目录

一、实现和完整UI视频效果展示

主界面：

识别结果界面：（识别车牌颜色和车牌号）

查看历史记录界面：

二、原理介绍：

车牌检测->图像灰度化->Canny边缘检测->膨胀与腐蚀

边缘检测及预处理->膨胀+腐蚀组合->再一次膨胀->车牌识别

图像最终处理->字符分割及识别

完整演示视频：

完整代码链接

---

一、实现和完整UI视频效果展示

主界面：

 

识别结果界面：（识别车牌颜色和车牌号）

查看历史记录界面：

 

二、原理介绍：

车牌检测->图像灰度化->Canny边缘检测->膨胀与腐蚀

        让我们以汽车的样本图像为例，首先检测该汽车上的车牌。然后，我们还将使用相同的图像进行字符分割和字符识别。

        在处理图像时如果不再需要处理颜色细节，那么灰度变化就必不可少，这加快了其他后续处理的速度。完成此步骤后，图像将像这样被转换

        使用cv2.Canny() 进行边缘检测 ,cv2.Canny()返回的一幅二值化的图像，可以直接用cv2.findContours()进行轮廓提取。

        图像进行膨胀、腐蚀,再对图像进行轮廓查找，根据车牌的长宽比提取车牌，让它更精准

边缘检测及预处理->膨胀+腐蚀组合->再一次膨胀->车牌识别

        对其Canny处理图为膨胀+腐蚀组合做好预处理准备

        在处理图像时如果不再需要处理颜色细节，那么灰度变化就必不可少，这加快了其他后续处理的速度。完成此步骤后，图像将像这样被转换

图像最终处理->字符分割及识别

        车牌识别的下一步是通过裁剪车牌并将其保存为新图像，将车牌从图像中分割出来。然后，我们可以使用此图像来检测其中的字符。下面显示了从主图像裁剪出ROI（感兴趣区域）图像

---------->

 ​​​​​

完整演示视频：

无法粘贴视频........

完整代码链接

视频和代码都已上传百度网盘，放在主页置顶文章