sobel定位 颜色定位 车牌识别总体分为三步：车牌定位-->车牌检测-->车牌字符识别 整个项目附有详细操作步骤和说明，通俗易懂，SVM支持向量机来做车牌检测、传统图像处理技术来做字符分割、识别。

该程序车牌识别总体分为三步： 车牌定位-->车牌检测-->车牌字符识别

字符分割和字符识别项目，包含项目收集数据集和cnn模型，以及项目的说明资料 项目语言：C++11 项目平台：Microsoft Visual Studio 2015 计算机视觉库：Opencv 3.2+opencv-contrib V3.1 cmake3.8.1 源码编译 SVM: Libsvm ANN： Opencv CNN: Caffe 该项目以数字图像处理和机器学习为基础，以1485张图片组成的原始数据集为出发点，研究了如何从原始图片集中得到用于分类器训练的数据集；针对车牌区域特点和输入图片的全局特点，提出了四种不同的可能的车牌区域提取方法，经过校正后得到车牌区域候选人；参考自然场景下的文本检测方法和车牌中的字符分布特点，对车牌候选区域提取改进的最大稳定极值区域，通过使用非极大值抑制和区域校正得到字符候选人，通过字符判断分类器和字符搜索，实现非车牌区域的滤除和车牌区域7个字符的提取，其中字符判断使用基于20个描述性特征的支持向量机实现；通过使用金字塔梯度方向直方图特征得到了用于数字和字母识别的三层BP神经网络模型，定义了10层的卷积神经网络模型MyLeNet实现汉字的识别。

车牌检测和识别的Python应用软件实现详细过程 1.输入原始图片，通过二值化，边缘检测，和基于色调的颜色微调等办法检测出原图中的车牌号的位置； 2.把检测到的车牌(ROI)裁剪，为车牌号的识别做准备； 3.基于裁剪的车牌号，使用直方图的波峰波谷分割裁剪的车牌号（如上图中的第3步） 4.训练机器学习模型做车牌识别，这里训练了2个SVM,一个SVM用来识别省份简称(如 鲁)，另一个SVM用来识别字母和数字。 5.通过PyQt5把整个算法封装成GUI程序，并打包发布安装软件。

基本步骤： 车牌定位->转灰度图->Otus分割->开运算->提取连通区域->显示最终结果

代码中车牌识别包含以下两部分内容： 一、车牌定位： 1. 高斯滤波； 2.sobel边缘提取； 3.二值化图像； 4.闭运算； 5.去除小区域； 6.提取轮廓； 7.仿射变换。 二、字符识别 1.提取字符轮廓； 2.识别字符；

固定利率转lpr 计算器，可自行修改数据进行测算，支持等额本金 等额本息方式，有房贷的可以分析一下，同时包含两种方式还款明细计算，有近20年贷款利率趋势和历史LPR数据

自己整理的有关车牌识别的资料，一共有45篇论文，由于资料过大，不能一次上传，分三个部分，每个部分有15篇论文，对于研究车牌识别的筒子很有帮助，尤其是写相关论文。

automatic car plate recongition using a partial segmentation algorithm

资产负债表：关注新一期LPR（2021）（18页）.pdf