本篇文章主要基于python语言和OpenCV库（cv2）进行车牌区域识别和字符分割，开篇之前针对在python中安装opencv的环境这里不做介绍，可以自行安装配置！ 车牌号检测需要大致分为四个部分： 1.车辆图像获取 2.车牌定位、 3.车牌字符分割 4.车牌字符识别 具体介绍 车牌定位需要用到的是图片二值化为黑白后进canny边缘检测后多次进行开运算与闭运算用于消除小块的区域，保留大块的区域，后用cv2.rectangle选取矩形框，从而定位车牌位置 车牌字符的分割前需要准备的是只保留车牌部分，将其他部分均变为黑色背景。这里我采用cv2.grabCut方法，可将图像分割成前景与背景。分割

代码一共分为三个部分：样本数据集的获取、训练、预测 。 第一部分-get_train_image.py样本的获取: 我是用的opencv自己获取的自己手势的数据集、测试集。 第二部分-dataset自定义数据集以及训练: 采用tensorflow 的dataset模块创建自己数据集和tensorflow.keras api实现模型的构建以及训练. 第三部分-模型预测与应用

OpenCV 3计算机视觉 Python语言实现(第二版) PDF+代码

基于 Adaboost 的人脸检测系统的设计与实现(opencv+Python)-附件资源

利用opencv拼接视频，给定输入视频和输出视频位置即可。

opencv python版本文档

完整车牌识别系统，SVM分类器识别（含扩充后的车牌数据集、模型、详细代码注释关键部分逐行解析、代码解析及训练代码）。有界面，可以连接数据库实现数据存储。

OpenCV官方教程中文版（For Python）高清版

图像。视频及实时网络摄像头人类动作位点预测

python3.6对应的opencv_python-4.1.2版本.222222222222222222222222222222222222222222222222222222222222222