我尝试使用自适应阈值和 Thesh_Binary_Inv 将图像转换为灰色
gray = cv2.cvtColor(img1,cv2.COLOR_BGR2GRAY)
adapt1 = cv2.adaptiveThreshold(gray,130,cv2.ADAPTIVE_THRESH_GAUSSIAN_C,cv2.THRESH_BINARY_INV,153,40)
并尝试使用 pytesser 获取车牌，但得到了一些随机值作为输出
谁能帮我从图像中提取文本以及在哪里可以找到有关如何使用 kmeans 或任何其他算法进行训练的教程
【问题讨论】：
标签： python-2.7 opencv image-processing ocr pytesser
从图像中提取文本时，请尝试查看图像，就好像您试图尽可能清晰地查看文本一样。我的教授曾经说过：如果人类可以看到它，那么计算机也可以看到它。您要做的基本上是执行基本的预处理算法，例如对比度增强，如果需要的话，颜色空间转换等。在阈值化之前您想要获得的是尽可能清晰的图像，其中字符毫无疑问，边缘在哪里字符和白色背景之间的距离尽可能明显。
您需要尝试阈值操作。一开始我建议使用带有轨迹栏的简单、固定阈值函数，这样您就不必每次想要更改值时都重新运行代码。您可以在我的 GitHub 存储库中的 here 上找到代码。当然，这只是其中的步骤。您仍然需要找到您和角色感兴趣的区域。这些步骤你想看的可能是contour finding。
训练部分会更加棘手。关于 K-means here 有一个漂亮的入门级教程，但我猜你不太确定如何处理它。我不确定在这里推荐什么，因为在您掌握基础知识之前，机器学习可能对您来说有点太难了。无论如何，如果我要这样做，我可能会选择深度学习，但你需要知道测试数据以及你如何准备它在这个过程中至关重要。这是very simple tutorial，它可能会让您了解正在发生的事情。
Raaj，请记住，如果您希望人们努力帮助您，那么首先努力提出要求是有礼貌的。你必须更好地解释你做了什么，你在哪里看，你得到了什么结果，你对我们有什么期望。图片，我想说，在你的情况下是必须的，你甚至懒得提供这些。祝你好运！
【讨论】：