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。

/ 01 /

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。

    pipinstallOpenCV-Python

  • imutils：您将使用这个库将原始输入图像裁剪成所需的宽度。

    pipinstallimutils

  • pytesseract：您将使用这个库提取车牌字符，并将它们转换成字符串。

    pipinstallpytesseract

    pytesseract库依赖Tesseract OCR引擎进行字符识别。

/ 02 /

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。

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。

  • importcv2

  • importimutils

  • importpytesseract

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:\\ProgramFiles\\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,width=500)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)

左右滑动查看完整代码

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]#storesthelicenseplatecontourscreenCnt=Noneimg2=original_image.copy()#drawstop30contourscv2.drawContours(img2,contours,-1,(0,255,0),3)cv2.imshow("img2",img2)

左右滑动查看完整代码

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=0idx=7forcincontours:#approximatethelicenseplatecontourcontour_perimeter=cv2.arcLength(c,True)approx=cv2.approxPolyDP(c,0.018*contour_perimeter,True)#Lookforcontourswith4cornersiflen(approx)==4:screenCnt=approx#findthecoordinatesofthelicenseplatecontourx,y,w,h=cv2.boundingRect(c)new_img=original_image[y:y+h,x:x+w]#storesthenewimagecv2.imwrite('./'+str(idx)+'.png',new_img)idx+=1break#drawsthelicenseplatecontouronoriginalimagecv2.drawContours(original_image,[screenCnt],-1,(0,255,0),3)cv2.imshow("detectedlicenseplate",original_image)

左右滑动查看完整代码

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。

#filenameofthecroppedlicenseplateimagecropped_License_Plate='./7.png'cv2.imshow("croppedlicenseplate",cv2.imread(cropped_License_Plate))#convertsthelicenseplatecharacterstostringtext=pytesseract.image_to_string(cropped_License_Plate,lang='eng')

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("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。

/ 03 /

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.com/python-car-license-plates-detect-and-recognize/