【计算机视觉40例】案例13：车牌识别

【导读】本文是专栏《计算机视觉40例简介》的第13个案例《车牌识别》。该专栏简要介绍李立宗主编《计算机视觉40例——从入门到深度学习（OpenCV-Python）》一书的40个案例。 目前，该书已经在电子工业出版社出版，大家可以在京东、淘宝、当当等平台购买。 大家可以在公众号“计算机视觉之光”回复关键字【案例13】获取本文案例的源代码及使用的测试图片等资料。 针对本书40个案例的每一个案例，分别录制了介绍视频。如果嫌看文字版麻烦，可以关注公众号“计算机视觉之光”直接观看视频介绍版。

车牌是车辆的重要身份证明，它在车辆使用过程中发挥着重要的作用。又由于车牌识别涉及到目标定位、图像裁剪划分、字符识别等众多比较关键的知识点，因此它是图像处理学习过程中比较经典的案例之一。

车牌识别的基本原理如图1所示。其主要包含以下三个流程：

1. 提取车牌：将车牌从复杂的背景中提取出来；
2. 拆分字符：将车牌划分为一个个独立的字符；
3. 识别字符：识别从车牌上提取的一个个字符；

图1  车牌识别原理

本章中，设计了一个精简的、基于模板匹配的车牌识别系统。该系统仅仅有100行代码，但是包含了车牌识别的基本步骤，希望通过该系统的学习，能够帮助大家更深刻地理解相关知识点。

在车牌识别的过程中，主要包含三个核心模块：提取车牌、分割车牌、识别车牌，下面分别对上述模块进行简单的介绍。

1 提取车牌

该过程将车牌从复杂的环境当中提取出来，需要完成一系列的滤波（去噪）、色彩空间转换等操作，具体如图2所示。

图2 提取车牌

2 分割车牌

分割车牌是指将车牌中一个个字符提取出来，以便于后续的识别。通常情况下，需要先对图像进行预处理（主要是去噪、二值化、膨胀等）以方便提取每个字符的轮廓。接下来，寻找车牌内所有轮廓，将其中高宽比符合字符特征的判定为字符。其具体流程如图3所示。

图3  分割字符流程

3 识别车牌

本案例以模板匹配方式进行字符的识别，如图4所示。每个字符，依次在模板集中寻找与自己最相似的模板，从而识别当前字符。

图4  匹配原理

在《计算机视觉40例——从入门到深度学习（OpenCV-Python）》一书中，从算法原理、实现流程等角度系统深入地介绍了该案例的理论基础和实现过程，并对具体的代码实现进行了细致的介绍与解释。欢迎大家阅读第13章《车牌识别》获取详细内容。

《计算机视觉40例——从入门到深度学习（OpenCV-Python）》在介绍Python基础、OpenCV基础、计算机视觉理论基础、深度学习理论的基础上，介绍了计算机视觉领域内具有代表性的40个典型案例。这些案例中，既有传统的案例（数字识别、答题卡识别、物体计数、缺陷检测、手势识别、隐身术、以图搜图、车牌识别、图像加密、指纹识别等），也有深度学习案例（图像分类、风格迁移、姿势识别、实例分割等），还有人脸识别方面的案例（表情识别、驾驶员疲劳监测、识别性别与年龄等）。