Hyper_LPR py3 程序流程

HyperLPR_py3 算法以Opencv和自己训练的几个模型，实现了车牌的快速检测。流程如下：

1. cv2.imread() 读取图片  
2. 使用 top_bottom_padding_rate 参数截取图片（上下各截掉一小部分，减小图片大小），并转为灰度图   cv2.cvtColor(image_color_cropped, cv2.COLOR_RGB2GRAY)  
3. 使用训练好的级联分类器  cascade.xml  将车牌从彩色图像中抠出来。 （比检测出来的稍微大一点）
4. 将抠出来的图resize成 （136，72）
5. 识别牌照种类：非蓝牌的颜色翻转（识别的时候都是白色的字符更方便） 模型：plate_type.h5
6. 进行车牌的精确定位（上下）：  
   → 自适应阈值（cv2.adaptiveThreshold）获取车牌号码的二值图（一共15个，包含各个blockSize） 
   → 计算二值图中车牌号码的大致包围框（cv2.findContours）
   → 存储所有框的左上角和右下角的点 
   → 使用左上角拟合上边界，右下角拟合下边界(cv2.fitLine)，并将拟合直线上下移动3个像素，扩大范围 
   → 使用cv2.warpPerspective将图像矫正(后面跟了个deskew，作用抗倾斜，没理解）
   → 使用 model12.h5 模型寻找左右边界
   
   定位完成， 号码检测有两种
   
   1. 使用 ocr_plate_all_w_rnn_2.h5 模型直接回归车牌号  （效果较差）
   
   2.使用先分割后识别的方法
      使用16像素宽的窗口扫过车牌，存储扫过的数据，使用char_judgement.h5 判断该窗口是否为号码，然后识别
7. 显示车牌和置信度
   
   
   备注： 看完点个赞，github加个星。