m0_73804526的博客

这个算法是先计算每一点的梯度，然后设置两个阈值，小于舍弃，大于保留且处理为边界，在之间如果有点（梯度不为0点，这时候已经经过前面很多步的处理，这时梯度不为0点不多）连接边界像素点，则保留视为边缘点。灰度图像是单通道图像，该通道叫啥名不知道，而彩色图片的通道叫R、G、B，该通道内灰度图像取值为0到255，而二值图像是非0即255，很明显具有一层一层的关系，所以是这个步骤。边缘检测并不是轮廓检测，这个要区分开，边缘检测关注的是图像中亮度或颜色的变化，轮廓检测的关注的是物体的形状信息。

Python类和对象

在模型训练文件夹内按shift＋右键打开power shell脚本，运行。修改模型训练文件夹内的config文件中的路径为标定图片的文件夹路径，训练所需文件，需要英文路径，建议别放桌面，因为我桌面用不了。框选完生成标记文件文件，解压放到模型训练的文件夹内。使用聚类算法，把这个分为3个先验框。聚类完之后直接train模型。把模型分为验证集和测试集。

车牌识别1.0版本，只实现了纯数字的识别，可以持续关注我滴博客，查看新改良版本主体思路：把模板图片与输入图片分别处理，得到轮廓，再利用函数boundingRect（c）函数得到轮廓信息（在原图像坐标），再把用此轮廓信息把图片切割下来，这样就得到了模板与输入图像的切割图像，然后让这些切割图像进行匹配。除杂处理——>轮廓信息——>切割图像——>切割图像匹配。

.

..

。