基本信息

---

下载

   友情提示：（无需注册或充值，赞助后即可获取资源下载链接）

---

     嘿，亲！知识可是无价之宝呢，但咱这精心整理的资料也耗费了不少心血呀。小小地破费一下，绝对物超所值哦！如有下载和支付问题，请联系我们QQ(微信同号)：813200300

本次赞助数额为： 2 元　

支付宝支付

微信支付

   源码介绍

---

基于opencv的java车牌检测识别库（支持linux、windows、mac、Android平台），识别准确率79.7%以上

被识别的图片如下：

识别结果如下：

package cc.eguid.charsocr;

import java.awt.Image;
import java.awt.image.BufferedImage;
import java.awt.image.DataBuffer;
import java.awt.image.DataBufferByte;
import java.awt.image.SampleModel;
import java.math.BigDecimal;
import java.util.Vector;

import org.bytedeco.javacpp.opencv_imgcodecs;
import org.bytedeco.javacpp.Pointer;
import org.bytedeco.javacpp.opencv_core;
import org.bytedeco.javacpp.opencv_core.CvType;
import org.bytedeco.javacpp.opencv_core.CvTypeInfo;
import org.bytedeco.javacpp.opencv_core.Mat;

import cc.eguid.charsocr.core.CharsRecognise;
import cc.eguid.charsocr.core.PlateDetect;

/**
 * 车牌识别
 * @author eguid
 *
 */
public class PlateRecognition {
static PlateDetect plateDetect =null;
static CharsRecognise cr=null;
static{
plateDetect=new PlateDetect();
plateDetect.setPDLifemode(true);
cr = new CharsRecognise();
}

/**
     * 单个车牌识别
     * @param mat
     * @return
     */
    public static String plateRecognise(Mat mat){
         Vector<Mat> matVector = new Vector<Mat>(1);
         if (0 == plateDetect.plateDetect(mat, matVector)) {
             if(matVector.size()>0){
            return cr.charsRecognise(matVector.get(0));
             }
         }
         return null;
    }
    /**
     * 多车牌识别
     * @param mat
     * @return
     */
    public static String[] mutiPlateRecognise(Mat mat){
    PlateDetect plateDetect = new PlateDetect();
         plateDetect.setPDLifemode(true);
         Vector<Mat> matVector = new Vector<Mat>(10);
         if (0 == plateDetect.plateDetect(mat, matVector)) {
             CharsRecognise cr = new CharsRecognise();
             String[] results=new String[matVector.size()];
             for (int i = 0; i < matVector.size(); i) {
                 String result = cr.charsRecognise(matVector.get(i));
               results[i]=result;
             }
             return results;
         }
         return null;
    }
    /**
     * 单个车牌识别
     * @param mat
     * @return
     */
    public static String plateRecognise(String imgPath){
    Mat src = opencv_imgcodecs.imread(imgPath);
    return plateRecognise(src);
    }
    /**
     * 多车牌识别
     * @param mat
     * @return
     */
    public static String[] mutiPlateRecognise(String imgPath){
    Mat src = opencv_imgcodecs.imread(imgPath);
    return mutiPlateRecognise(src);
    }
    
    public static void main(String[] args){
    int sum=100;
    int errNum=0;
    int sumTime=0;
    long longTime=0;
    for(int i=sum;i>0;i--){
    //C:\\Users\\Administrator\\Desktop\\1234.jpg
    //D:\\openCV\\vlpr4j-master\\vlpr4j-master\\res\\image\\test_image\\plate_judge.jpg
    String imgPath = "D:\\openCV\\vlpr4j-master\\vlpr4j-master\\res\\image\\test_image\\plate_judge.jpg";
    Mat src = opencv_imgcodecs.imread(imgPath);
    long now =System.currentTimeMillis();
    String ret=plateRecognise(src);
    System.err.println(ret);
    long s=System.currentTimeMillis()-now;
    if(s>longTime){
    longTime=s;
    }
        sumTime =s;
        if(!"川A0CP56".equals(ret)){
        errNum ;
        }
    }
    System.err.println("总数量：" sum);
    System.err.println("单次最长耗时：" longTime "ms");
   
    BigDecimal errSum=new BigDecimal(errNum);
    BigDecimal sumNum=new BigDecimal(sum);
    BigDecimal c=sumNum.subtract(errSum).divide(sumNum).multiply(new BigDecimal(100));
    System.err.println("总耗时：" sumTime "ms,平均处理时长：" sumTime/sum "ms,错误数量：" errNum "，正确识别率：" c "%");
    }
}