前面4篇博客介绍了OpenCV图像处理的基础知识，本篇博客利用前4篇的知识完成一个小项目——车牌号码识别。该篇博客的代码可以满足小区门禁车牌号的识别。本篇博客是前4篇博客知识的一个综合运用。感觉学会了这个可以实现一系列的图像识别任务。。。毕竟好多技巧都是共通的
首先要感谢 大佬的博客 ，在它的基础上完成了自己的识别任务。
首先附上本次识别的图片：（图片是我在百度上找的）
基于OpenCV车牌号识别总体分为四个步骤：
（1）提取车牌位置，将车牌从图中分割出来；
（2）车牌字符的分割；
（3）通过模版匹配识别字符；
（4）将结果绘制在图片上显示出来。
与深度学习相比，传统图像处理的识别有好处又有坏处：
好处：不需要大量的数据集训练模型，通过形态学、边缘检测等操作提取特征
坏处：基于传统图像处理的图像识别代码的泛化性较低，当图像的角度，光照不同时，识别效果有时会不尽人意。
为了方便观察每一步图片的变化，本次代码在Jupyter Notebook上编写，全部代码以上传（可直接运行）。
本次项目中会多次使用到图片显示和图片去噪灰度处理，所以首先定义了显示函数和高斯滤波灰度处理函数，方便后面的调用：
对图片进行阈值化处理、边缘检测及形态学操作，根据得到的轮廓特征识别车牌的具体位置，将车牌分割出来。直接上代码及代码详解：
二值化图以及闭操作（闭合细小的连接，抑制暗细节）的结果如图所示：
模板匹配是一个机械性的流程，所以把机械性的操作设定为函数。
最后，利用PIL库将结果绘制在原图上，获得的最终输出图片如下：
大功告成！！！！！
（一） 、OpenCV的车牌号码识别一共分为四步走：
1–提取车牌位置，将车牌从图中分割出来；
2–车牌字符的分割；
3–通过模版匹配识别字符；
4–将结果绘制在图片上显示出来。
（二）、图像处理的识别泛化性较低，对图片的角度光照有要求，所以要理解图像处理每一步的作用，根据自己图像的特点调整参数，更改操作顺序等等，以达到最好的效果。
（三）、车牌号识别的模板连接如下，需要的可以下载，有了模板就可以识别自己的图片了
链接：https://pan.baidu.com/s/1QBjy7c0klv_PBUwJjA8ynA
提取码：v53d
（四）、完整代码已上传SCDN点击查看
http://zengqiang.club/blog/34
