Python 2.7 Python-Ocr车牌识别
我尝试用自适应阈值和SHH_Binary_Inv将图像转换为灰度Python 2.7 Python-Ocr车牌识别,python-2.7,opencv,image-processing,ocr,pytesser,Python 2.7,Opencv,Image Processing,Ocr,Pytesser,我尝试用自适应阈值和SHH_Binary_Inv将图像转换为灰度 gray = cv2.cvtColor(img1,cv2.COLOR_BGR2GRAY) adapt1 = cv2.adaptiveThreshold(gray,130,cv2.ADAPTIVE_THRESH_GAUSSIAN_C,cv2.THRESH_BINARY_INV,153,40) 尝试使用pytesser获取车牌,但得到了一些随机值作为输出 有人能帮我从图像中提取文本吗?在哪里可以找到关于如何使用kmeans或任何其他
gray = cv2.cvtColor(img1,cv2.COLOR_BGR2GRAY)
adapt1 = cv2.adaptiveThreshold(gray,130,cv2.ADAPTIVE_THRESH_GAUSSIAN_C,cv2.THRESH_BINARY_INV,153,40)
尝试使用pytesser获取车牌,但得到了一些随机值作为输出
有人能帮我从图像中提取文本吗?在哪里可以找到关于如何使用kmeans或任何其他算法进行训练的教程?从图像中提取文本时,请尝试查看图像,就像您试图尽可能清晰地看到文本一样。我的教授曾经说过:如果人类能看到它,计算机也能看到。你要做的基本上是执行基本的预处理算法,如对比度增强、颜色空间转换(如果需要)等。你想在阈值化之前获得尽可能清晰的图像,其中,字符毫无疑问,且字符与白色背景之间的边缘尽可能明显 您需要尝试阈值操作。在开始时,我建议使用带有轨迹栏的简单固定阈值函数,这样您就不必每次更改值时都重新运行代码。你可以在我的GitHub repo上找到代码。当然,这只是其中一个步骤。您仍然需要找到您和角色感兴趣的区域。对于这些步骤,您希望看到的可能是 训练部分将更加棘手。关于K-means有一个漂亮的入门级教程,但我猜你并不确定该怎么做。我不知道该推荐什么,因为在你掌握基本知识之前,机器学习对你来说可能有点太难了。无论如何,如果我要这么做,我可能会深入学习,但你需要知道,测试数据和你如何准备它将是至关重要的过程。这里有一个,可能会让你知道发生了什么
Raaj,请记住,如果你希望人们努力帮助你,那么首先努力询问是很有礼貌的。你必须更好地解释你尝试了什么,你看了哪里,你得到了什么结果,你对我们有什么期望。我想说的是,在你的情况下,图像是必须的,而你甚至没有费心提供这些。祝你好运 谢谢,帮了大忙