思路：通过彩色图像灰度化，再进行边缘检测，形态学的膨胀腐蚀操作成功实现对背景的过滤，并通过水平和垂直投影法实现了对车牌的定位；在字符分割的实现上，通过先对车牌区域的彩色图像进行灰度化以及阀值处理，将图像转换为黑白图像，再进行中值滤波，最终结合字符水平和垂直投影的特性，成功完成对车牌字符的分割；在字符识别方面，首先将字符归一化，然后和建立好的模板字符库进行逐一比对，通过找差值绝对值的最小值来实现字符的匹配。
文件包括：67个字符模板匹配库，实现代码，参考论文
2021-12-15 15:53:41
2.4MB
1
该文件带有VC++的BP神经网络车牌识别源代码和一篇课设报告， 借助数字图像处理技术，我们对车牌图像依次进行以下处理：彩色的256色的BMP图进行灰度转换－>灰度变换（图像增强）－>中值滤波－>图像二值化－>倾斜校正（Hough变换）->边框切除->字符切割->神经网络的字符识别，最后得出车牌字符。
2021-09-07 15:08:20
248KB
1
步骤一 解压代码，放到合适的路径（不要有中文路径），打开代码，找到CNN_NeuralNet.py里的train_flag = 0 net = char_cnn_net() 语句，将0改成1后运行CNN_NeuralNet.py执行训练步骤，然后再将1改成0后在执行一遍CNN_NeuralNet.py。
步骤二 找到GUI.py直接运行，然后取文件夹中的images中的pictures中的图片进行识别即可
步骤三 识别效果不佳时可以再次执行步骤一中的训练，或者自己改进
2021-07-10 10:34:29
118.77MB
1
该套代码是 纯C编写的车牌识别代码，识别率在80%左右，目前仅支持蓝牌车，用户可自行进行修改和添加其他车牌类型，由于是纯C编写，跨平台部署很方便，比如arm嵌入式和linux等。
2021-03-13 12:39:33
6.8MB
1