1、“.....参数指定模板元素，指定系数。指向复制图像的指针指向要复制区域的指针指向的象素的指针图像每行的字节数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牌照区域的定位牌照图象经过了以上的处理后，牌照区域已经十分明显，而且其边缘得到了勾勒和加强。此时可进步确定牌照在整幅图象中的准确位置。这里选用率。由于牌照图象在原始图象中是很有特征的个子区域，确切说是水平度较高的横向近似的长方形，它在原始图象中的相对位置比较集中，而且其灰度值与周边区域有明显的不同，因而在其边缘形成了灰度突变的边界，这样就技术之，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晰度比较高，从而简化了预处理，结合实验过程......”。

2、“.....本次汽车车牌的识别，为了保存更多的有用信息。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。边缘提取是较经典的算法，此处边缘的提取采用的是算子。图算子边缘检测由上图可以归纳起来以下方面原始图像清减少由于平均化引起的图象模糊。图像中车辆牌照是具有比较显著特征的块图象区域，这此特征表现在近似水平的矩形区域其中字符串都是按水平方向排列的在整体图象中的位置较为固定。正是由于牌照图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,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......”。

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莱削弱噪声的影响，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若则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，因此可以在通过低通滤波器到,之间，为此我们对灰度值作如下的变换使得∈其中，为线性变换，图灰度线性变换，增强灰度的变化范围丰富灰度层次，以达到增强图象的对比度和分辨率。我们发现车辆牌照图象的灰度取值范围大多局限在,之间，而且总体上灰度偏低，图象较暗。根据图象处理系统的条件，最好将灰度范围展开物体的远近不同，使得图象中央区域和边缘区域的灰度失衡，或是由于摄像头在扫描时各点的灵敏度有较大的差异而产生图象灰度失真，或是由于曝光不足而使得图像的灰度变化范围很窄......”。

4、“.....灰度校正由于牌照图象在拍摄时受到种种条件的限制和干扰，图象的灰度值往往与实际景物不完全匹配，这将直接影响到图象的后续处理。如果造成这种影响的原因主要是由于被摄是图像风纹理特征提取和形状特征提取等图像分析的重要基础。所以在此我们要对图像进行边缘检测。图象增强处理对图象牌照的可辩认度的改善和简化后续的牌照字符定位和分割的难度都是很有必要的。增强图象对比度度的图与图。对于将彩色图象转换成灰度图象时，图象灰度值可由下面的公式计算输入车牌图象灰度校正平滑处理提取边缘图原图图灰度图边缘提取边缘是指图像局部亮度变化显著的部分，色在通道中并无区分，而在通道或是灰度图象中并无此便利。同理对白底黑字的牌照可用通道，绿底白字的牌照可以用通道就可以明显呈现出牌照区域的位置，便于后续处理。原图灰度图及其直方图见图色在通道中并无区分，而在通道或是灰度图象中并无此便利......”。

5、“.....绿底白字的牌照可以用通道就可以明显呈现出牌照区域的位置，便于后续处理。原图灰度图及其直方图见图与图。对于将彩色图象转换成灰度图象时，图象灰度值可由下面的公式计算输入车牌图象灰度校正平滑处理提取边缘图原图图灰度图边缘提取边缘是指图像局部亮度变化显著的部分，是图像风纹理特征提取和形状特征提取等图像分析的重要基础。所以在此我们要对图像进行边缘检测。图象增强处理对图象牌照的可辩认度的改善和简化后续的牌照字符定位和分割的难度都是很有必要的。增强图象对比度度的方法有灰度线性变换图象平滑处理等。灰度校正由于牌照图象在拍摄时受到种种条件的限制和干扰，图象的灰度值往往与实际景物不完全匹配，这将直接影响到图象的后续处理。如果造成这种影响的原因主要是由于被摄物体的远近不同，使得图象中央区域和边缘区域的灰度失衡，或是由于摄像头在扫描时各点的灵敏度有较大的差异而产生图象灰度失真......”。

6、“.....这时就可以采用灰度校正的方法来处理，增强灰度的变化范围丰富灰度层次，以达到增强图象的对比度和分辨率。我们发现车辆牌照图象的灰度取值范围大多局限在,之间，而且总体上灰度偏低，图象较暗。根据图象处理系统的条件，最好将灰度范围展开到,之间，为此我们对灰度值作如下的变换使得∈其中，为线性变换，图灰度线性变换若则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，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莱削弱噪声的影响，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,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......”。

7、“.....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。图像中车辆牌照是具有比较显著特征的块图象区域，这此特征表现在近似水平的矩形区域其中字符串都是按水平方向排列的在整体图象中的位置较为固定。正是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。边缘提取是较经典的算法，此处边缘的提取采用的是算子。图算子边缘检测由上图可以归纳起来以下方面原始图像清晰度比较高，从而简化了预处理，结合实验过程，得出不是每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。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......”。

8、“.....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。由于牌照图象在原始图象中是很有特征的个子区域，确切说是水平度较高的横向近似的长方形，它在原始图象中的相对位置比较集中，而且其灰度值与周边区域有明显的不同，因而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牌照区域的定位牌照图象经过了以上的处理后，牌照区域已经十分明显，而且其边缘得到了勾勒和加强。此时可进步确定牌照在整幅图象中的准确位置。这里选用的是数学形态学的方法，其基本思想是用具有定形态的机构元素去量度和提取图像中的对应形状以达到对图像分析和识别的目的。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......”。

9、“.....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割出的车牌做进步处理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。图行方向区域和最终定位出来的车牌车牌进步处理经过上述方法分割出来的车牌图像中存在目标物体背景还有噪声，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......”。