1. 车牌字符分割
1.1 实现思路
基于像素直方图，实现字符分割：首先对图片进行二值化处理，统计水平方向和竖直方向上各行各列的黑色像素的个数，根据像素的特点确定分割位置，进而完成字符分割。
1.2 原图
1.3 使用OpenCV
1.3.1 导入包库
代码语言：javascript复制import cv2
from matplotlib import pyplot as plt1.3.2 读取图像，并把图像转换为灰度图像并显示
代码语言：javascript复制img_ = cv2.imread('jingC5Q712.BMP') # 读取图片
cv2.imshow("img",img_)
cv2.waitKey(0)
img_gray = cv2.cvtColor(img_, cv2.COLOR_BGR2GRAY) # 转换了灰度化1.3.3 将灰度图像二值化，设定阈值是100
代码语言：javascript复制cv2.threshold(img_gray, 100, 255, cv2.THRESH_BINARY_INV)1.3.4 分割字符
代码语言：javascript复制white = [] # 记录每一列的白色像素总和
black = [] # ..........黑色.......
height = img_thre.shape[0]
width = img_thre.shape[1]
white_max = 0
black_max = 0
# 计算每一列的黑白色像素总和
for i in range(width):
s = 0 # 这一列白色总数
t = 0 # 这一列黑色总数
for j in range(height):
if img_thre[j][i] == 255:
s = 1
if img_thre[j][i] == 0:
t = 1
white_max = max(white_max, s)
black_max = max(black_max, t)
white.append(s)
black.append(t)1.3.5 分割图像
代码语言：javascript复制def find_end(start_):
end_ = start_ 1
for m in range(start_ 1, width - 1):
if (black[m] if arg else white[m]) > (0.95 * black_max if arg else 0.95 * white_max): # 0.95这个参数请多调整，对应下面的0.05（针对像素分布调节）
end_ = m
break
return end_1.3.6 完整代码
代码语言：javascript复制import cv2
from matplotlib import pyplot as plt
## 根据每行和每列的黑色和白色像素数进行图片分割。
# 1、读取图像，并把图像转换为灰度图像并显示
img_ = cv2.imread('jingC5Q712.BMP') # 读取图片
img_gray = cv2.cvtColor(img_, cv2.COLOR_BGR2GRAY) # 转换了灰度化
# cv2.imshow('gray', img_gray) # 显示图片
# cv2.waitKey(0)
# 2、将灰度图像二值化，设定阈值是100
ret, img_thre = cv2.threshold(img_gray, 100, 255, cv2.THRESH_BINARY_INV)
# cv2.imshow('white_black image', img_thre) # 显示图片
# cv2.waitKey(0)
# 4、分割字符
white = [] # 记录每一列的白色像素总和
black = [] # ..........黑色.......
height = img_thre.shape[0]
width = img_thre.shape[1]
white_max = 0
black_max = 0
# 计算每一列的黑白色像素总和
for i in range(width):
s = 0 # 这一列白色总数
t = 0 # 这一列黑色总数
for j in range(height):
if img_thre[j][i] == 255:
s = 1
if img_thre[j][i] == 0:
t = 1
white_max = max(white_max, s)
black_max = max(black_max, t)
white.append(s)
black.append(t)
# print(s)
# print(t)
arg = False # False表示白底黑字；True表示黑底白字
if black_max > white_max:
arg = True
# 分割图像
def find_end(start_):
end_ = start_ 1
for m in range(start_ 1, width - 1):
if (black[m] if arg else white[m]) > (0.95 * black_max if arg else 0.95 * white_max): # 0.95这个参数请多调整，对应下面的0.05（针对像素分布调节）
end_ = m
break
return end_
n = 1
start = 1
end = 2
word = []
while n < width - 2:
n = 1
if (white[n] if arg else black[n]) > (0.05 * white_max if arg else 0.05 * black_max):
# 上面这些判断用来辨别是白底黑字还是黑底白字
# 0.05这个参数请多调整，对应上面的0.95
start = n
end = find_end(start)
n = end
if end - start > 5:
cj = img_[1:height, start:end]
cj = cv2.resize(cj, (15, 30))
word.append(cj)
print(len(word))
for i,j in enumerate(word):
plt.subplot(1,9,i 1)
plt.imshow(word[i],cmap='gray')
plt.show()2. 实验结果
3. 参考
基于OpenCV和Python的车牌提取和字符分割
