基于python车牌识别 || 车牌字符分割

目的是为了排除一些干扰，比如光线等。

首先我们对原车牌进行灰度处理，因为灰度化后的图像将由三通道变为单通道，单通道的数据处理起来就会简单许多，对后序处理和运算速度都有很大的好处，然后在对其进行高斯滤波，得到处理过后的图片：

由于在这里有三种车牌：黄底，蓝底，绿底。所以在这里由我们给出固定阈值进行二值化显然不合理，但是不管是什么颜色底的车牌都有一个共同的特点，就是背景和字符在车牌中所占比例肯定是不一样的。在这里，我使用了一种OSTU算法对其进行二值化，OTSU算法是由日本学者OTSU于1979年提出的一种对图像进行二值化的高效算法，是一种自适应的阈值确定的方法，又称大津阈值分割法，是最小二乘法意义下的最优分割。

找出上下边框，尽可能的排除干扰，为分割做准备

在前面对车牌进行二值化过后，现图片中只有两个像素点，0和255，我们对每一行的像素点的值进行统计，从而得到水平投影图，如图13。进行水平投影是为了找到字符的上边界和下边界，从而对字符进行精准分割。取一个合适阈值，对字符所在区域进行判别。

找出每个字符具体所在位置

与水平投影操作类似，先得到垂直投影图，如图14。再取一个阈值，对每个字符进行分割。考虑到0和U的特殊性，这个阈值需要取得小一点，才能正确的得到完整的0和U。我们并没有用峰波和峰底进行分割，因为用峰波或者峰底的方法会使得分割出来的字符干扰信息会很多，对于我们识别正确率有很大的影响，我们在这里采用阈值的方法对其进行分割。