1、“.....仍保留原来的值，从 而减少由 二牌照的定位和分割 牌照的定位和分割是牌照识别系统的关键技术之，其主要目的是在经图象预 处理后的原始灰度图象中确定牌照的具体位置，并将包含牌照字符的块子图象从 整个图象中分割出来，供字符识别子系统识别之用，分割的准确与否直接关系到整 个牌照字符识别系统的识别率。根据其灰度值与周边区域有明显的不同，在其边缘 形成了灰度突变的边界，这样就便于通过边缘检测来对图象进行分割。 图牌照定位于分割流程图 对图像进行腐蚀 去除杂质 通过计算寻找和 方向车牌的区域 完成车牌定位 对分滑处理。若 则 通过对生成黑白图片的去背景处理，可以增强图片的黑白对比度，有利于处理 亮度过大的图片。 图背景图像 图增强黑白图像 平滑处理 对于受噪声干扰严重的图象，由于噪声点多在频域中映射为高频分量......”。

2、“.....但实际中为了简化算法，也可以直接在空域中用 求邻域平均值的方法来削弱噪声的影响，这种方法称为图象平滑处理。 例于受噪声干扰严重的图象，由于噪声点多在频域中映射为高频分量，因此可 以在通过低通滤波器来滤除噪声，但实际中为了简化算法，也可以直接在空域中用 求邻域平均值的方法来削弱噪声的影响，这种方法称为图象平白图像 理，可以增强图片的黑白对比度，有利于处理 亮度过大的图片。 图背景图像 图增强黑部分内容简介 使得∈其中，为线性变换， 图灰度线性变换 若 则 通过对生成黑白图片的去背景处理，可以增强图片的黑白对比度，有利于处理 亮度过大的图片。 图背景图像 图增强黑白图像 平滑处理 对于受噪声干扰严重的图象，由于噪声点多在频域中映射为高频分量......”。

3、“.....但实际中为了简化算法，也可以直接在空域中用 求邻域平均值的方法来削弱噪声的影响，这种方法称为图象平滑处理。 例如，象素点的邻域有两种表示方法邻域和邻域分别对应的邻域平均值 为， 图邻域模板图邻域模板 ， 其中，为邻域中除中心象素点，之外包括的其它象素总数，对于邻域， 邻域。然而，邻域平均值的平滑处理会使得图象灰度急剧变化的地方，尤其 是物体边缘区域和字符轮廓等部分产生模糊作用。为了克服这种平均化引起的图象 模糊现象，我们给中心点象素值与其邻域平均值的差值设置固定的阈值，只有大 于该阈值的点才能替换为邻域平均值，而差值不大于阈值时，仍保留原来的值，从 而减少由于平均化引起的图象模糊。 图平滑处理后的图像 由于牌照图象的这些特点，再经过适当的图象变换，它在整幅中可以明显地 呈现出其边缘......”。

4、“.....此处边缘的提取采用的是算 ， 子。 图未滤波直接提取出的边缘图经灰度校正后提取的边缘图经平滑处理后提取边缘 对比以上几幅图片，图的边缘已经模糊掉了。图中包含的噪声太多， 图未经滤波直接提取出的边缘图像最清晰，所包含的有用信息最多。 二牌照的定位和分割 牌照的定位和分割是牌照识别系统的关键技术之，其主要目的是在经图象预 处理后的原始灰度图象中确定牌照的具体位置，并将包含牌照字符的块子图象从 整个图象中分割出来，供字符识别子系统识别之用，分割的准确与否直接关系到整 个牌照字符识别系统的识别率。根据其灰度值与周边区域有明显的不同，在其边缘 形成了灰度突变的边界，这样就便于通过边缘检测来对图象进行分割......”。

5、“.....牌照区域已经十分明显，而且其边缘得到了勾 勒和加强。数学形态学的应用可以简化图像数据，保持它们基本的形态特征，并除 去不相干的结构。在本程序中用到了膨胀和闭合这两个基本运算，最后还用了 来去除对象中不相干的小对象。 图腐蚀后图像图平滑图像的轮廓图从对象中移除小对象后图像 牌照区域的分割 对车牌的分割可以有很多种方法，本程序是利用车牌的彩色信息的彩色分割方 法。根据车牌底色等有关的先验知识，采用彩色像素点统计的方法分割出合理的车 牌区域，确定车牌底色蓝色对应的各自灰度范围，然后行方向统计在此颜色范 围内的像素点数量，设定合理的阈值，确定车牌在行方向的合理区域。然后，在分 割出的行区域内，统计列方向蓝色像素点的数量，最终确定完整的车牌区域......”。

6、“.....要想从图 像中直接提取出目标物体，最常用的方法就是设定个阈值，用将图像的数据分 成两部分大于的像素群和小于的像素群，即对图像二值化。均值滤波是典型 的线性滤波算法，它是指在图像上对目标像素给个模板，该模板包括了其周 围的临近像素。再用模板中的全体像素的平均值来代替原来像素值。 图裁剪出来的车牌的进步处理过程图 三字符的分割与归化 图字符分割与归化流程图 字符分割 在汽车牌照自动识别过程中，字符分割有承前启后的作用。它在前期牌照定位 的基础上进行字符的分割，然后再利用分割的结果进行字符识别。字符识别的算法 很多，因为车牌字符间间隔较大，不会出现字符粘连情况，所以此处采用的方法为 寻找连续有文字的块，若长度大于阈值......”。

7、“.....字符分割有承前启后的作用。它在前期牌照定位 的基础上进行字符的分割，然后再利用分割的结果进行字符识别。字符识别的算法 很多，因为车牌字符间间隔较大，不会出现字符粘连情况，所以此处采用的方法为 寻找连续有文字的块，若长度大于阈值，则认为该块有两个字符组成，需要分割。 逐排检查有没有白色像素点，设置 ，若图像两边，则切割，去除图像两 边多余的部分 切割去图像上下多余的部 分 根据图像的大小，设置阈值，检测图像的 轴，若宽度等于这阈值则切割，分离出 七个字符 归化切割出来的字符图像的大小为 ......”。

8、“.....以满足下步字符识别的需要。但 是对于车牌的识别，并不需要太多的处理就已经可以达到正确识别的目的。在此只 进行了归化处理，然后进行后期处理。 图归化处理后的七个字符图像 四字符的识别 字符的识别目前用于车牌字符识别中的算法主要有基于模板匹配的 算法以及基于人工神经网络的算法。 模板匹配的主要特点是实现简单，当字符较规整时对字符图像的缺损污迹干 扰适应力强且识别率相当高。综合模板匹配的这些优点我们将其用为车牌字符识别 的主要方法。模板匹配是图象识别方法中最具代表性的基本方法之，它是将从待 识别的图象或图象区域，中提取的若干特征量与模板，相应的特征量逐 个进行比较，计算它们之间规格化的互相关量，也可以计算图象与模板特征量之间 的距离，用最小距离法判定所属类。 此处采用相减的方法来求得字符与模板中哪个字符最相似，然后找到相似 度最大的输出......”。

9、“.....接着依次取待识别字符与模板进行匹配，将其 与模板字符相减，得到的越多那么就越匹配。把每幅相减后的图的值个数 保存，然后找数值最大的，即为识别出来的结果。 图字符识别流程图 图识别结果 四问题解决方法 通过以上的方法，我对多幅图像进行了检测，有较好的识别效果。下面是对 另幅车牌照的检测，结果如图所示。 对于光照条件不理想的图象，在处理中会遇到很多，经过不断的调试， 可先进行次图象增强处理，使得图象灰度动态范围扩展和对比度增强，再进行 定位和分割，这样可以提高分割的正确率。而采用了色彩通道的牌照区域分割算 法充分利用了牌照图象的色彩信息，简化了算法的实现，加快了图象的处理速度......”。