技能，需要开发有趣的项目。