如何使用 Python 檢測和識別汽車牌照

2023/01/11

車牌檢測和識別技術有很多應用。可用於道路系統、無票停車場、車輛門禁住宅等。該技術結合了計算機視覺和人工智能。

您將使用 Python 創建車牌檢測和識別程序。該程序將獲取輸入圖像，對其進行處理以檢測和識別車牌，最後顯示車牌的字符作為輸出。

設置 Python 環境

要順利地完成本教程，您需要熟悉 Python 基礎知識。首先要設置程序的環境。

在開始編碼之前，您需要在您的環境中安裝一些庫。打開任何 Python IDE 並創建一個 Python 文件。在終端上運行每個命令以安裝相應的庫。您應該在計算機上預先安裝 Python PIP。

OpenCV-Python：您將使用此庫預處理輸入圖像並顯示各種輸出圖像。pip install OpenCV-Python
imutils：您將使用此庫將原始輸入圖像裁剪為所需的寬度。pip install imutils
pytesseract：您將使用此庫提取車牌的字符並將其轉換為字符串。pip install pytesseract

pytesseract 庫依賴於Tesseract OCR引擎進行字符識別。

Tesseract OCR 是什麼以及如何在您的計算機上安裝它

Tesseract OCR 是一種可以識別語言字符的引擎。在使用 pytesseract 庫之前，你應該在你的計算機上安裝它。為此：

打開任何基於 Chrome 的瀏覽器
下載Tesseract OCR安裝程序
運行安裝程序並像安裝任何其他程序一樣安裝它

準備好環境並安裝tesseract OCR後，您就可以編寫程序了。

1.導入庫

首先導入您在環境中安裝的庫。導入庫允許您在項目中調用和使用它們的功能。

import cv2 import imutils import pytesseract

您需要將OpenCV-Python庫導入為cv2。使用與安裝它們相同的名稱導入其他庫。

2.接受輸入

然後將pytesseract指向安裝Tesseract引擎的位置。使用cv2.imread函數將汽車圖像作為輸入。將圖像名稱替換為您正在使用的圖像的名稱。將圖像存儲在與項目相同的文件夾中，以簡化操作。

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

您可以將以下輸入圖像替換為您想要使用的圖像。

3. 預處理輸入

將圖像寬度調整為 500 像素。然後將圖像轉換為灰度圖像，因為精明的邊緣檢測功能僅適用於灰度圖像。最後，調用bilateralFilter函數來降低圖像中的噪聲。

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.檢測輸入車牌

車牌檢測就是確定汽車上有車牌特徵的部分的過程。

執行邊緣檢測

首先調用cv2.Canny函數，它將自動檢測預處理圖像的邊緣。

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

我們將從這些邊緣找到輪廓。

尋找輪廓

調用cv2.findContours函數並傳遞邊緣圖像的副本。此功能將檢測輪廓。使用cv2.drawContours函數在原始圖像上繪製檢測到的輪廓。最後，輸出繪製了所有可見輪廓的原始圖像。

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)

該程序會獨特地繪製它在汽車圖像上找到的所有輪廓。

找到輪廓後，您需要對它們進行排序以確定最佳候選者。

排序輪廓

根據最小面積 30 對輪廓進行排序。忽略下方的輪廓，因為它們不太可能是車牌輪廓。複製原始圖像並在圖像上繪製前 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)

現在的輪廓比開始時少。繪製的唯一輪廓是近似包含車牌的輪廓。

最後，您需要遍歷排序後的輪廓並確定哪個是車牌。

遍歷前 30 個輪廓

創建一個 for 循環以遍歷輪廓。尋找具有四個角的輪廓，並確定其周長和坐標。存儲包含車牌的輪廓圖像。最後在原圖上繪製車牌輪廓並顯示。

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)

循環後，您的程序已識別出包含車牌的輪廓。它僅繪製車牌輪廓。

5.識別檢測到的車牌

識別車牌意味著讀取車牌裁剪圖像上的字符。加載您之前存儲的車牌圖像並顯示它。然後，調用pytesseract.image_to_string函數並傳遞裁剪後的車牌圖像。此函數將圖像中的字符轉換為字符串。

# 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')

裁剪後的車牌如下圖所示。它上面的字符將是您稍後在屏幕上打印的輸出。

檢測並識別車牌後，您就可以顯示輸出了。

6. 顯示輸出

這是最後一步。您將提取的文本打印到屏幕上。此文本包含車牌的字符。

print("License plate is:", text) cv2.waitKey(0) cv2.destroyAllWindows()

該程序的預期輸出應類似於下圖：

可以在終端上看到車牌文本。

提高你的 Python 技能

在 Python 中檢測和識別汽車牌照是一個有趣的項目。它具有挑戰性，因此它應該可以幫助您更多地了解 Python。

在編程方面，實踐是掌握一門語言的核心。要練習您的技能，您需要從事有趣的項目。