Wie erkennt und erkennt man Nummernschilder mit Python?

​Übersetzer |.Bugatti

Rezensent |.Sun Shujuan

Kennzeichenerkennungs- und -erkennungstechnologie ist weit verbreitet und kann in Straßensystemen, auf Parkplätzen ohne Fahrschein, bei der Fahrzeugzufahrtskontrolle usw. eingesetzt werden. Diese Technologie kombiniert Computer Vision und künstliche Intelligenz.

In diesem Artikel wird Python verwendet, um ein Programm zur Erkennung und Erkennung von Nummernschildern zu erstellen. Das Programm verarbeitet das Eingabebild, erkennt und erkennt das Nummernschild und zeigt schließlich die Nummernschildzeichen als Ausgabe an.

1. Erstellen Sie eine Python-Umgebung

Um dieses Tutorial problemlos abschließen zu können, müssen Sie mit den Grundlagen von Python vertraut sein. Zunächst sollte die Programmumgebung erstellt werden.

Bevor Sie mit dem Programmieren beginnen, müssen Sie mehrere Bibliotheken in Ihrer Umgebung installieren. Öffnen Sie eine beliebige Python-IDE und erstellen Sie eine Python-Datei. Führen Sie den Befehl auf dem Terminal aus, um die entsprechende Bibliothek zu installieren. Auf Ihrem Computer sollte Python PIP vorinstalliert sein.

• OpenCV-Python: Sie verwenden diese Bibliothek, um Eingabebilder vorzuverarbeiten und einzelne Ausgabebilder anzuzeigen. pip install OpenCV-Python
• imutils: Sie verwenden diese Bibliothek, um das ursprüngliche Eingabebild auf die gewünschte Breite zuzuschneiden. pip install imutils
• pytesseract: Sie werden diese Bibliothek verwenden, um Nummernschildzeichen zu extrahieren und sie in Zeichenfolgen umzuwandeln. pip install pytesseract Die Pytesseract-Bibliothek basiert auf der Tesseract OCR-Engine zur Zeichenerkennung.

2. Wie installiere ich Tesseract OCR auf Ihrem Computer?

Tesseract OCR ist eine Engine, die Sprachzeichen erkennen kann. Bevor Sie die Pytesseract-Bibliothek verwenden, sollten Sie sie auf Ihrem Computer installieren. Die Schritte sind wie folgt:

1. Öffnen Sie einen beliebigen Chrome-basierten Browser.

2. Laden Sie das Tesseract OCR-Installationsprogramm herunter.

3. Führen Sie das Installationsprogramm aus und installieren Sie es wie jedes andere Programm.

Nachdem Sie die Umgebung vorbereitet und Tesseract OCR installiert haben, können Sie das Programm schreiben.

1. Bibliotheken importieren

Importieren Sie zunächst die in der Umgebung installierten Bibliotheken. Durch den Import von Bibliotheken können Sie deren Funktionen in Ihrem Projekt aufrufen und verwenden.

• import cv2
• imutils
• import pytesseract

Sie müssen die OpenCV-Python-Bibliothek in cv2-Form importieren. Importieren Sie andere Bibliotheken mit denselben Namen wie bei der Installation.

2. Holen Sie sich die Eingabe

und zeigen Sie pytesseract auf den Ort, an dem die Tesseract-Engine installiert ist. Verwenden Sie die Funktion cv2.imread, um das Autobild als Eingabe zu verwenden. Ersetzen Sie den Bildnamen durch den Namen des Bildes, das Sie verwenden. Speichern Sie Bilder zur einfacheren Verwendung im selben Ordner wie Ihr Projekt.

pytesseract.pytesseract.tesseract_cmd = 'C:\Program Files\Tesseract-OCR\tesseract.exe'
original_image = cv2.imread('image3.jpeg')

Sie können das Eingabebild unten durch das Bild ersetzen, das Sie verwenden möchten.

3. Eingabe vorverarbeiten

Stellen Sie die Bildbreite auf 500 Pixel ein und konvertieren Sie das Bild dann in ein Graustufenbild, da die Funktion zur intelligenten Kantenerkennung nur bei Graustufenbildern funktioniert. Abschließend wird die Funktion bilateralFilter aufgerufen, um Bildrauschen zu reduzieren.

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. Erkennen Sie das Nummernschild am Eingang

Bei der Erkennung des Nummernschilds wird der Teil des Autos ermittelt, der die Nummernschildzeichen aufweist.

(1) Kantenerkennung durchführen

Rufen Sie zunächst die Funktion cv2.Canny auf, mit der Kanten im vorverarbeiteten Bild automatisch erkannt werden können.

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

Wir werden den Umriss durch diese Kanten finden.

(2) Konturen finden

Rufen Sie die Funktion cv2.findContours auf und übergeben Sie eine Kopie des Kantenbildes. Diese Funktion erkennt Konturen. Verwenden Sie die Funktion cv2.drawContours, um die erkannten Konturen auf dem Originalbild zu zeichnen. Geben Sie abschließend das Originalbild mit allen sichtbaren Konturen aus.

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)

Das Programm zeichnet alle Konturen, die es findet, auf dem Autobild.

Nachdem Sie die Konturen gefunden haben, müssen Sie sie filtern, um die besten Kandidaten zu identifizieren.

(3) Konturen filtern

Filtern Sie die Konturen basierend auf einer Mindestfläche von 30. Umrisse, die kleiner als dieser Bereich sind, werden ignoriert, da es sich wahrscheinlich nicht um Nummernschildumrisse handelt. Erstellen Sie eine Kopie des Originalbildes und zeichnen Sie die ersten 30 Konturen auf das Bild. Abschließend wird das Bild angezeigt.

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)

Jetzt ist die Anzahl der Umrisse geringer als am Anfang. Es werden nur Konturen gezeichnet, die ungefähr das Nummernschild enthalten.

Abschließend müssen Sie die gefilterten Umrisse durchlaufen, um zu bestimmen, welches das Nummernschild ist.

(4) Durchlaufen Sie die ersten 30 Konturen.

Erstellen Sie eine for-Schleife, die die Konturen durchquert. Finden Sie eine Kontur mit vier Ecken und bestimmen Sie deren Umfang und Koordinaten. Speichern Sie ein Bild mit dem Umriss eines Nummernschilds. Abschließend wird der Kennzeichenumriss auf das Originalbild gezeichnet und angezeigt.

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 )

Nach der Schleife hat das Programm den Umriss mit dem Nummernschild identifiziert.

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。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。

6.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。

三、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/

Das obige ist der detaillierte Inhalt vonWie erkennt und erkennt man Nummernschilder mit Python?. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!