plates

opencv 视觉项目学习笔记(二): 基于 svm 和 knn 车牌识别

寵の児 提交于 2021-02-03 07:35:10
车牌识别的属于常见的 模式识别 , 其基本流程为下面三个步骤: 1) 分割: 检测并检测图像中感兴趣区域; 2)特征提取: 对字符图像集中的每个部分进行提取; 3)分类: 判断图像快是不是车牌或者 每个车牌字符的分类。 车牌识别分为两个步骤, 车牌检测, 车牌识别, 都属于模式识别 。 基本结构如下: 一、车牌检测   1、车牌局部化(分割车牌区域),根据尺寸等基本信息去除非车牌图像;   2、判断车牌是否存在 (训练支持向量机 -svm, 判断车牌是否存在)。 二、车牌识别   1、字符局部化(分割字符),根据尺寸等信息剔除不合格图像   2、字符识别 ( knn 分类) 1.1 车牌局部化、并剔除不合格区域   vector<Plate> DetectRegions::segment(Mat input) { vector <Plate> output; // 转为灰度图,并去噪 Mat img_gray; cvtColor(input, img_gray, CV_BGR2GRAY); blur(img_gray, img_gray, Size( 5 , 5 )); // 找垂直边 Mat img_sobel; Sobel(img_gray, img_sobel, CV_8U, 1 , 0 , 3 , 1 , 0 , BORDER_DEFAULT); // 阈值化过滤像素

(Python基础教程之十二)Python读写CSV文件

扶醉桌前 提交于 2020-08-13 15:15:41
Python基础教程 在SublimeEditor中配置Python环境 Python代码中添加注释 Python中的变量的使用 Python中的数据类型 Python中的关键字 Python字符串操作 Python中的list操作 Python中的Tuple操作 Pythonmax()和min()–在列表或数组中查找最大值和最小值 Python找到最大的N个(前N个)或最小的N个项目 Python读写CSV文件 Python中使用httplib2–HTTPGET和POST示例 Python将tuple开箱为变量或参数 Python开箱Tuple–太多值无法解压 Pythonmultidict示例–将单个键映射到字典中的多个值 PythonOrderedDict–有序字典 Python字典交集–比较两个字典 Python优先级队列示例 学习在 Python中 使用 CSV 文件。CSV(逗号分隔值)格式是电子表格和数据库中非常流行的导入和导出格式。Python语言包含该模块,该模块具有用于 读取和写入CSV格式的数据的 类。 csv 目录 使用csv.reader() 读取CSV文件使用csv.DictReader读取CSV 文件使用csv.writer()写入CSV文件 引用 CSV方言 自定义CSV方言 Reading CSV file with csv.reader() 该

【深度学习】使用CNN进行车牌识别并搭建简单GUI

流过昼夜 提交于 2020-07-27 00:33:11
主要参考博客: https://blog.csdn.net/GK_2014/article/details/84779166 主体算法没有修改,这里添加了通过H(色调)和S(饱和度)来对车牌颜色进行判断,然后使用tkinter搭建了简单的GUI,可以实现打开摄像头拍摄照片然后再对照片进行识别。 界面如下: carPlateIdentity.py 代码如下,添加了一些注释: 1 import cv2 2 import os 3 import sys 4 import numpy as np 5 import tensorflow as tf 6 7 config = tf.ConfigProto(gpu_options=tf.GPUOptions(allow_growth= True)) 8 sess = tf.Session(config= config) 9 10 char_table = [ ' 0 ' , ' 1 ' , ' 2 ' , ' 3 ' , ' 4 ' , ' 5 ' , ' 6 ' , ' 7 ' , ' 8 ' , ' 9 ' , ' A ' , ' B ' , ' C ' , ' D ' , ' E ' , ' F ' , ' G ' , ' H ' , ' I ' , ' J ' , ' K ' , 11 ' L ' , ' M ' , ' N ' , '

无向图与有向图判定欧拉道路与欧拉回路的方法

那年仲夏 提交于 2020-05-01 11:32:48
欧拉道路: 从无向图中的一个节点出发走一条道路,每条边恰好经过一次,这样的线路成为欧拉道路。 下面给出欧拉道路的判定方法: 有向图: 图必须是连通的,而且最多只能有两个点入度不等于出度,而且这两个点其中一个点的入度+1=出度,另一个点的出度+1=入度,如果有的点出度!=入度&&出度与入度的绝对值差还不等于1,则这个图不是欧拉道路。 无向图: 图必须是连通的,而且最多有两个奇度点,则是欧拉道路。 判定图连通的方法: 无向图用dfs访问,看看点是否全部被访问。 有向图先转化为无向图,然后再用dfs判定。 欧拉回路: 如果一个回路是欧拉路径,则称为欧拉回路。 下面给出欧拉回路的判定方法: 有向图: 图连通,且所有顶点的入度等于出度。 无向图: 图连通,且没有奇度点。 下面给出一个欧拉道路的例题: 题目为UVa的10129: 题目: Some of the secret doors contain a very interesting word puzzle. The team of archaeologists has to solve it to open that doors. Because there is no other way to open the doors, the puzzle is very important for us. There is a large