WPKENAN的博客

在上篇文档中作者已经简单的介绍了EasyPR，现在在本文档中详细的介绍EasyPR的开发过程。　　正如淘宝诞生于一个购买来的LAMP系统，EasyPR也有它诞生的原型，起源于优快云的taotao1233的一个博客，博主以读书笔记的形式记述了通过阅读“Mastering OpenCV”这本书完成的一个车牌系统的雏形。　　这个雏形有几个特点：1.将车牌系统划分为了两个过程，即车牌检测和字符识别。2

EasyPR–一个开源的中文车牌识别系统 　　我正在做一个开源的中文车牌识别系统，Git地址为：https://github.com/liuruoze/EasyPR。　　我给它取的名字为EasyPR，也就是Easy to do Plate Recognition的意思。我开发这套系统的主要原因是因为我希望能够锻炼我在这方

我撰写这系列文章的目的是：1、普及车牌识别中相关的技术与知识点；2、帮助开发者了解EasyPR的实现细节；3、增进沟通。　　EasyPR的项目地址在这：GitHub。要想运行EasyPR的程序，首先必须配置好openCV，具体可以参照这篇文章。　　在前两篇文章中，我们已经初步了解了EasyPR的大概内容，在本篇内容中我们开始深入EasyRP的程序细节。了解EasyPR是如何一步一步实现一个车牌的

在本篇文章中我们对前3个步骤，分别是高斯模糊、灰度化和Sobel算子进行分析。一、高斯模糊　1.目标　　对图像去噪，为边缘检测算法做准备。　　　2.效果　　在我们的车牌定位中的第一步就是高斯模糊处理。　　图1 高斯模糊效果　3.理论　　　详细说明可以看这篇:阮一峰讲高斯模糊。　　高斯模糊是非常有名的一种图像处理技术。顾名思义，其一般应用是将图像变得模糊，但同时高斯模糊也应用在图像

在本文中，会分析剩余的定位步骤。　　根据前文的内容，车牌定位的功能还剩下如下的步骤，见下图中未涂灰的部分。图1 车牌定位步骤　　我们首先从Soble算子分析出来的边缘来看。通过下图可见，Sobel算子有很强的区分性，车牌中的字符被清晰的描绘出来，那么如何根据这些信息定位出车牌的位置呢？图2 Sobel后效果　　我们的车牌定位功能做了个假设，即车牌是包含字符图块的一个最小的外接矩形。在大部分车牌处

在前面的几篇文章中，我们介绍了EasyPR中车牌定位模块的相关内容。本文开始分析车牌定位模块后续步骤的车牌判断模块。车牌判断模块是EasyPR中的基于机器学习模型的一个模块，这个模型就是作者前文中从机器学习谈起中提到的SVM（支持向量机）。　　我们已经知道，车牌定位模块的输出是一些候选车牌的图片。但如何从这些候选车牌图片中甄选出真正的车牌，就是通过SVM模型判断/预测得到的。    　  图

本篇文章介绍EasyPR里新的定位功能：颜色定位与偏斜扭正。希望这篇文档可以帮助开发者与使用者更好的理解EasyPR的设计思想。　　让我们先看一下示例图片，这幅图片中的车牌通过颜色的定位法进行定位并从偏斜的视角中扭正为正视角（请看右图的左上角）。 图1 新版本的定位效果   　　下面内容会对这两个特性的实现过程展开具体的介绍。首先介绍颜色定位的原理，然后是偏斜扭正的实现细节。　　由于本文较

大家好，好久不见了。　　一转眼距离上一篇博客已经是4个月前的事了。要问博主这段时间去干了什么，我只能说：我去“外面看了看”。 图1 我想去看看 　　　　在外面跟几家创业公司谈了谈，交流了一些大数据与机器视觉相关的心得与经验。不过由于各种原因，博主又回来了。　　目前，博主的工作是在本地的一个高校做科研。而研究的方向主要是计算机视觉。 图2 科研就是不断的探索过程 　　由于我所做的是计算

今天我们来介绍车牌定位中的一种新方法–文字定位方法（MSER），包括其主要设计思想与实现。接着我们会介绍一下EasyPR v1.5-beta版本中带来的几项改动。 一. 文字定位法　　在EasyPR前面几个版本中，最为人所诟病的就是定位效果不佳，尤其是在面对生活场景（例如手机拍摄）时。由于EasyPR最早的数据来源于卡口，因此对卡口数据进行了优化，而并没有对生活场景中图片有较好处理的策略。后来