如何用Python提取和识别车牌号？

Posted 2023-04-17

【中文标题】如何用Python提取和识别车牌号？

【英文标题】：How to extract and recognize the vehicle plate number with Python?

【发布时间】：2019-06-22 11:10:03

【问题描述】：

我曾尝试使用 pytesseract 与 PIL 合作从车牌图像中识别车辆登记号。但我无法从这些图像中获取文本。

代码：

 from PIL import Image
 from pytesseract import image_to_string

 img= Image.open('D://carimage1')
 text = image_to_string(img)
 print(text)

虽然这适用于普通扫描文档，但不适用于车牌。

示例图片 1

示例图片 2

【参考方案1】：

这里有一个关于如何解决问题的粗略想法。你可以在它之上构建。您需要从图像中提取车牌，然后将图像发送到您的 tesseract。阅读代码 cmets 以了解我想要做什么。

import numpy as np
import cv2
import pytesseract
import matplotlib.pyplot as plt

img = cv2.imread('/home/muthu/Documents/3r9OQ.jpg')
#convert my image to grayscale
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
#perform adaptive threshold so that I can extract proper contours from the image
#need this to extract the name plate from the image. 
thresh = cv2.adaptiveThreshold(gray,255,cv2.ADAPTIVE_THRESH_GAUSSIAN_C, cv2.THRESH_BINARY,11,2)
contours,h = cv2.findContours(thresh,1,2)

#once I have the contours list, i need to find the contours which form rectangles.
#the contours can be approximated to minimum polygons, polygons of size 4 are probably rectangles
largest_rectangle = [0,0]
for cnt in contours:
    approx = cv2.approxPolyDP(cnt,0.01*cv2.arcLength(cnt,True),True)
    if len(approx)==4: #polygons with 4 points is what I need.
        area = cv2.contourArea(cnt)
        if area > largest_rectangle[0]:
            #find the polygon which has the largest size.
            largest_rectangle = [cv2.contourArea(cnt), cnt, approx]

x,y,w,h = cv2.boundingRect(largest_rectangle[1])
#crop the rectangle to get the number plate.
roi=img[y:y+h,x:x+w]
#cv2.drawContours(img,[largest_rectangle[1]],0,(0,0,255),-1)
plt.imshow(roi, cmap = 'gray')
plt.show()

输出是车牌如下：

现在将这个裁剪后的图像传递到您的 tesseract 中。

gray = cv2.cvtColor(roi, cv2.COLOR_BGR2GRAY)
thresh = cv2.adaptiveThreshold(gray,255,cv2.ADAPTIVE_THRESH_GAUSSIAN_C, cv2.THRESH_BINARY,11,2)
text = pytesseract.image_to_string(roi)
print text

我得到您共享的示例图像的以下输出。

如果您将车牌图像透视转换为边界框矩形并删除周围的额外边框，则解析将更加准确。如果您也需要这方面的帮助，请告诉我。

如果按原样使用，上面的代码不适用于第二张图像，因为我将搜索过滤为具有 4 个边的多边形。希望你明白了。

【讨论】：

在此先感谢，您能否指导一下第一张图片或任何其他图片应该更改什么？

【参考方案2】：

这个只适用于second image：

from PIL import Image, ImageFilter
import pytesseract

img = Image.open('TcjXJ.jpg')
img2 = img.filter(ImageFilter.BLUR)
pixels = img2.load()
width, height = img2.size
x_ = []
y_ = []
for x in range(width):
    for y in range(height):
        if pixels[x, y] == (255, 255, 255):
            x_.append(x)
            y_.append(y)

img = img.crop((min(x_), min(y_),  max(x_), max(y_)))
text = pytesseract.image_to_string(img, lang='eng', config='-c tessedit_char_whitelist=ABCDEFGHIJKLMNOPQRSTUVWXYZ0123456789')
print(text)

你有输出：

TN 99 F 2378

【讨论】：

我收到 TNSSF 2378

【参考方案3】：

您可以使用OpenVINO engine，它包含pretrained model and sample 用于车牌检测和识别。 OpenALPR 用于 Python。

【讨论】：

将尝试这些并让您知道。 Nuzhny，你以前用过这些库吗？

是的，但使用 C++ API