【正文】 識別中的應用方法?；叶葓D像轉換公式為：Y=++式中Y是灰度值。圖像增強的目的是采用一系列技術，改善圖像的效果或?qū)D像轉換為為一種更適合計算機處理的形式。如果圖像中點、線、尖角細節(jié)較多，不宜采用中值濾波。Sobel和Prewitt算子相對Roberts算子而言定位比較準確。crop39。利用車牌一般處在汽車的保險杠，反映到圖像中，車牌區(qū)域一般在圖像的下半部分，這樣還可以縮小搜索范圍。經(jīng)過上述行掃描后即可確定候選車牌區(qū)域的上下邊界。二值化方法有很多：. 雙峰法. 微分直方圖法 最大方差法 基于灰度的數(shù)學期望的方法. 可變閾值法. 基于紋理的全局二值化方法。車牌定位與字符分割是為字符的識別做準備，是字符識別精確的前提保證，而字符的識別則是關系到最終輸出的識別結果。對不同大小的字符字號的變化引起字符尺寸相差接近十倍，對于字號不同的字符識別，需要有效地對對字符大小進行歸一化。參考文獻：[1]岡薩雷斯．數(shù)字圖像處理[M]第二版．電子工業(yè)出版社[2 ]張變蓮，詹慧君，聞更奇．一種復雜車輛圖像中的多車牌定位方法[J] 光子學報，2007．36(1)：184~187 [3]陳寅鵬，丁曉青，復雜車輛圖像中的車牌定位與字符分割方法 [J]紅外 與激光工程．2004．33(1)：29～33 [4]李波，曾致遠，付祥勝．基于數(shù)學形態(tài)學和邊緣特征的車牌定位算法[J]．電視技術，2005 7：94～96 [5]盧雅幕，鄰凌超．基于數(shù)學形態(tài)學的車埤定值方法[J].計算機工程2005．2（3)：22422[6]遲曉君，孟慶春．基于投影特征值的車牌字符分割算法［J］計算機應用研究，2006 ，7( 2)[7]刑向華，顧國華．基于模板匹配和特點匹配相結合的快速車牌識別方法[J]．光電子技術，2003（12）：268270 寧可累死在路上，也不能閑死在家里！寧可去碰壁，也不能面壁。將分割的字符和模板歸一化，然后由獲得的字符與模板字符想減，求取最小值，也就是說最大相似度。(3)分類器的選取應用神經(jīng)網(wǎng)絡的容錯和自適應的特征，對所識別的字符進行并行和串行的多識別融合方法識別字符，縮小識別字符集中字符的數(shù)量。目前牌照自動識別技術尚未達到很完美的程度，但是在國外由于高速公路和收費停車場發(fā)展較早，己經(jīng)成功地開發(fā)了一些類似的自動系統(tǒng)。目前二值化方法依閾值的應用范圍可分為全局閾值法、局部閾值法和動態(tài)閾值法等。每一行跳變次數(shù)計算公式如下：n為特征圖像的列數(shù)，G(i)為特征圖像的任一掃描行。利用車牌的幾何特征，即車牌的高、寬、高寬比處在一定范圍，或者利用牌照字符字間距、字符高寬比和字體等的先驗信息。angle=theta(c)。邊緣的上的像素的一階導數(shù)較大。常用的窗口形狀有線狀、方形、圓形、十字形以及圓環(huán)形等。因此，需要將牌照圖像進行圖像灰度擴展，以便改善圖像的觀察質(zhì)量，提高字符識別率。完整的車牌識別系統(tǒng)包括圖像采集、圖像處理、車牌定位、字符分割、字符識別、數(shù)據(jù)庫、數(shù)據(jù)庫支持模塊等模塊。式中R、G、B分別表示每個像素的紅、綠、藍3種分量值。主要是指按照需要進行適當?shù)淖儞Q，突出某些有用的信息、去除或是消弱無用的信息。本課題采取線性濾波中的平均濾波。LoG算子的邊緣比較完整，準確性也較好，優(yōu)于前三種算子。)所以要先進行牌照的傾斜校正。(5)車牌的彩色信息。(3)垂直投影在水平行掃描處理后，大部分雜散區(qū)域已基本濾除，但實驗表明：圖像經(jīng)水平行掃描后仍然會存在一些區(qū)域具有與車牌區(qū)域水平掃描相似的紋理掃描特征，這些區(qū)域即所謂的偽車牌區(qū)域，需要通過垂直投影法來消除。此法適用于票據(jù)、文本、以及車牌圖像。為了解決上述問題，有人提出了基于紋理的二值化方法，該方法分成兩個步驟：首先對圖像作紋理分析，在紋理分析過程中，將圖像中的一個代表區(qū)域(通常取圖像中部)作為紋理區(qū)域，同時將灰度變化平緩的寬度為1個像素的明線段和暗線段作為紋理基元，在紋理區(qū)域獲得與基元相關的信息。常用的大小歸一化的方法也有兩種。是狼就要練好牙，是羊就要練好腿。由于汽車車牌