基于Python的車(chē)牌識(shí)別技術(shù)的實(shí)現(xiàn)

摘 要：本課題研究?jī)?nèi)容是基于傳統(tǒng)方法實(shí)現(xiàn)對(duì)車(chē)牌號(hào)碼的識(shí)別，運(yùn)用了計(jì)算機(jī)視覺(jué)等方面的知識(shí)?？傮w設(shè)計(jì)方案包括圖像獲取、圖像預(yù)處理、目標(biāo)區(qū)域檢測(cè)、目標(biāo)區(qū)域分割、目標(biāo)區(qū)域處理、字符分割以及字符識(shí)別及輸出。Python 因?yàn)樗鬃x、易維護(hù)的特點(diǎn)，近年來(lái)迅速成為被大量用戶所廣泛應(yīng)用和受歡迎的編程開(kāi)發(fā)語(yǔ)言。所以此次選擇使用 Python 來(lái)完成本次課題的實(shí)現(xiàn)。Open CV 應(yīng)用范圍廣泛，它還可以提供 Python、Matlab 等語(yǔ)言接口來(lái)實(shí)現(xiàn)圖像處理和計(jì)算機(jī)視覺(jué)中的許多通用算法。本課題設(shè)計(jì)主要結(jié)構(gòu)采用 Python+Open CV 來(lái)實(shí)現(xiàn)完成。

關(guān)鍵詞：車(chē)牌識(shí)別;Python;Open CV

汽車(chē)的出現(xiàn)改變了步行和騎自行車(chē)的時(shí)代，更加便于人們?nèi)粘３鲂?，增加了人們之間的良好溝通。汽車(chē)為我們的旅行提供了便利，也給城市的交通造成了壓力。來(lái)自城市的車(chē)輛進(jìn)行有效的實(shí)時(shí)監(jiān)測(cè)和管理，能提高智能運(yùn)輸?shù)男?，有效地減少了人工的操作。這不僅節(jié)省費(fèi)用，而且在一定程度上還能杜絕工作人員亂收費(fèi)，違規(guī)操作的問(wèn)題。因?yàn)檫@諸多原因，社會(huì)整體對(duì)實(shí)現(xiàn)車(chē)牌識(shí)別技術(shù)寄予了厚望。在這項(xiàng)技術(shù)中，國(guó)外的科技人員要比國(guó)內(nèi)提前一步開(kāi)始進(jìn)行研究，其主要方法便是運(yùn)用圖像處理技術(shù)將其運(yùn)用到實(shí)際應(yīng)用之中，牌照識(shí)別技術(shù)研究沒(méi)有產(chǎn)生完整的系統(tǒng)。但基于當(dāng)時(shí)的科技水平，使用簡(jiǎn)單的圖像處理技術(shù)，以此用于實(shí)際生活中的一些具體問(wèn)題，如果想要得到最終人們想要的結(jié)果，則需要工作人員的手動(dòng)參與。20 世紀(jì) 90 年代以后，我國(guó)對(duì)車(chē)牌自動(dòng)識(shí)別系統(tǒng)的研究開(kāi)始了。一些高端院校與機(jī)構(gòu)同樣對(duì)此類(lèi)技術(shù)進(jìn)行了深入的探索，研究期間，需要克服的環(huán)境干擾問(wèn)題極為繁多。截止至今日，國(guó)內(nèi)對(duì)于車(chē)牌自動(dòng)識(shí)別系統(tǒng)技術(shù)的研究已經(jīng)取得了較為巨大的進(jìn)步，并且其中較為成熟的產(chǎn)品已經(jīng)投入使用。本文的主題和內(nèi)容是使用 Python+ Open CV 技術(shù)來(lái)提高車(chē)牌識(shí)別效率。

1研究框架

本課題研究?jī)?nèi)容是基于傳統(tǒng)方法實(shí)現(xiàn)對(duì)車(chē)牌號(hào)碼的識(shí)別，運(yùn)用數(shù)字圖像處理、計(jì)算機(jī)視覺(jué)方面的知識(shí)?？傮w設(shè)計(jì)方案包括圖像獲取、圖像預(yù)處理、目標(biāo)區(qū)域檢測(cè)、目標(biāo)區(qū)域分割、目標(biāo)區(qū)域處理、字符分割以及字符識(shí)別及輸出。如圖 1 所示為整體設(shè)計(jì)思路框圖。

2圖像讀取

使用 Python 對(duì)圖像進(jìn)行讀取有兩種方式。

第一種是利用 Open CV 提供的 cv.imread（）函數(shù)和 cv.imshow（）函數(shù)，在這其中，cv.imread（）函數(shù)有兩個(gè)參數(shù)，第一個(gè)參數(shù)為讀取圖像資源的路徑，若圖像資源與項(xiàng)目在同一目錄下則可直接輸入圖像資源的名稱(chēng)加后綴名，若圖像資源與項(xiàng)目不在同一目錄下，則需要使用絕對(duì)路徑加圖像名稱(chēng)與后綴名。第二個(gè)參數(shù)為圖像資源的讀取方式，可用阿拉伯?dāng)?shù)字 0，1，2 表示，分別表示加載黑白圖像，加載彩色圖像，加載含阿爾法通道信息圖像。cv.imshow（）函數(shù)則用來(lái)顯示加載的圖像資源，此函數(shù)也有兩個(gè)參數(shù)，顯示圖像的窗體名稱(chēng)及顯示的圖片變量名稱(chēng)分別為其第一和第二個(gè)參數(shù)。

第二種方式是使用 cv.imdecode（）函數(shù)來(lái)加載圖像資源。cv.imread（）函數(shù)要求圖像資源名稱(chēng)不能包含中文字符，而 cv.imdecode（）函數(shù)可以選擇編碼格式，對(duì)中文命名的圖像資源也可加載顯示。

通過(guò) Numpy 數(shù)組操作來(lái)獲取圖像的各個(gè)屬性。在本次課程設(shè)計(jì)中，需要獲得加載的圖像資源的寬度與高度，通過(guò) Numpy 提供的 shape 方法來(lái)返回圖像資源的高度、寬度與通道數(shù)的數(shù)組。

3圖片預(yù)處理

3.1色彩空間轉(zhuǎn)換

從網(wǎng)絡(luò)上下載的圖像資源與手機(jī)拍攝的圖像資源，為避免因圖像資源大小格式均不一致而導(dǎo)致出現(xiàn)錯(cuò)誤。所以要針對(duì)所取得的圖像資源進(jìn)行相應(yīng)的處理。將圖片保存為 jpg 或 png 格式，將圖像資源壓縮成 1000*750 像素，以便后續(xù)對(duì)圖像資源進(jìn)行相關(guān)操作。

將 RGB 色彩圖像使用 cv.cvtColor（）函數(shù)對(duì)其進(jìn)行處理為 HSV 色彩飽和度圖像，其中，調(diào)整 HSV 各通道的顏色對(duì)應(yīng)的最大值與最小值來(lái)實(shí)現(xiàn)HSV 色彩飽和度圖像對(duì)圖像資源的色彩檢測(cè)。HSV 各通道的顏色對(duì)應(yīng)的最大值與最小值，如圖 3 所示。

我們通過(guò)輸入藍(lán)色對(duì)應(yīng)的各個(gè)通道的最大值與最小值，利用 cv.imRange（）函數(shù)實(shí)現(xiàn)對(duì)圖像的色彩檢測(cè)。Cv.imrange（）函數(shù)最重要的三個(gè)參數(shù)分別為要處理的圖像和最大值與最小值，可以使用變量和 array 數(shù)組來(lái)保存相應(yīng)的值。

3.2邊緣檢測(cè)與二值化處理

因?yàn)闊o(wú)法避免車(chē)輛的背景中不存在藍(lán)色的區(qū)域，只使用顏色檢測(cè)不能達(dá)到最好的效果。

面對(duì)這種情況，需要對(duì)顏色檢測(cè)后的圖像進(jìn)行邊緣檢測(cè)，描繪出各個(gè)部分的邊緣情況，隨后根據(jù)現(xiàn)實(shí)情況的具體要求對(duì)處理后的圖像進(jìn)行二值化操作與形態(tài)學(xué)操作。首先要對(duì)圖像資源進(jìn)行高斯濾波去噪，然后通過(guò)多次形態(tài)學(xué)開(kāi)閉操作與腐蝕膨脹填充等操作找出車(chē)牌輪廓。

3.3外輪廓繪制與字符切割

通過(guò)上面的操作，已經(jīng)找到了車(chē)牌的輪廓，但車(chē)牌的輪廓并不規(guī)則，無(wú)法對(duì)其進(jìn)行操作。所以我們將已經(jīng)找到的車(chē)牌的輪廓外圍繪制了一個(gè)規(guī)則的矩形，這個(gè)規(guī)則的矩形與車(chē)牌最外側(cè)輪廓相切，這樣就對(duì)車(chē)牌成功進(jìn)行了粗定位。然后將繪制的矩形切割下來(lái)。

在對(duì)字符進(jìn)行切割之前，還需要做一些準(zhǔn)備工作。首先針對(duì)不同的圖像切割出來(lái)的外輪廓尺寸也均不相同。先將切割下來(lái)的車(chē)牌圖像統(tǒng)一尺寸為車(chē)牌標(biāo)準(zhǔn)尺寸 450*15 然后對(duì)車(chē)牌部分同樣進(jìn)行二值化處理與形態(tài)學(xué)操作，然后通過(guò)遍歷圖像像素值的方法獲取字符界限。從上向下遍歷每一列像素，如若像素值從 0 變成 255，此時(shí)表示顏色從黑色變?yōu)榘咨?，則判斷為字符上界，反之，如若像素值從 255 變?yōu)?0，此時(shí)表示顏色從白色變?yōu)楹谏?，則判斷為字符下界。然后使用同樣的方法，找出字符的左右界限，然后將每個(gè)字符分割出來(lái)。

4字符識(shí)別

4.1 安裝Tesseract-OCR

Tesseract-OCR 是一個(gè)免費(fèi)的圖片識(shí)別文字的軟件，可以通過(guò)具體網(wǎng)站下載并進(jìn)行安裝，隨后通過(guò)該軟件進(jìn)行下一步的相關(guān)實(shí)驗(yàn)。

4.2 字符識(shí)別

在 Python 中通過(guò) text = pytesseract.image_to_string（cropImg， lang="chi"， config="-psm 10"）調(diào)用 tesseract。其中 cropimg 是原圖片，lang 是我們之后自定義的語(yǔ)言，config 后面一定要跟 10 因?yàn)榇藚?shù)表示對(duì)單個(gè)字符進(jìn)行識(shí)別，默認(rèn)是對(duì)一行字符識(shí)別。

我們需要將所獲得的字符轉(zhuǎn)換為 tif 格式才能使用 Tesseract-OCR 進(jìn)行字符識(shí)別，具體的實(shí)現(xiàn)方法為：

if type（imgfile） == str and imgfile.endswith（（'.bmp'， 'gif'， 'png'， 'jpg'））： with Image.open（imgfile）as im：

im.convert（'RGB'）.save（imgfile[：-3] + 'tif'）

利用 jTessBoxEditor 對(duì)多個(gè)字符圖片識(shí)別，將識(shí)別錯(cuò)誤的圖片改正。最后得到需要的文件放入文件夾即可。最后得到如圖 10 所示結(jié)果。

5 總結(jié)

本實(shí)驗(yàn)是利用 Python 語(yǔ)言實(shí)現(xiàn)車(chē)牌識(shí)別技術(shù)。實(shí)驗(yàn)的工作流程為獲取圖像、預(yù)處理圖像、檢測(cè)目標(biāo)區(qū)域、目標(biāo)區(qū)域分割、目標(biāo)區(qū)域處理、字符分割、字符識(shí)別等。在這一具體過(guò)程中，為實(shí)現(xiàn)目標(biāo)結(jié)果的正常生成，應(yīng)當(dāng)合理運(yùn)用了 PyCharm 軟件，才能夠較為準(zhǔn)確地識(shí)別車(chē)牌， 達(dá)到了題目要求和預(yù)期目的。因?yàn)?Python 語(yǔ)言的簡(jiǎn)潔性和通用性，使其開(kāi)發(fā)較為簡(jiǎn)單，而且很多嵌入式，如樹(shù)莓派等也都兼容，使其可以方便的進(jìn)行代碼移植，運(yùn)用實(shí)際的場(chǎng)景中。隨著軟件算法的深入研究和硬件設(shè)備的升級(jí)換代，車(chē)牌識(shí)別技術(shù)也將越來(lái)越成熟化和智能化。

參考文獻(xiàn)

[1] Joe Minichino Joseph Howse 著. OpenCV3 計(jì)算機(jī)視覺(jué) Python 語(yǔ)言實(shí)現(xiàn)[M]. 北京：機(jī)械工業(yè)出版社，2001.5

[2] 毛星云著. OpenCV3 編程入門(mén)[M]. 北京：電子工業(yè)出版社 2015.7

[3] 岡薩雷斯（美），伍茲（美）著 數(shù)字圖像處理[M] 北京：電子工業(yè)出版社 2011.6

[4] 斯蒂格（德）著 機(jī)器視覺(jué)算法與應(yīng)用[M] 北京：清華大學(xué)出版社 2008.12

[5] 布拉德斯基（美）著 學(xué)習(xí) OpenCV[M] 北京：清華大學(xué)出版社 2009.10

[6] 圖像處理與分析[M]. 科學(xué)出版社 ， 崔屹編著， 2000

[7] 李曉莎，林森.基于 Python+OpenCV 的車(chē)牌識(shí)別技術(shù)的研究[J].數(shù)字技術(shù)與應(yīng)用，2019，37（06）：95-97

作者簡(jiǎn)介：霍立志（1996），男，安徽淮北人，淮北師范大學(xué)信息學(xué)院2016級(jí)本科在讀，研究方向：通信工程