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

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