目录：

1.读取图像
2.图像预处理(降噪)
3.定位到ROI(感兴趣区域)图像
4.对ROI图像进行车牌号文字识别提取

# 准备工作：导入相关库、定义需全局使用的函数、设置相关参数
import cv2
import imutils
import numpy as np
import pytesseract
import  re
from matplotlib import pyplot as plt
# %matplotlib inline

def imshow(img):
    img_rgb = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)
    plt.imshow(img_rgb)

1.读取图像

img = cv2.imread('LicensePlate001.jpg',cv2.IMREAD_COLOR)
img = cv2.resize(img, (600,400))
imshow(img)

2.图像预处理(降噪)

gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) 
# 使用双边滤波(模糊)从图像中删除不需要的细节。
# gray = cv2.bilateralFilter(gray, 13, 15, 15)
imshow(gray)

3.定位到ROI(感兴趣区域)图像

# 3-1.边缘检测
edged = cv2.Canny(gray, 30, 200) 
imshow(edged)

# 3-2.在图像上寻找轮廓，并定位ROI
contours = cv2.findContours(edged.copy(), cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE)
contours = imutils.grab_contours(contours)
contours = sorted(contours, key = cv2.contourArea, reverse = True)[:10]
ROI = None
for c in contours:
    peri = cv2.arcLength(c, True)
    approx = cv2.approxPolyDP(c, 0.018 * peri, True)
    if len(approx) == 4:
        ROI = approx
        cv2.drawContours(img, [ROI], -1, (0, 0, 255), 2)
        break
imshow(img)

# 3-3.从主图像裁剪出ROI（感兴趣区域）图像
y0,y1 = np.min(ROI[:,:,1]),np.max(ROI[:,:,1])
x0,x1 = np.min(ROI[:,:,0]),np.max(ROI[:,:,0])
Cropped = gray[y0:y1,x0:x1]
imshow(Cropped)

4.对ROI图像进行车牌号文字识别提取

text = pytesseract.image_to_string(Cropped)
text = re.sub('[^a-zA-Z\d ]','',text)
img2 = img.copy()
cv2.putText(img2,text,(x0-50,y0),cv2.FONT_HERSHEY_SIMPLEX,1.2, (255, 255, 255), 2)
imshow(img2)

最后

[1].代码截止2020-08-29调试无误。
[2].如需全部代码及相关文件，留言邮箱。
[3].过程中有任何问题，欢迎交流！Q597966823

  让知识或技术实现其最大的价值，欢迎收藏自用、转载分享，转载请注明原文出处，谢谢！