基于python下的 车牌识别代码

下载解压后安装必要的py程序库 再打开cardshiping运行程序及可，详细说明见博主相关介绍。

#coding=gbk
import cv2
import numpy as np
import cardpictureprocessing as cpp


def card_color_predict（card_imgs Cardsetting）:
	“““使用颜色定位，排除不是车牌的矩形，目前只识别蓝、绿、黄车牌“““
	cards_to_color = []
	colors_to_card = []
	for card_index card_img in enumerate（card_imgs）:	#枚举每一个车牌 enumerate返回索引和值
		green = yello = blue = black = white = 0
		card_img_hsv = cv2.cvtColor（card_img cv2.COLOR_BGR2HSV）	#得到颜色空间转换后的车牌图片转为hsv方便识别颜色
		if card_img_hsv is None:	#有转换失败的可能，原因来自于上面矫正矩形出错 转换失败则重新
			continue
		#以下为车牌颜色判断	
		row_num column_num = card_img_hsv.shape[:2]	#得到车牌像素的行列数值
		card_img_count = row_num * column_num	#计算车牌面积
		for row in range（row_num）:	#遍历车牌区域全部像素用于判断车牌颜色
			for column in range（column_num）:
				H = card_img_hsv.item（row column 0）
				S = card_img_hsv.item（row column 1）
				V = card_img_hsv.item（row column 2）
				if 11 < H <= 34 and S > 34:		#图片黄色部分像素总和
					yello += 1
				elif 35 < H <= 99 and S > 34:	#图片绿色部分像素总和
					green += 1
				elif 99 < H <= 124 and S > 34:	#图片蓝色部分像素总和
					blue += 1
				if 0 < H <180 and 0 < S < 255 and 0 < V < 46:   #再计算白色和黑色字体部分的颜色像素总和
					black += 1
				elif 0 < H <180 and 0 < S < 43 and 221 < V < 225:
					white += 1
		color = “no“    #颜色初始化
		limit1 = limit2 = 0
		if yello * 2.2 >= card_img_count:	#判断车牌颜色
			color = “y“		#黄色为11-34
			limit1 = 11
			limit2 = 34
		elif green * 2.7 >= card_img_count:
			color = “g“		#绿色为35-99
			limit1 = 35
			limit2 = 99
		elif blue * 2.2 >= card_img_count:
			color = “b“		#蓝色为100-124
			limit1 = 100
			limit2 = 124
		elif black + white >= card_img_count * 0.7:   #TODO
			color = “other“	
		if color not in （“b“ “y“ “g“）:
			continue
		#以下为根据车牌颜色再定位，缩小边缘非车牌边界，再筛选
		xl xr yh yl = cpp.accurate_place（card_img_hsv limit1 limit2 color Cardsetting）   #确定好颜色后调用前面的函数精确缩小车牌区域
		if yl == yh and xl == xr:	#如果原图缩为一点则不是车牌
			continue				
		need_accurate = False
		if yl >= yh:		#裁剪出错调整后重新裁剪
			yl = 0
			yh = row_num
			need_accurate = True
		if xl >= xr:
			xl = 0
			xr = column_num
			need_accurate = True
		card_imgs[card_index] = card_img[yl:yh xl:xr] if color != “g“ or yl < （yh-yl）//4 else card_img[yl-（yh-yl）//4:yh xl:xr]
		if need_accurate:   #可能x或y方向未缩小，需要再试一次
			card_img = card_imgs[card_index]
			card_img_hsv = cv2.cvtColor（card_img cv2.COLOR_BGR2HSV）    #颜色空间转换 转换为hsv
			xl xr yh yl = cpp.accurate_place（card_img_hsv limit1 limit2 color Cardsetting）
			if yl == yh and xl == xr:
				continue
			if yl >= yh:
				yl = 0
				yh = row_num
			if xl >= xr:
				xl = 0
				xr = column_num
			card_imgs[card_index] = card_img[yl:yh xl:xr] if color != “g“ or yl < （yh-yl）//4 else card_img[yl-（yh-yl）//4:yh xl:xr]
		colors_to_card.append（color）	#的到的颜色加入颜色序列
		cards_to_color.append（card_imgs[card_index]）		
	return（cards_to_color colors_to_card）

def card_char_predict（cards_to_color colors_to_card trainsvm Cardsetting）:
	“““识别车牌中的字符“““
	predict_results = []    #存放预测的结果
	card_screenshots = []   #存放车牌截图
	fo

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----
     目录           0  2019-03-25 13:05  视频测试版7（换分拣算法）\
     文件    38879926  2018-08-18 17:56  视频测试版7（换分拣算法）\MOV_0973.avi
     目录           0  2019-03-25 12:55  视频测试版7（换分拣算法）\__pycache__\
     文件        4672  2018-09-26 12:59  视频测试版7（换分拣算法）\__pycache__\cardcharpredict.cpython-36.pyc
     文件        4648  2018-09-16 00:56  视频测试版7（换分拣算法）\__pycache__\cardcharpredict.cpython-37.pyc
     文件        2148  2018-09-26 12:50  视频测试版7（换分拣算法）\__pycache__\cardlocationpredict.cpython-36.pyc
     文件        2115  2018-09-01 18:24  视频测试版7（换分拣算法）\__pycache__\cardlocationpredict.cpython-37.pyc
     文件        4489  2018-09-26 12:50  视频测试版7（换分拣算法）\__pycache__\cardpictureprocessing.cpython-36.pyc
     文件        4419  2018-08-27 21:54  视频测试版7（换分拣算法）\__pycache__\cardpictureprocessing.cpython-37.pyc
     文件         845  2018-09-26 12:50  视频测试版7（换分拣算法）\__pycache__\cardpredictor.cpython-36.pyc
     文件         810  2018-09-07 02:17  视频测试版7（换分拣算法）\__pycache__\cardpredictor.cpython-37.pyc
     文件        2271  2018-09-26 13:00  视频测试版7（换分拣算法）\__pycache__\cardsetting.cpython-36.pyc
     文件        2236  2018-09-07 08:55  视频测试版7（换分拣算法）\__pycache__\cardsetting.cpython-37.pyc
     文件        4003  2018-09-26 12:50  视频测试版7（换分拣算法）\__pycache__\cardtrainmodel.cpython-36.pyc
     文件        3968  2018-09-07 02:17  视频测试版7（换分拣算法）\__pycache__\cardtrainmodel.cpython-37.pyc
     文件        7673  2018-09-26 12:59  视频测试版7（换分拣算法）\cardcharpredict.py
     文件        3301  2018-09-01 18:23  视频测试版7（换分拣算法）\cardlocationpredict.py
     文件        5493  2018-08-27 21:25  视频测试版7（换分拣算法）\cardpictureprocessing.py
     文件        1003  2018-09-07 02:17  视频测试版7（换分拣算法）\cardpredictor.py
     文件        2846  2018-09-26 13:00  视频测试版7（换分拣算法）\cardsetting.py
     文件        9001  2018-09-26 14:00  视频测试版7（换分拣算法）\cardshiping.py
     文件        4356  2018-09-07 02:17  视频测试版7（换分拣算法）\cardtrainmodel.py
     目录           0  2019-03-25 12:55  视频测试版7（换分拣算法）\train_data\
     文件     5043949  2018-10-02 08:01  视频测试版7（换分拣算法）\train_data\svm_chinese.dat
     文件     7531806  2018-10-02 08:02  视频测试版7（换分拣算法）\train_data\svm_letterAnumber.dat
     文件     3780473  2018-10-02 08:02  视频测试版7（换分拣算法）\train_data\svm_one_letter.dat
     目录           0  2019-03-25 13:11  视频测试版7（换分拣算法）\train_picture\