Tensorflow车牌识别完整项目（含完整源代码及训练集）

n = 1

    start = 1

    end = 2

    temp = 1

    while n < width - 2:

        n += 1

        if (white[n] if arg else black[n]) > (0.05 * white_max if arg else 0.05 * black_max):

            # 上面这些判断用来辨别是白底黑字还是黑底白字

            # 0.05这个参数请多调整，对应上面的0.95

            start = n

            end = find_end(start, white, black, arg, white_max, black_max, width)

            n = end

            # 车牌框检测分割 二值化处理后 可以看到明显的左右边框  毕竟用的是网络开放资源 所以车牌框定位角度真的不准，

            # 所以我在这里截取单个字符时做处理，就当亡羊补牢吧

            # 思路就是从左开始检测匹配字符，若宽度外汇跟单gendan5.com（end - start）小与20则认为是左侧白条 pass掉  继续向右识别，否则说明是

            # 省份简称，剪切，压缩 保存，还有一个当后五位有数字 1 时，他的宽度也是很窄的，所以就直接认为是数字 1 不需要再

            # 做预测了（不然很窄的 1 截切  压缩后宽度是被拉伸的），

            # shutil.copy()函数是当检测到这个所谓的 1 时，从样本库中拷贝一张 1 的图片给当前temp下标下的字符

            if end - start > 5:  # 车牌左边白条移除

                print(" end - start" + str(end - start))

                if temp == 1 and end - start < 20:

                    pass

                elif temp > 3 and end - start < 20:

                    #  认为这个字符是数字1   copy 一个 32*40的 1 作为 temp.bmp

                    shutil.copy(

                        os.path.join("D:\pycharm\pycharm_work\chepai\fuzhi", "111.bmp"),  # 111.bmp 是一张 1 的样本图片

                        os.path.join("D:\pycharm\pycharm_work\chepai\\img_cut\\", str(temp) + '.bmp'))

                    pass

                else:

                    cj = th3[1:height, start:end]

                    cv2.imwrite("D:\pycharm\pycharm_work\chepai\img_cut_not_3240\\" + str(temp) + ".jpg", cj)

                    im = Image.open("D:\pycharm\pycharm_work\chepai\img_cut_not_3240\\" + str(temp) + ".jpg")

                    size = 32, 40

                    mmm = im.resize(size, Image.ANTIALIAS)

                    mmm.save("D:\pycharm\pycharm_work\chepai\img_cut\\" + str(temp) + ".bmp", quality=95)

                    temp = temp + 1