我尝试将图像转换为具有自适应阈值的灰色和Thesh_Binary_Inv
gray = cv2.cvtColor(img1,cv2.COLOR_BGR2GRAY)
adapt1 = cv2.adaptiveThreshold(gray,130,cv2.ADAPTIVE_THRESH_GAUSSIAN_C,cv2.THRESH_BINARY_INV,153,40)
尝试使用pytesser获取牌照，但获得了一些随机值作为输出
任何人都可以帮助我从图像中提取文本以及在哪里找到如何使用kmeans或任何其他算法进行训练的教程
答案 0 :(得分：1)
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楚地看到文本一样。我的教授曾经说过：如果人类可以看到它，电脑也可以看到它。您想要做的基本上是执行基本的预处理算法，如对比度增强，颜色空间转换，如果需要等等。在阈值处理之前想要获得的是尽可能清晰的图像，其中对字符和边缘的位置毫无疑问角色和白色背景之间尽可能明显。
您需要尝试阈值操作。开始时，我建议使用带有轨迹栏的简单固定阈值功能，这样您每次想要更改值时都不必重新运行代码。您可以在我的GitHub仓库上找到here上的代码。当然，这只是其中一个步骤。您仍然需要找到您感兴趣的区域和角色。您想要查看这些步骤的内容可能是contour finding。
训练部分将更加棘手。关于K-means here有一个漂亮的入门级教程，但我猜你还不确定如何处理它。我不确定在这里推荐什么，因为在你掌握基础知识之前，机器学习对你来说可能有点难度。无论如何，如果我这样做，我可能会去深度学习，但你需要知道测试数据以及你如何准备它将在这个过程中至关重要。这是very simple tutorial，可能会让您了解正在发生的事情。
Raaj，请记住，如果你希望人们付出努力来帮助你，那么首先要付出努力，这是一种很好的举止。你必须更好地解释你尝试了什么，你在哪里看，你得到了什么，你对我们有什么期望。我要说的是，你的照片是必须的，你甚至都懒得提供这些照片。祝你好运！