(汽车行业)基于图像处理的汽车牌照的识别
基于图像处理算法的车牌识别技术研究
基于图像处理算法的车牌识别技术研究近年来，随着计算机技术的不断发展和人工智能技术的日趋成熟，图像处理算法的研究也得到了越来越广泛的关注。
而在图像处理技术的应用方面，车牌识别技术是一个非常重要的领域。
车牌识别技术指的是通过计算机视觉和图像处理技术对车辆的车牌进行自动识别和识别结果的输出。
与传统的手动识别方式相比，车牌识别技术具有速度快、准确度高、适用范围广等优点，因此在交通管理、安防监控、停车场管理等领域有着重要的应用价值。
在车牌识别技术的应用中，图像处理算法起着至关重要的作用。
下面，本文将分别从车牌定位、文字识别、图像增强和细节优化几个方面介绍一下基于图像处理算法的车牌识别技术的研究现状和发展趋势。
一、车牌定位车牌定位是车牌识别技术实现的基础。
车牌定位的目的是在复杂背景下精确定位车辆的车牌区域，为接下来的车牌文字识别提供准确的输入。
目前，车牌定位技术主要包括基于颜色、基于形状和基于深度学习等方法。
基于颜色的车牌定位方法是最早被使用的方法之一，它利用车牌的颜色特征来定位车牌区域。
这种方法的缺点是对光照变化和不同车牌颜色的适应性不够强。
基于形状的车牌定位方法则利用车牌的形状特征来定位车牌区域。
这种方法的缺点是对车牌变形和遮挡的鲁棒性不够强。
而基于深度学习的车牌定位方法则利用卷积神经网络（CNN）等深度学习技术来自动提取车牌区域的特征。
这种方法的优点是鲁棒性强、适应性强，但是需要大量的样本数据来进行训练。
二、文字识别车牌定位完成后，接下来的任务就是对车牌上的文字进行识别。
车牌文字识别的主要难点在于车牌文字造型多样、光照条件复杂、噪声干扰较大等因素的影响。
目前，车牌文字识别技术主要包括传统的图像处理算法和基于深度学习的方法。
传统的图像处理算法主要包括字符分割、特征提取和分类识别等步骤。
而基于深度学习的车牌文字识别方法，则利用卷积神经网络和循环神经网络等深度学习技术对车牌文字进行自动识别。
这种方法的优点是训练过程自动化、识别准确率高，但是需要大量的样本数据来进行训练。
基于图像处理的车辆识别与车牌识别技术研究
基于图像处理的车辆识别与车牌识别技术研究车辆识别与车牌识别技术是现代交通管理和安全监控中的重要组成部分。
随着科技的不断发展，图像处理技术在车辆识别与车牌识别中发挥着越来越重要的作用。
本文将从图像处理的角度，探讨基于图像处理的车辆识别与车牌识别技术的研究现状、应用场景以及未来发展趋势。
首先，我们将介绍车辆识别与车牌识别技术的研究现状。
随着数字图像处理技术的快速发展，车辆识别与车牌识别技术取得了显著进展。
其中，车辆识别主要利用图像中的车辆边缘、车身形状等特征进行车辆检测、车辆分类和车辆跟踪等工作。
而车牌识别则通过图像中的车牌字符识别、车牌颜色识别等方法进行车牌检测和车牌字符识别。
研究表明，基于图像处理的车辆识别与车牌识别技术在准确率和实时性方面取得了较大突破，但仍然存在一些挑战，例如复杂环境下的车牌检测和非标准车牌字符的识别等问题。
接下来，我们将探讨基于图像处理的车辆识别与车牌识别技术的应用场景。
车辆识别与车牌识别技术广泛应用于交通管理、智能停车系统、安全监控等领域。
在交通管理方面，利用车辆识别技术可以实现交通拥堵监测、交通流量统计等功能，从而有效提高道路的利用率和交通运输效率。
在智能停车系统中，车牌识别技术可以实现车辆进出场地的自动识别和计费，提高停车场的管理效率。
在安全监控方面，车辆识别与车牌识别技术可以帮助快速检测、追踪和识别可疑车辆，协助公安机关开展犯罪侦查工作。
最后，我们将探讨基于图像处理的车辆识别与车牌识别技术的未来发展趋势。
随着人工智能技术的迅速发展，基于深度学习的车辆识别与车牌识别技术已经取得了重大突破。
深度学习技术可以通过大量的图像数据进行训练，从而自动提取图像特征并进行车辆或车牌识别。
未来，我们可以预见，基于深度学习的车辆识别与车牌识别技术将进一步提高识别准确率，并逐渐实现对复杂环境和非标准车牌的识别。
此外，随着传感器技术和通信技术的进一步发展，基于图像处理的车辆识别与车牌识别技术也将更好地与其他技术相结合，如车载摄像头、雷达传感器等，以实现更加综合精准的交通管理和安全监控。
基于图像处理的车牌号码识别技术研究
基于图像处理的车牌号码识别技术研究近年来，随着科技的发展和进步，图像处理技术在各个领域都有着广泛的应用。
其中，基于图像处理的车牌号码识别技术在交通管理、公安安防等方面起到了重要的作用。
本文将就基于图像处理的车牌号码识别技术展开研究和讨论。
一、车牌号码识别技术的意义与作用现如今，车辆数量快速增加，交通管理变得越来越重要。
而车牌号码作为唯一的车辆标识，可以方便交通管理部门进行车辆追踪和管理，提高交通管理的效率。
因此，开发一种快速、准确的车牌号码识别技术对于交通管理有着重要的意义。
基于图像处理的车牌号码识别技术主要从图像获取、图像预处理、车牌定位、字符分割和字符识别等几个方面组成。
下面将对这几个方面分别进行介绍。
二、图像获取与图像预处理车牌号码识别的第一步是获取车辆图像。
传统的方法是使用摄像机对车辆进行拍摄，然后将图像传输到计算机进行处理。
近年来，随着智能手机的普及，也可以使用手机进行车牌图像的获取。
不过，对于智能手机拍摄的车牌图像，会受到图像质量、光照条件等因素的影响。
在获取车牌图像后，还需要进行图像预处理。
图像预处理的目的是增强车牌图像的对比度，去除噪声、模糊等干扰，以方便后续的处理。
常用的图像预处理方法包括灰度化、二值化、滤波等。
三、车牌定位与字符分割车牌定位是车牌号码识别的关键步骤之一。
其目的是从整个图像中准确定位出车牌的区域。
常用的车牌定位方法包括基于颜色信息的车牌定位和基于边缘信息的车牌定位。
基于颜色信息的车牌定位方法通过车牌区域的颜色特征进行检测，而基于边缘信息的车牌定位方法则通过检测图像中的边缘来实现。
在车牌定位后，需要进行字符分割。
字符分割的目的是将车牌号码中的字符单独分离出来，便于后续的字符识别。
字符分割的难度在于车牌号码的字符数量和字符之间的粘连程度。
四、字符识别字符识别是车牌号码识别的最后一步，也是最为关键的步骤。
常见的字符识别方法有基于模板匹配、基于神经网络、基于支持向量机等。
基于图像处理技术的汽车牌照识别系统设计
智能交通系统的研究领域十分广阔，各国各地区的侧重点也有所不同。
如：电子收费系统是ITS在公路收费领域的具体表现，可解决收费站的“瓶颈”制约，较好地缓解收费站的交通拥挤、排队等候以及环境污染等问题。
为了满足这些需求，十分有必要在智能交通管理系统引入车辆牌照自动识别技术。
汽车牌照是车辆最清晰、准确、唯一的标志。
车辆牌照识别(Vehicle License Plate RecognitiON，简称VLPR)系统作为一个专门的计算机视觉系统，它能够自动拍摄车辆行进中的动态数据，有效判断和提取有车牌的图像数据，并实时准确的识别出车辆牌照上的字符。
1 汽车牌照自动识别系统的实现流程一个完整的汽车牌照自动识别系统主要分为图像采集，图像处理，车牌定位，字符分割，字符识别等几个部分。
图1所示是一个汽车牌照自动识别系统的主要工作流程图。
1．1 图像采集与处理图像采集目前主要采用专用摄像机连接图像采集卡，或者直接连接便携式笔记本进行实时图像采集，同时将模拟信号转换为数字信号。
图像处理主要是对采集的图像进行增强、恢复、变换等处理，目的是突出车牌的主要特征，以便更好地提取车牌区域。
1．2 车牌定位从人眼视觉的角度出发，同时根据车牌的字符目标区域特点，在二值化图像的基础上，可以提取其相应的定位特征。
这从本质上说，就是一个在参量空间寻找最优定位参量的问题，它需要用最优化方法予以实现。
一般可计算边缘图像的投影面积，寻找峰谷点，大致确定车牌位置，再计算此连通域内的宽高比，剔除不在域值范围内的连通域，最后得到的就是车牌区域。
车牌定位是车辆牌照自动识别系统中的关键和难点，实际图像中的噪声、复杂的背景等干扰都会给定位增加困难。
车辆牌照的分割是一个寻找最符合牌照特征区域的过程。
车牌检测定位方法包括图像预处理，车辆牌照粗定位，车辆牌照精确定位等几个组成部分。
图2所示是本系统的车牌定位流程图。
图像预处理部分的功能是将已经变成电信号的信息加以区分，同时去除信号中的污点、空白等噪声，并根据一定准则除掉一些非本质信号，再对文字的大小、位置和笔划粗细等进行规范化，最后简化判断部分的复杂性。
基于图像处理的汽车牌照的识别tuxiang
基于图像处理的汽车牌照的识别tuxiang基于图像处理的汽车牌照的识别作者:陈秋菊指导老师:李方洲(温州师范学院物理与电子信息学院 325027)摘要：以一幅汽车牌照的识别为例，具体介绍了车牌自动识别的原理。
整个处理过程分为预处理、边缘提取、车牌定位、字符分割、字符识别五大模块，用MATLAB软件编程来实现每一个部分,最后识别出汽车牌照。
在研究的同时对其中显现的问题进行了具体分析，处理。
查找出关于具体的汽车牌照识别过程的最好的方法。
关键词：汽车牌照车牌提取字符分割字符识别The vehicle license recognition based on the image processingAuthor:Chen QiujuTutor:Li Fangzhou(School of Physics and Electronic Information Wen Zhou Normal College 325027) Abstract：With one vehicle license recognition, the principle of the automobile License recognition is introduced .This process was divided into pre-process,edge extraction, vehicle license location, character division and character recognition, which is implemented separated by using MATLAB. The license is recognized at last. At the same time, the problems are also analyzed And solved in the process. The best method of recognition to the very vehicle license is found.Keywords: vehicle license vehicle license location character segmentationCharacter recognition1.引言1.1 选题意义汽车牌照自动识别系统是以汽车牌照为特定目标的专用运算机视觉系统，是运算机视觉和模式识别技术在智能交通领域应用的重要研究课题之一，是实现交通治理智能化的重要环节，它可广泛应用于交通流量检测，交通操纵与诱导，机场、港口、小区的车辆治理，不停车自动收费，闯红灯等违章车辆监控以及车辆安全防盗等领域，具有宽敞的应用前景。
基于图像处理的车牌识别技术研究与应用
基于图像处理的车牌识别技术研究与应用随着人工智能技术的不断发展，图像处理技术已经广泛应用于各个领域。
其中，车牌识别技术是图像处理领域中一个非常重要的应用，它不仅能够提高车辆管理的工作效率，也能够有效地提高道路交通安全。
本文将介绍基于图像处理的车牌识别技术的研究和应用。
一、车牌识别技术的概述车牌识别技术是利用图像处理技术将车牌上的数字和字符转化为计算机可读取的信息，并对其进行识别和记录。
其中，车牌识别技术可以分为两类：一类是基于普通相机的车牌识别技术，另一类则是基于高清镜头和车载摄像头的车牌识别技术。
基于普通相机的车牌识别技术主要是通过后台算法对图像进行分析和处理，通过识别车牌上的数字和字符来完成车牌识别。
由于其操作简单且成本低廉，因此被广泛应用于停车场管理、交通管理等方面。
但是其对于光线、图像质量等条件都有一定的要求，因此其准确率并不是很高。
而基于高清镜头和车载摄像头的车牌识别技术，则是采用高分辨率的摄像头和先进的图像处理算法，可以实现对车辆的快速、准确的识别，并且可以适应各种天气和光照条件下的车牌扫描。
此种技术最常用的例子就是交警用于追踪车辆的摄像头。
但是由于该技术的成本较高，因此在民用方面的应用还比较少。
二、车牌识别技术的主要研究内容1.车牌定位车牌定位是车牌识别过程中的第一步，其目的是从原始图像中提取出车牌的位置。
车牌定位主要分为模板匹配法、颜色学方法和边缘检测方法。
模板匹配法是最基本的一种车牌定位方法，它通常使用的是人工制作的车牌模板，将其与原始图像进行匹配，从而得到车牌的位置。
但是这种方法对车牌的尺寸、角度等方面都有较高的要求，因此其准确率较低。
颜色学方法是通过单一颜色特征来完成车牌定位的方法，当车牌颜色与周围其他物体的颜色存在明显差异时，可以通过这种方法实现车牌位置的准确识别。
但是由于车牌颜色的多样化，因此这种方法并不是很稳定。
边缘检测方法则是通过检测车牌周围的边缘来完成车牌定位的方法。
基于图像处理的车牌的自动识别
像边缘提取
对得到图像作开操作进行滤波
两个具有不同灰度值的相邻区域之间总存在边缘，边缘就是灰度值不连续的结果，是图像分割、纹理特征提取和形状特征提取等图像 分析的基础。
数学形态非线性滤波，可以用于抑制噪声，进行特征提 在实际的车牌处理系统中，进行图像二值变换的关键是要确定合适的阀值，使得字符与背景能够分割开来，二值变换的结果图像必须
具备了条件
流程图:
导入原 始图像
图像预处理增 边缘提 强效果图像 取
对图像开 闭运算
车牌定 位
（2）牌照字符分割 : 按左右宽度切割出字符 分析垂直投影找到每个字符中心位置 去掉车牌的框架 计算水平投影进行车牌水平校正 完成牌照区域的定位后，再将牌照区域分割成单个
字符，然后进行识别。字符分割一般采用垂直投影 法。由于字符在垂直方向上的投影必然在字符间或 字符内的间隙处取得局部最小值的附近，并且这个 位置应满足牌照的字符书写格式、字符、尺寸限制 和一些其他条件。利用垂直投影法对复杂环境下的 汽车图像中的字符分割有较好的效果。
基本的步骤：
a.牌照定位，定位图片中的牌照位置；
b.牌照字符分割，把牌照中的字符分割出 来；
c.牌照字符识别，把分割好的字符进行识 别，最终组成牌照号码。
这里采取的线性拟合的方法,计算出车牌上边或下边图像值为1的点拟合直线与水平X轴的夹角。 由于字符在垂直方向上的投影必然在字符间或字符内的间隙处取得局部最小值的附近，并且这个位置应满足牌照的字符书写格式、字 符、尺寸限制和一些其他条件。 去水平（上下）边框,获取字符高度 分析之差最小的图片是之间总存在边缘，边缘 就是灰度值不连续的结果，是图像分割、纹理特征提取 和形状特征提取等图像分析的基础。为了对有意义的边 缘点进行分类，与这个点相联系的灰度级必须比在这一 点的背景上变换更有效，我们通过门限方法来决定一个 值是否有效。所以，如果一个点的二维一阶导数比指定 的门限大，我们就定义图像中的次点是一个边缘点，一 组这样的依据事先定好的连接准则相连的边缘点就定义 为一条边缘。经过一阶的导数的边缘检测，所求的一阶 导数高于某个阈值，则确定该点为边缘点，这样会导致 检测的边缘点太多。可以通过求梯度局部最大值对应的 点，并认定为边缘点，去除非局部最大值，可以检测出 精确的边缘。一阶导数的局部最大值对应二阶导数的零 交叉点，这样通过找图像强度的二阶导数的零交叉点就 能找到精确边缘点。
基于图像处理的车辆牌照识别与违法行为检测技术研究
基于图像处理的车辆牌照识别与违法行为检测技术研究随着车辆数量的不断增加，交通管理的难度也日益加大。
传统的人工巡逻和交通监控已经无法满足目前城市交通管理的需求。
基于图像处理的车辆牌照识别与违法行为检测技术，为交通管理提供了一种高效、准确的解决方案。
传统的车辆识别和违法行为检测主要依赖于人工的目视观察和记录，但这种方式存在着人力资源的限制以及识别准确性的问题。
而基于图像处理的车辆牌照识别与违法行为检测技术可以有效地解决这些问题，并提供更高水平的交通管理。
首先，车辆牌照识别技术是整个系统的核心。
利用图像处理的技术，通过分析车辆牌照的图像特征，可以准确地提取出车牌号码并识别。
这项技术在各种天气和光照条件下都能保持较高的识别率，从而确保车辆牌照信息的准确性。
其次，基于图像处理的车辆牌照识别技术与违法行为检测相结合，可以实现对违规行为的自动检测。
例如，通过对道路上车辆的速度、违规变道、闯红灯等行为的识别，系统可以自动判断车辆是否存在违法行为，并及时生成相应的违法记录。
这种基于图像处理的技术可以大大降低人工巡逻的工作量，提高交通管理的效率。
此外，基于图像处理的车辆牌照识别与违法行为检测技术还具有一定的智能化能力。
通过与交通监控系统的结合，可以实现对车辆的轨迹追踪和分析。
通过对车辆的轨迹进行分析，可以判断车辆所在道路的流量状况、拥堵情况等，并进行相应的交通管理调整。
这种智能化的交通管理方案可以提高交通运行效率，减少交通事故的发生。
另外，基于图像处理的车辆牌照识别与违法行为检测技术的实施还需要解决一些挑战。
首先是硬件设备的要求。
由于识别的准确性要求较高，设备的性能和图像处理算法的实时性都是关键因素，需要在硬件配置上做出相应的优化。
其次，数据的处理和存储也是一个重要的问题。
大量的车牌图像和违法行为数据需要进行处理和存储，对于系统的性能和容量都提出了要求。
综上所述，基于图像处理的车辆牌照识别与违法行为检测技术为交通管理提供了一种高效、准确的解决方案。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
（汽车行业）基于图像处理的汽车牌照的识别基于图像处理的汽车牌照的识别作者:陈秋菊指导老师:李方洲(温州师范学院物理和电子信息学院325027)摘要：以壹幅汽车牌照的识别为例，具体介绍了车牌自动识别的原理。
整个处理过程分为预处理、边缘提取、车牌定位、字符分割、字符识别五大模块，用MA TLAB软件编程来实现每壹个部分,最后识别出汽车牌照。
在研究的同时对其中出现的问题进行了具体分析，处理。
寻找出对于具体的汽车牌照识别过程的最好的方法。
关键词：汽车牌照车牌提取字符分割字符识别ThevehiclelicenserecognitionbasedontheimageprocessingAuthor:ChenQiujuTutor:LiFangzhou (SchoolofPhysicsandElectronicInformationWenZhouNormalCollege325027)Abstract：Withonevehiclelicenserecognition,theprincipleoftheautomobileLicenserecognitionisintroduced.This processwasdividedintopre-process,edgeextraction,vehiclelicenselocation,characterdivisionandchara cterrecognition,whichisimplementedseparatedbyusingMA TLAB.Thelicenseisrecognizedatlast.Atthe sametime,theproblemsarealsoanalyzedAndsolvedintheprocess.Thebestmethodofrecognitiontotheveryvehiclelicenseisfound. Keywords:vehiclelicensevehiclelicenselocationcharactersegmentationCharacterrecognition引言1.1选题意义汽车牌照自动识别系统是以汽车牌照为特定目标的专用计算机视觉系统，是计算机视觉和模式识别技术在智能交通领域应用的重要研究课题之壹，是实现交通管理智能化的重要环节，它可广泛应用于交通流量检测，交通控制和诱导，机场、港口、小区的车辆管理，不停车自动收费，闯红灯等违章车辆监控以及车辆安全防盗等领域，具有广阔的应用前景。
目前，发达国家LPR（汽车牌照识别技术LicensePlateRecognition，LPR，简称“车牌通”）系统在实际交通系统中已成功应用，而我国的开发应用进展缓慢，车牌识别系统基本上仍停留在实验室阶段。
基于这种现状仍有它广阔的应用前景，目前对汽车车牌的识别研究就有了深远的意义。
课题组成汽车车牌的识别过程主要包括车牌定位、字符车牌分割和车牌字符识别三个关键环节。
其识别流程如下：原始图像：由数码相机或其它扫描装置拍摄到的图像图像预处理：对动态采集到的图像进行滤波，边界增强等处理以克服图像干扰边缘提取：通过微分运算，2值化处理，得到图像的边缘车牌定位：计算边缘图像的投影面积，寻找峰谷点，大致确定车牌位置，再计算此连通域内的宽高比，剔除不在域值范围内的连通域。
最后得到的便为车牌区域。
字符分割：利用投影检测的字符定位分割方法得到单个的字符字符识别：利用模板匹配的方法和数据库中的字符进行匹配从而确认出字符，得到最后的汽车牌照，包括英文字母和数字。
本文以壹幅汽车图像为例，结合图像处理各方面的知识，利用MA TLAB编程，实现了从车牌的预处理到字符识别的完整过程。
各部分的处理情况如下：2.预处理及边缘提取图1汽车原图图像在形成、传输或变换过程中，受多种因素的影响，如：光学系统失真、系统噪声、暴光不足或过量、相对运动等，往往会和原始景物之间或图像和原始图像之间产生了某种差异，这种差异称为降质或退化。
这种降质或退化对我们的处理往往会造成影响。
因此在图像处理之前必须进行预处理，包括去除噪音，边界增强，增加亮度等等。
因为噪声主要是壹些含高频的突变成分，因此能够通过壹个低通滤波器来消除图像中包含的噪声，且使低频成分得到增强。
滤波的方式有俩种，壹种是空间域滤波，壹种是频率域滤波。
在空间域，常见的滤波方式有俩种方式，均值滤波和中值滤波。
空间域滤波主要有巴特沃斯滤波器。
在车牌边缘提取之前，俩种滤波方式均采用了。
且和未进行滤波的边缘进行比较。
以下是经处理后的壹些图片。
图2经均值滤波后提取的边缘图像图3经巴特沃斯低通滤波后提取的边缘图像图4未滤波直接提取出的边缘信息图5经高通滤波器增强后得到的边缘图像对比之上几幅图片，图2的边缘太粗，而图3的边缘已经模糊掉了。
图5中包含的噪声太多，图4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。
分析这种情况产生的原因，归纳起来主要有以下方面:1、原始图像清晰度比较高，从而简化了预处理2、图像的平滑处理会使图像的边缘信息受到损失，图像变得模糊3、图像的锐化能够增强图像中物体的边缘轮廓，但同时也使壹些噪声得到了增强综上所述，结合MATLAB实验过程，得出不是每壹种图像处理之初都适合滤波和边界增强。
本次汽车车牌的识别，为了保存更多的有用信息，经过多次比较，选择图4作为后期处理的依据。
边缘的提取采用的是梯度算子，因为其实现过程比较简单，所以在此不多加赘述了。
提取出的边缘含有多个灰度值，要进行二值化处理，选择壹个合适的域值。
经多次比较，选取域值T=70，对于灰度值大于T的赋值为255，小于T的赋值为0。
经过处理后的图像如下所示:图6二值化后的边缘图像结合后期分割得到的车牌图7，二值化后的图像在后期的识别中且不会提高车牌的识别率，因此不采用二值化的图像来进行识别，因此后面的处理依然使用图4。
3.车牌提取经过边缘提取得到的图像，车牌区域在水平方向灰度面积值具有明显频繁的跳变，在垂直方向上的面积投影则出现峰-谷-峰的特性。
根据这种峰谷特点，自动检测车牌位置峰点检测的车牌区域定位方法，且对初步定位后的车牌进壹步使用微定位技术。
该方法包括三部分:(1)车牌的横向定位；(2)车牌的纵向定位；(3)车牌的微定位。
汽车本身具有壹定的特点，壹般情况下，牌照都挂在缓冲器上或附近，处于车牌照图像的下半部分，本次分割的主要意图是缩小牌照搜索范围，大致确定出牌照的位置。
对如图4所示的汽车边缘图像f(x，y)，我们首先进行水平方向壹阶差分运算，即g(i，j)=|f(i，j)-f(i，j+1)|其中i=1，2，3，⋯，xw-1，j=0，1，2，3，⋯yw-1，其中xw，yw分别为图像的行数和列数。
然后对水平差分图像的像素沿水平方向累加产生壹个投影表T(i)，如图7所示。
图7汽车边缘图像的水平面积投影图壹般对应于车牌位置的投影值T(i)较大，而在车牌上，下行附近的投影值较小，均有谷点存在。
只要能找到这俩个谷点，就能大致确定出车牌照的位置，缩小车牌搜索范围。
由图4能够见出，车牌下方的横栏处的T(i)值应该是最大的，而车牌位置就在其附近。
根据这些特定，可定出车牌位置大概在320~350行之间。
类似的方法得出汽车边缘图像的垂直面积投影图图8汽车边缘图像的垂直面积投影图同上可初步得到汽车牌照的列位置在120~210之间。
大致确定的牌照位置如下图。
图9粗略定位出的汽车牌照对初步确定出来的牌照进行微定位，所谓微定位法，就是对基本定位后的车牌图像进行局部分析，以进壹步确定字符范围，缩减车牌的左、右和上、下边界，这有利于后续的牌照字符处理。
具体实现如下:(1)由于车牌近似为壹个矩形，上下边缘近似为壹条直线，通过简单的灰度变化分析就能够再次定位车牌图像的上下边界，这种情况适合于倾斜度较小的车牌；对于倾斜程度较大的牌照来说，在其横向定位之前就应该利用相关的技术进行车牌的矫正(例如Hough变换技术)。
(2)确定左边界:从左向右扫描，当遇到灰度值大于设定值60之后，停止扫描。
上边界也是利用这种方式得到。
这样就得到首字符的起始位置。
再利用牌照的大小，宽高比壹般都是固定的这些先验知识，就能够确定出牌照的具体位置。
本设计中采用的车牌，其宽高比为1:3。
从而确定出汽车牌照的具体位置。
最后提取出的汽车牌照如下图:图10二值化的汽车牌照图11未进行二值化的汽车牌照4.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，常采用垂直面积投影法来实现。
面积投影法的公式如下:由于字符块在竖直方向上的投影必然在字符间或字符内的间隙处取得局部最小值，且且这个位置应满足车牌的字符书写格式、字符尺寸和其他壹些条件的限制。
下图是图10在垂直方向上的面积投影图。
从图形中我们很直观的见出投影值中出现了8条间隙，6个字母中间的间隙只有5个，仍有三个间隙是字符间的。
有字符的列其灰度值比较高，无字符的则相对比较低。
依据这壹点，再结合图10的特征，很容易得到每个字符的起始终止位置。
第壹个字符:1-10第二个字符：10-18第三个字符：28-41第四个字符：42-48第五个字符：60-68第六个字符：68-78图12车牌垂直方向上的面积投影图将图10按照上面的分析行数不变，列数分为六组，分别影射到六个不同的数组中。
又因为在字符的模式识别中，其模板大小统壹，因此得到的六个数组必须变换其大小，均统壹成26×14的形式。
分割出来的六个字符如下所示，分别命名为M1.jpg，M2.jpg，M3.jpg，M4.jpg，M5.jpg，M6jpg且用imwrite函数写入图像文件夹中，以便在后期处理中能够直接进行调用。
图12分割出来的六个字符图像壹般分割出来的字符要进行进壹步的处理，以满足下壹步字符识别的需要。
因为图像中含有许多燥声，这在预处理的图像中已经见出来了。
因此必须进行滤波，然后归壹化，二值处理。
使其最后得到的图像和标准模板壹样。
只含有俩种灰度值,黑和白。
可是对于车牌的识别，且不需要这么多的处理就已经能够达到正确识别的目的。
在此简化了处理过程，未经滤波归壹化，直接进行后期处理。
5.字符识别字符的识别目前用于车牌字符识别(OCR)中的算法主要有基于模板匹配的OCR算法以及基于人工神经网络的OCR算法。
基于模板匹配的OCR的基本过程是:首先对待识别字符进行二值化且将其尺寸大小缩放为字符数据库中模板的大小，然后和所有的模板进行匹配，最后选最佳匹配作为结果。
用人工神经网络进行字符识别主要有俩种方法:壹种方法是先对待识别字符进行特征提取，然后用所获得的特征来训练神经网络分类器。