ANPR projekt med hjälp av Intel Edison (3 / 4 steg)
Steg 3: Bearbetning bilden
Nu ställs i python filen du kommer bara att behöva importera filerna från PIL och tesseract och du
importera bild från PIL
från pytesser.pytesser import *
Förbehandla bilden med OPENCV algoritmer till gör den lämplig för tesseract OCR:
A. ändra storlek på bilden så att det inte tar för mycket processorkraft:
original = cv. LoadImageM("plate.jpg")
ändra storlek på = cv. CreateMat (original.rows/ 10, original.cols/10, original.type)
CV. Ändra storlek (original, resize)
B. konvertera till GRÅSKALA
CvtColor(original,gray,CV_RGB2GRAY)
C.Apply tröskel I.e binarize bilden storleksändras
cvThreshold (bild, binary_image, 128, 255,
CV_THRESH_OTSU)
ovanstående steg returnerar en binär bild som är adaptivt thresholded. Argument som följer den ordning: 1. Källa bild, 2. Målbilden, 3. Tröskelvärde, 4. Resulterande värdet, och 5. Typ av tröskeln. Leka med tröskel och resulterande värden tills du får rätt passar.