1、“.....如图所示。图颜色空间模型如图所示模型中，灰度等级沿着黑色和白色所处两点的连线分布。为方便起见，归化所有颜色值，则图所示的立方体为单位立方体，即所有都在，范围内取值。车牌灰度图像如图所示图车牌灰度图像车牌图像二值化图像二值化的定义图像二值化是指将彩色或灰度图像处理为只有黑白两种色彩的二值图像，在它们之间不存在其他色彩和灰度层次的变化。为此，图像的二值化就有基于彩色图像和基于灰度图像两类，但不论那类，图像二值化的关键都是选择个阈值。根据阈值来区分图像中的背景与对象。现以灰度图像为例给予简要说明图车牌二值化图像假设灰度图像为其灰度级范围为，设其阈值为，则二值图像，可以表示为，这样，灰度图像，就被处理成了二值图像，。由此也可以看出，要从复杂图像中将目标从背景中完整的提取出来，阈值的选取尤为关键。阈值选取过低或过高......”。

2、“.....目前，许多学者基于彩色和灰度图像都提出了许多二值化算法，基于彩色的二值化主要有基于空间的彩色二值化，基于灰度的二值化。本文采用的是全局动态二值化算法。全局动态二值化全局动态二值化是从整个灰度图像的像素分布出发寻求个最佳的阈值，并根据此阈值二值化图像。而其中的经典算法是算法。它是在判别最小二乘法的基础上推导出来的。基本思想是取个阈值丁，将图像像素按灰度大小分为大于等于和小于两类，然后求出两类像素的平均方差类间方差和两个类各自的均方差类内方差，找出使两个方差比最大的阈值，该阈值即为二值化图像的最佳阈值。这种方法是阈值自动选取的较优方法。算法如下设给定图像具有，⋯⋯，共级灰度，阈值设为，把灰度小于和大于的像素分为，和两类。类中的像素总数为，平均灰度为，方差为类中的像素总数为，平均灰度为，方差为砰所有图像像素的平均值为......”。

3、“.....类间方差和类内方差分别由下式决定具体的算法描述如下求出图像中的最大灰度令求出小于和大于尼的这两类像素总数和像素灰度平均值④计算类间方差和类内方差，循环步，直到找到最大的值，得到相应的阈值。此算法基于图像像素的灰度值分类，按照使类间方差和类内方差比值最大的原则获得门限值，使目标占背景的类间方差最大，即找到使两个方差比最大的阈值，这种算法有以下优点算法实现简单基于图像的整体特性积分而非局部特性可推广到多阈值的分割方法④适应性强。但同时，此算法对光照不均匀和直方图双峰不明显的图像处理为二值化图像时，效果不是很好，有时甚至会产生的结果。均值滤波均值滤波是线性滤波的种方法......”。

4、“.....它的概念非常直观用由滤波掩膜确定邻域内的像素平均灰度值取代原图像中每个像素点的灰度值，这种处理可以在定程度上减小图像灰度的尖锐变化。由于典型的随机噪声是由灰度级的尖锐变化组成，因此它的主要应用于去除图像中的不相干细节，这里不相干是指与滤波掩膜尺寸相比较小的像素区域。然而，由于图像的边缘往往保存着幅图像的特性信息，也即由图像灰度值的尖锐变化而带来的特性，因此，均值滤波处理往往会产生不希望出现的边缘模糊的负面效应。如图所示为两个的均值滤波器掩膜。图两个均值滤波器掩膜其中，每个掩膜前面的乘数分别等于它的系数值的和，以此计算平均值。在图滤波器掩膜下会产生标准像素平均值。对于这样系数均取值为的滤波器，个掩膜应该等于的归化常数。这种所有系数都相等的空间均值滤波器又称为盒滤波器。图中的掩膜也称为加权平均，即用不同的系数乘以像素......”。

5、“.....把中心点权值设为最大，并随着距离中心点的增加而减小系数值，其目的在于减小平滑处理中的模糊现象。在实际应用中，由于这些掩膜在整幅图像中所占的区域很小，通常很难看出使用如图中两种掩膜或者其他类似手段平滑处理后的图像之间的区别，也就是说即使图也存在着边缘模糊的负面效应。图均值滤波前后的图像在对图像均值滤波处理后还需要用膨胀或腐蚀操作处理下当程序值为个字符般情况都是汉字。在本文的研究中有鲁苏京的车牌，但是这些汉字都是上下结构的，为了使研究的课题更完善，又选择了左右偏旁汉字的省份的车牌作了研究，如豫，车牌图像分割结果如下图车牌图像原图图车牌灰度图及其灰度直方图图算子边缘检测图腐蚀后图像图平滑图像的轮廓图从对象中移除小对象图车牌图像定位结果图车牌图像预处理结果图车牌图像分割结果结论车牌自动识别系统的重要性和实用价值已经越来越明显，也受到了更多的重视......”。

6、“.....主要探讨了车牌定位预处理以及字符分割的算法。在进行车牌定位之前，先对原始图像进行处理，提取出了车牌图像的边缘，并将牌照区域从背景中进步定位并提取出来在预处理过程中，先将彩色图像进行灰度化，采用全局动态阈值得到二值化图像，并进行均值滤波，使得车牌图像更有利于进行字符分割。在字符分割过程中，考虑到车牌的固有特征和像素分布的特点，给出了种基于车牌像素和模板匹配相结合的字符分割方法。通过使用这种方法对车牌字符进行了有效的分割。本文采用的的车牌字符分割方法，较好地解决了车牌中存在少量噪声的问题，以及去除了小对象的干扰。但这种方法对于质量太差的车牌图像也还不能完全做到正确分割。尽管在车牌字符分割过程中，提出和改进了些方法，但也还存在些不足和需要进步去完善的地方，表现在如下几个方面本文研究了车牌自动识别系统中的个关键技术......”。

7、“.....所以需要继续研究字符分割方法与其它技术的结合问题。本文对单排字符的车牌进行了研究，还需要继续研究有双排字符的车牌字符分割方法。本文所进行的各项工作都是在实验室完成的，还需要继续在实际系统中进行检验和完善。参考文献张静复杂背景下车牌识别系统的研究大连理工大学，迟晓君，孟庆春基于投影特征值的车牌字符分割算法计算机应用研究，叶晨洲，廖金周，梅帆车辆牌照字符识别系统计算机应用与研究，朱俊梅，陈少平系统车牌定位提取方法的研究算机工程与应用秦钟，徐建闽，史胜利基于字符角点信息的车牌定位方法华南理工大学学报自然科学版张引基于空间分布的最大类间方差牌照图像二值化算法浙江大学学报，朱峰基于字符区域分割方法的车牌识别技术研究吉林吉林大学软件工程，刘群群不定长车牌字符分割算法研究杭州浙江大学，洛雪超......”。

8、“.....黄有金汽车牌照自动识别技术的研究与实现南京东南大学邓婷数字图像处理在车牌识别系统中的应用长沙湖南大学王爱玲，叶明生，邓秋香图像处理技术与应用北京电子工业出版社，王雨车牌定位与字符分割技术研究华中科技大学，李波，曾致远，付祥胜基于数学形态学和边缘特征的车牌定位算法视频技术应用与工程吴进军，杜树新车牌字符分割新方法工业控制计算机，王兴玲最大类间方差车牌字符分割的模板匹配算法计算机工程赵海燕，马驷良，顾玲嘉基于最小面积法进行的车牌字符分割长春理工大学学报周心明，兰赛，徐燕图像处理中几种边缘检测算法的比较现代电力致谢在此论文即将完成之际，谨向给予我指导帮助和关怀的老师同学和家人表示衷心的感谢,用的是腐蚀操作当程序值为用的是膨胀操作。图膨胀或腐蚀处理车牌分割常见的车牌字符分割算法目前......”。

9、“.....下面我们来分别对这些算法进行讨论。基于投影特征的车牌字符分割算法基于投影特征的车牌字符分割算法是车牌字符分割中最常用的方法，它主要利用了字符颜色与车牌底色差异大而且各字符间均存在定间距这两个特点。其核心思想是对车牌的灰度图像在垂直方向上进行投影，显示车牌图像灰度空间分布的规律。分析投影结果，在图像灰度值叠加较低的列上会出现波谷，在灰度值高的点集中的列上出现波峰。这样，车牌的垂直投影图像就会呈现出波峰波谷交替出现的样子。根据该处置投影图设置个阈值，将投影柱高于该阈值的部分划分为字符区，投影柱低于该阈值的部分划分为背景区，如此便实现了车牌的字符分割。该方法可解决大多数的字符分割问题，能够较准确的定位并分割出字符。但是很多左右结构或左中右结构的汉字是不连通的，就容易引起误分割。比如川字，如果直接使用该投影法......”。