简介与效果
用python3+opencv3做的中国车牌识别，包括算法和客户端界面，只有2个文件，一个是界面代码，一个是算法代码，点击即可出结果，方便易用！
大致的UI界面如下，点击输入图片，右侧即可出现结果！
环境依赖
依赖库：非常容易安装：
版本：python3.4.4，opencv3.4和numpy1.14和PIL5
算法实现
算法思想来自于网上资源，先使用图像边缘和车牌颜色定位车牌，再识别字符。车牌定位在predict方法中，为说明清楚，完成代码和测试后，加了很多注释，请参看源码。
车牌字符识别也在predict方法中，请参看源码中的注释，需要说明的是，车牌字符识别使用的算法是opencv的SVM， opencv的SVM使用代码来自于opencv附带的sample，StatModel类和SVM类都是sample中的代码。
SVM训练使用的训练样本来自于c++版本。由于训练样本有限，你测试时会发现，车牌字符识别，可能存在误差，尤其是第一个中文字符出现的误差概率较大。
源码中，我上传训练样本，在train\目录下，如果要重新训练请解压在当前目录下，并删除原始训练数据文件svm.dat和svmchinese.dat
代码
额外说明：算法代码只有500行，测试中发现，车牌定位算法的参数受图像分辨率、色偏、车距影响（test目录下的车牌的像素都比较小，
--->qq 1309399183----------<代码交流 def from_pic(self): self.thread_run = False self.pic_path = askopenfilename(title="选择识别图片", filetypes=[("jpg图片", "*.jpg")]) if self.pic_path: img_bgr = predict.imreadex(self.pic_path) self.imgtk = self.get_imgtk(img_bgr) self.image_ctl.configure(image=self.imgtk) resize_rates = (1, 0.9, 0.8, 0.7, 0.6, 0.5, 0.4) for resize_rate in resize_rates: print("resize_rate:", resize_rate) r, roi, color = self.predictor.predict(img_bgr, resize_rate) if r: break #r, roi, color = self.predictor.predict(img_bgr, 1) self.show_roi(r, roi, color)
touch.me --->q1309399183----------<交流
处理具体流程
最终结果
其他图片很可能因为像素等问题识别不了，识别其他像素的车牌需要修改config文件里面的参数，此项目仅是抛砖引玉，提供一个思路）。
全部代码：可关注我进行私信或者上述方式交流！！！
