几个月前，我已经对此进行了一些搜索。关于此主题的论文很多 ，但我从未找到任何具体的开源实现。虽然有很多商业实现 ，但是它们都没有报价，因此它们可能非常昂贵。

http://licenseplate.sourceforge.net Python（我尚未对其进行测试）

高性能ANPR图书馆- http://www.dtksoft.com/dtkanpr.php 。这是商业用途，但是它们提供了试用密钥。

看看Java ANPR 。免费车牌识别...

试试这个简单的自动车牌识别系统

http://opos.codeplex.com/

开源并用C＃编写

是的，我在http://jocr.sourceforge.net/上使用gocr，它是一个命令行应用程序，可以从您的应用程序中执行。我在几个应用程序中使用了它。

我编写了基于JAVA ANPR的C＃版本，但是我用OpenCV更改了awt库功能。您可以在http://anprmx.codeplex.com上进行检查

编辑 ：我为此编写了一个Python脚本 。

由于您的目标越来越模糊（为了保护隐私），因此第一步基本上需要一个高召回率的检测器。这是执行此操作的方法。随附的代码提示将OpenCV与Python结合使用。

1. 转换为灰度。

2. 应用高斯模糊。

    img = cv2.imread('input.jpg',1) img_gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) img_gray = cv2.GaussianBlur(img_gray, (5,5), 0) 

让输入图像如下。

3. 应用Sobel滤镜以检测垂直边缘。

4. 使用严格阈值或OTSU的二值化对结果图像进行阈值处理。

    cv2.Sobel(image, -1, 1, 0) cv2.threshold() 

5. 使用合适的结构元素进行形态学闭合操作。 （我使用16x4作为结构元素）

    se = cv2.getStructuringElement(cv2.MORPH_RECT,(16,4)) cv2.morphologyEx(image, cv2.MORPH_CLOSE, se) 

步骤5之后的结果图像。

6. 查找此图像的外部轮廓。

    cv2.findContours(image, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_NONE) 

7. 对于每个轮廓，找到限制它的minAreaRect() 。

8. 根据长宽比，最小和最大面积以及与水平线的角度选择矩形。 （我使用2.2 <=长宽比<= 8，500 <=面积<= 15000，角度<= 45度）

所有minAreaRect()均以橙色显示，满足我们条件的一个以绿色显示。

9. 在执行此步骤后，可能会出现误报，要对其进行过滤，请使用边缘密度。边缘密度定义为白色像素数/矩形中的像素总数 。设置边缘密度的阈值。 （我用0.5）

10. 模糊检测到的区域。

您可以应用您认为合适的其他过滤器来提高召回率和精度。还可以使用HOG + SVM训练检测以提高精度。

我碰到了用java javaANPR编写的这个 ，我也在寻找ac＃库。

我想要一个可以将摄像机对准某些帆船的系统，所有这些帆船上都有大的，可识别的数字，并让它们识别船并在驶过摄像机时发送一条推文。

GitHub上有一个新的开源库，可对美国和欧洲的板块进行ANPR。它看起来非常准确，并且应该完全满足您的需要（识别印版区域）。这是GitHub项目： https : //github.com/openalpr/openalpr