23 车牌识别

在前一篇文章中，我们探讨了人脸识别的基本原理和实现方法。本篇文章，我们将重点关注一个实用的计算机视觉项目——车牌识别。车牌识别是一项重要的应用，广泛用于交通监控、停车场管理和车辆追踪等场景。

项目目标

我们将实现一个简单的车牌识别系统，目标是从图片中自动检测车辆的车牌位置，并提取车牌上的字符信息。实现过程中，我们将使用 OpenCV 进行图像处理，并结合 Tesseract OCR 进行文字识别。

项目准备

在开始之前，请确保您已安装以下库：

1. OpenCV：用于图像处理。
2. Tesseract：OCR 引擎，用于文字识别。
3. Pillow：用于处理图像。

可以通过以下命令安装所需的库：

pip install opencv-python pillow pytesseract

此外，您还需要安装 Tesseract OCR 引擎，并确保它的可执行文件路径已添加到系统环境变量中。

步骤一：图像预处理

首先，我们需要读取输入图像并对其进行预处理。这包括将图像转换为灰度图，应用 Gaussian Blur 以减少噪声，并进行边缘检测。

import cv2

# 读取图像
image = cv2.imread("car.jpg")

# 转换为灰度图像
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)

# 高斯模糊
blurred = cv2.GaussianBlur(gray, (5, 5), 0)

# Canny 边缘检测
edges = cv2.Canny(blurred, 100, 200)

# 显示处理后的结果
cv2.imshow("Edges", edges)
cv2.waitKey(0)
cv2.destroyAllWindows()

步骤二：车牌区域检测

接下来，我们需要识别车牌所在的区域。一般来说，车牌的形状是长方形，我们可以使用轮廓检测进行区域提取。

# 轮廓检测
contours, _ = cv2.findContours(edges, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)
plate_contours = []

for cnt in contours:
    # 计算轮廓的面积，并过滤掉小轮廓
    if cv2.contourArea(cnt) > 500:
        x, y, w, h = cv2.boundingRect(cnt)
        aspect_ratio = float(w) / h
        # 筛选出长方形区域
        if 2 < aspect_ratio < 5:
            plate_contours.append((x, y, w, h))

# 在原图上绘制检测到的车牌区域
for (x, y, w, h) in plate_contours:
    cv2.rectangle(image, (x, y), (x + w, y + h), (0, 255, 0), 2)

# 显示原图上的车牌检测结果
cv2.imshow("Detected Plates", image)
cv2.waitKey(0)
cv2.destroyAllWindows()

步骤三：字符识别

一旦我们从图像中提取到车牌区域，接下来就可以使用 Tesseract 进行字符识别。

import pytesseract

# 假设我们只对第一个车牌区域感兴趣
if plate_contours:
    x, y, w, h = plate_contours[0]
    plate_image = gray[y:y + h, x:x + w]

    # 进行OCR识别
    text = pytesseract.image_to_string(plate_image, config='--psm 8')
    print(f"识别到的车牌号码: {text.strip()}")

实际案例

通过以上步骤，我们可以实现一个简单的车牌识别系统。以下是一个完整的代码示例，整合了所有部分：

import cv2
import pytesseract

# 读取图像
image = cv2.imread("car.jpg")
gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
blurred = cv2.GaussianBlur(gray, (5, 5), 0)
edges = cv2.Canny(blurred, 100, 200)

contours, _ = cv2.findContours(edges, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)
plate_contours = []

for cnt in contours:
    if cv2.contourArea(cnt) > 500:
        x, y, w, h = cv2.boundingRect(cnt)
        aspect_ratio = float(w) / h
        if 2 < aspect_ratio < 5:
            plate_contours.append((x, y, w, h))

for (x, y, w, h) in plate_contours:
    cv2.rectangle(image, (x, y), (x + w, y + h), (0, 255, 0), 2)

if plate_contours:
    x, y, w, h = plate_contours[0]
    plate_image = gray[y:y + h, x:x + w]
    text = pytesseract.image_to_string(plate_image, config='--psm 8')
    print(f"识别到的车牌号码: {text.strip()}")

cv2.imshow("Detected Plates", image)
cv2.waitKey(0)
cv2.destroyAllWindows()

总结

通过本次实践项目，我们成功实现了一个车牌识别系统。我们利用了 OpenCV 进行图像处理和轮廓检测，并结合 Tesseract OCR 进行文字识别。车牌识别在实际应用中十分广泛，能够为智能交通系统和车辆管理提供便利。

接下来，我们将进入项目验收阶段，在下一篇文章中将探讨如何进行实时物体检测，你准备好了吗？