第三章字符分割先对定位到的车牌图像进行二值化处理，再进行形态学滤波去除噪声和不必要的区域，再通过对图像进行垂直投影分析，从而确定了每个字符的位置，再对每个字符进行切割。

第四章字符识别通过模版匹配法来识别分割字符，通过将分割出来的字符与数字、字母和汉字模版相比较，选出差距最小的模版即为结果。

2  车牌定位

车牌定位一般有以下几种方法：

1。基于数学形态学的方法：

如图2。1所示，先对图像预处理之后，使用roberts算子进行边缘检测，然后使用一个特定的结构元素，通过数学形态学的基本运算：腐蚀、膨胀、开启、闭合来对图像进行处理使得车牌成为一个连通的闭合区域，从而得到可能的车牌区域[5]。

图2。1  车牌定位流程

2。基于纹理特征的方法：

在使用基于纹理特征分析的方法时，我们需要首先对图像进行灰度化处理，之后对图像进行扫描，选定一个合适的阈值，当扫描道德区域中符合车牌纹理特征的值大于所选取的阈值时，则将其作为车牌的一个可能的区域，最后通过所有可能的区域再最终确定一个车牌区域。

3。基于彩色信息的方法：

首先对图像进行色彩空间的分析和计算，接着对图像进行基于彩色信息的色彩分割，分割出来的区域再通过形态学处理来最终确定车牌所在的区域。

本文使用的方法是基于数学形态学的方法。

2。1  灰度化

由摄像机所采集到的图像一般都为彩色图像，对于彩色图像来说，不仅占用的存储空间较大，且处理起来较慢，所以，我们会对图像进行灰度化处理，从而减小存储空间，并且提高处理速度。

彩色图像中的每个像素点的颜色是由R、G、B三个分量的值确定的，且每个分量有255个值可以取。灰度图像则是R、G、B三个分量相同的一种特殊的彩色图像，其中R=G=B的值称为灰度值，所以灰度值为255的像素即为白色，灰度值为0的则为黑色[6]。

对图像进行灰度化一般有以下几种方法：

1。加权平均法：让R、G、B各乘一个加权系数，求和后作为灰度值。常见的公式为：I=0。299*R+0。587*G+0。114*B。

2平均值法：求出每个像素点R、G、B三个分量的平均值，将其赋予这个像素的三个分量[7]。

3最大值法：将每个像素点R、G、B三个分量中最大的值作为灰度值处理。

本文matlab程序中的函数rgb2gray所采用的是加权平均法，灰度化结果如图2。2所示。

对应Matlab程序：

close all;clear all;clc;  %清空工作区

I= imread('D:\1。jpg');  %读取路径D:\下名为1。jpg的图像

figure(1),

subplot(1,2,1),imshow(I), title('原始图像'); 

I1=rgb2gray(I);  %对图像I进行灰度化处理

subplot(1,2,2),imshow(I1),title('灰度图像'); 

图2。2  灰度化

2。2  边缘检测

图像边缘检测是字符分割、字符识别的基础，通过边缘检测可以大幅减少数据量，并且去除了没有用的信息。

边缘是图像的基本特征，指的是图像中亮度变化最为明显的地方，例如灰度值的突变、纹理的突变等等，通过图像的边缘轮廓可以获得图像的主要信息，所以它是图像分割所依赖的重要依据，边缘检测是字符分割和字符识别的基础[8]，边缘检测的成功与否直接影响以后的识别效果。

原理：图像的边缘一般有两种，其中一种是屋顶状边缘，此时边缘是灰度值增加或者减少的交界处，另一种是阶跃状边缘，此时边缘是灰度值变化明显的地方。两种边缘都可以通过灰度图来显示图像灰度的变化。