基于HyperLPR的车牌识别（七）

基于HyperLPR的车牌识别（七）

2021SC@SDUSC

源代码下载地址：HyperLPR: HyperLRP是一个开源的、基于深度学习高性能中文车牌识别库，由北京智云视图科技有限公司开发，支持PHP、C/C++、Python语言，Windows/Mac/Linux/Android/IOS 平台。

源码配置的详情见第一篇分析

这一次分析以下代码：

        image_rgb = fv.finemappingVertical(image_rgb)cache.verticalMappingToFolder(image_rgb)print("e2e:", izeOne(image_rgb))image_gray = cv2.cvtColor(image_rgb,cv2.COLOR_RGB2GRAY)

首先是    image_rgb = fv.finemappingVertical(image_rgb)

def finemappingVertical(image):resized = size(image,(66,16))resized = resized.astype(np.float)/255res= model.predict(np.array([resized]))[0]print("keras_predict",res)res  =res*image.shape[1]res = res.astype(np.int)H,T = resH-=3#3 79.86#4 79.3#5 79.5#6 78.3#T#T+1 80.9#T+2 81.75#T+3 81.75if H<0:H=0T+=2;if T>= image.shape[1]-1:T= image.shape[1]-1image = image[0:35,H:T+2]image = size(image, (int(136), int(36)))return image

它使用的是这个方法，

输入参数：
裁剪的车牌区域图像（Mat类型），rect也是裁剪的车牌部分的图像（Mat类型）

实现处理：
1.将原来车牌图像resize大小：66*16*3
2.将原来灰度图颜色通道[0, 255]转化为float类型[0,1]
3.将输入66*16(float),输入进模型进行测试delFineMapping.predict

然后是  cache.verticalMappingToFolder(image_rgb)

import cv2
import os
import hashlibdef verticalMappingToFolder(image):name = hashlib.md5(image.data).hexdigest()[:8]print(name)cv2.imwrite("./cache/finemapping/"+name+".png",image)

就是将处理之后的图片进行加密储存。

后两个都是之前的文章已经提到过了，就不再再次说了，详情可以看之前的文章。