新交规车牌框架新交规车牌框架能不能带字母( 三 )

print(HyperLPR_plate_recognition(image))以上代码运行结果如下，可以看出该方法识别了车牌的车牌字符、置信度值、车牌位置坐标、图片尺寸等结果。

这样的结果还不够直观，我们写一个函数将车牌的识别结果标注在图片上，首先导入相关依赖包，其代码如下：
# 导入包
from hyperlpr import *
# 导入OpenCV库
import cv2 as cv
from PIL import Image, ImageDraw, ImageFont
import numpy as np新建一个函数drawRectBox，将图像数据、识别结果、字体等参数传入，函数内部利用OpenCV和PIL库添加标注框和识别结果的字符，其代码如下：
def drawRectBox(image, rect, addText, fontC):
cv.rectangle(image, (int(round(rect[0])), int(round(rect[1]))),
(int(round(rect[2]) + 8), int(round(rect[3]) + 8)),
(0, 0, 255), 2)
cv.rectangle(image, (int(rect[0] – 1), int(rect[1]) – 16), (int(rect[0] + 75), int(rect[1])), (0, 0, 255), -1, cv.LINE_AA)
img = Image.fromarray(image)
draw = ImageDraw.Draw(img)
draw.text((int(rect[0] + 1), int(rect[1] – 16)), addText, (255, 255, 255), font=fontC)
imagex = np.array(img)
return imagex我们首先读取图片文件，利用前面的HyperLPR_plate_recognition方法识别出车牌结果，调用以上函数获得带标注框的图片，利用OpenCV的imshow方法显示结果图片，其代码如下：
image = cv.imread('test3.jpeg')# 读取选择的图片
res_all = HyperLPR_plate_recognition(image)
fontC = ImageFont.truetype("./platech.ttf", 14, 0)
res, confi, axes = res_all[0]
image = drawRectBox(image, axes, res, fontC)
cv.imshow('Stream', image)
c = cv.waitKey(0) & 0xff此时运行以上代码可以得到如下结果：

同理，识别视频中的车牌也可以做类似的操作，不过我们需要先对视频文件进行逐帧读取，然后采用以上的方式在图片中标识出车牌并显示。这部分代码如下：
capture = cv.VideoCapture("./车牌检测.mp4")# 读取视频文件
fontC = ImageFont.truetype("./platech.ttf", 14, 0)# 字体，用于标注图片
i = 1
while (True):
ref, frame = capture.read()
if ref:
i = i + 1
if i % 5 == 0:
i = 0
res_all = HyperLPR_plate_recognition(frame)# 识别车牌
if len(res_all) > 0:
res, confi, axes = res_all[0]# 获取结果
frame = drawRectBox(frame, axes, res, fontC)
cv.imshow("num", frame)# 显示画面
if cv.waitKey(1) & 0xFF == ord('q'):
break# 退出
else:
break以上代码每5帧识别一次视频中的车牌，将车牌的结果标注在画面中进行实时显示，运行结果的截图如下所示：
车牌的识别部分代码演示完毕，对此我们完成了图片和视频的识别，然而这些还是简单的脚本呈现。为了方便更换图片、视频以及管理车牌，还需要设计文件选择功能以及系统的UI界面。打开QtDesigner软件，拖动以下控件至主窗口中，车牌识别系统的界面设计如下图所示：控件界面部分设计好，接下来利用PyUIC工具将.ui文件转化为.py代码文件，通过调用界面部分的代码同时加入对应的逻辑处理代码。
原文链接：https://blog.csdn.net/qq_32892383/article/details/123088309?spm=1001.2100.3001.7377&utm_medium=distribute.pc_feed_blog_category.none-task-blog-classify_tag-3.nonecase&depth_1-utm_source=distribute.pc_feed_blog_category.none-task-blog-classify_tag-3.nonecase