包括算法和客户端接口在内，只有两个文件。 surface.py是接口代码，predict.py是算法代码，接口不是重点，所以用tkinter简单写一下。
使用方法：
版本： python3.4.4、opencv3.4和numpy1.14和PIL5
github :3359 github.com/wzh 191920/license-plate-recognition
gitee :3359 gitee.com/wzh 191920/license-plate-recognition
下载源代码，安装python、numpy、opencv的python版、PIL，运行surface.py即可
算法的思想来自网络资源，首先利用图像边缘和车牌颜色对车牌进行定位，然后识别字符。 车牌定位在predict方法中。 为了清楚说明，在完成代码和测试后，添加了许多注释。 请参阅源代码。 车牌字符识别也在predict方法中。 请参阅源代码注释。 另外，车牌字符识别使用的算法是opencv的SVM，opencv的SVM使用代码来自opencv附带的sample、StatModel类和SVM类全部来自sample的代码。 SVM培训中使用的培训示例来自github上的EasyPR的c版。 由于训练样本有限，测试后发现车牌字符识别可能存在误差，尤其是第一个中文字符出现误差的概率较大。
附加说明：算法代码只有500行，测试表明车牌定位算法参数受图像分辨率、色偏、车距的影响，部分车型识别效果有待提高。
界面效果：