如何使用Python偵測並辨識車牌？

譯者| 布加迪

審校| 孫淑娟

車牌偵測與辨識技術用途廣泛，可用於道路系統、無票停車場、車輛門禁等。這項技術結合了電腦視覺和人工智慧。

本文將使用Python建立一個車牌偵測和辨識程式。程式對輸入影像進行處理，偵測並識別車牌，最後顯示車牌字符，作為輸出內容。

一、建立Python環境

要輕鬆完成本教學，您需要熟悉Python基礎。應先創建程式環境。

在開始程式設計之前，您需要在環境中安裝幾個函式庫。開啟任何Python IDE，建立一個Python檔。在終端機上運行命令以安裝相應的庫。您應該在電腦上預先安裝Python PIP。

• OpenCV-Python：您將使用這個函式庫對輸入影像進行預處理，並顯示各個輸出影像。 pip install OpenCV-Python
• imutils：您將使用這個函式庫將原始輸入影像裁切成所需的寬度。 pip install imutils
• pytesseract：您將使用這個庫提取車牌字符，並將它們轉換成字串。 pip install pytesseractpytesseract函式庫依賴Tesseract OCR引擎進行字元辨識。

二、如何在您的電腦上安裝Tesseract OCR？

Tesseract OCR是一種可以辨識語言字元的引擎。在使用pytesseract庫之前，您應該在電腦上安裝它。步驟如下：

1. 開啟任何基於Chrome的瀏覽器。

2. 下載Tesseract OCR安裝程式。

3. 執行安裝程序，像安裝其他程式一樣安裝它。

準備好環境並安裝tesseract OCR後，您就可以編寫程式了。

1.導入庫

首先導入在環境中安裝的庫。導入庫讓您可以在專案中呼叫和使用它們的函數。

• import cv2
• import imutils
• import pytesseract

您需要以cv2形式導入OpenCV-Python庫。使用與安裝時相同的名稱匯入其他庫。

2.取得輸入

然後將pytesseract指向安裝Tesseract引擎的位置。使用cv2.imread函數將汽車影像作為輸入。將圖像名稱換成您正在使用的圖像的名稱。將圖像儲存在專案所在的同一個資料夾中，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.預處理輸入

將影像寬度調整為500像素，然後將影像轉換成灰階影像，因為canny邊緣偵測函數只適用於灰階影像。最後，呼叫bilateralFilter函數以降低影像雜訊。

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.在輸入端偵測車牌

#偵測車牌是確定汽車上有車牌字元的那​​部分的過程。

（1）執行邊緣偵測

#先呼叫cv2.Canny函數，該函數可自動偵測預處理影像上的邊緣。

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

我們將透過這些邊緣找到輪廓。

（2）尋找輪廓

#呼叫cv2.findContours函數，並傳遞邊緣圖像的副本。這個函數將檢測輪廓。使用cv2.drawContours函數，繪製原始影像上已偵測的輪廓。最後，輸出所有可見輪廓已繪製的原始影像。

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)

該程式繪製它在汽車圖像上找到的所有輪廓。

找到輪廓後，您需要對它們進行篩選，以確定最佳候選輪廓。

（3）篩選輪廓

#根據最小面積30對輪廓進行篩選。忽略小於這個面積的輪廓，因為它們不太可能是車牌輪廓。複製原始影像，在影像上繪製前30個輪廓。最後，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)

現在輪廓數量比開始時要少。唯一繪製的輪廓是那些近似含有車牌的輪廓。

最後，您需要遍歷篩選的輪廓，確定哪一個是車牌。

（4）遍歷前30個輪廓

#建立遍歷輪廓的for迴圈。尋找有四個角的輪廓，確定其周長和座標。儲存含有車牌的輪廓的圖像。最後，在原始影像上繪製車牌輪廓並加以顯示。

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 )

循環之後，程式已辨識出含有車牌的那個輪廓。

#

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。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/

以上是如何使用Python偵測並辨識車牌？的詳細內容。更多資訊請關注PHP中文網其他相關文章！