车牌识别系统的关键技术及算法。对边缘检测后的灰度图进行二值化处理：车牌图像经过边缘检测之后，车牌上的字符及边缘信息会---出来，同时，其他非字符和非车牌边框的边缘纹理特征也---了出来，为了减少噪声的影响，需要对车牌图像进行二值化处理，二值化是对图像进行阈值化的一种类型。根据阈值的选取情况，二值化的方法可分为全局阈值法、动态阈值法和局部阈值法，我们用大类间方差法（也称otsu算法）进行阈值化，来剔除一些梯度值较小的像素，减少需要查找的车牌范围，二值化处理后车牌图像的像素值为0或者255.

车牌识别过程中，牌照颜色的识别依据算法不同，可能在上述不同步骤实现，通常与车牌识别互相配合、互相验证。牌照字符分割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---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。

为了进行车牌识别，需要以下几个基本的步骤：1)牌照定位，定位图片中的牌照位置；2)牌照字符分割，把牌照中的字符分割出来；3)牌照字符识别，把分割好的字符进行识别，终组成牌照号码。实际应用中，车牌识别系统的识别率还与牌照和拍摄密切相关。牌照会受到各种因素的影响，如生锈、污损、油漆剥落、字体褪色、牌照被遮挡、牌照倾斜、高亮反光、多牌照、假2牌照等等；实际拍摄过程也会受到环境亮度、拍摄方式、车辆速度等等因素的影响。这些影响因素不同程度上降低了车牌识别的识别率，也正是车牌识别系统的困难和挑战所在。为了提高识别率，除了不断地完善识别算法还应该想办法克服各种光照条件，使采集到的图像利于识别。

对于破1解车牌识别的大部分车主也是因为各种理由才会有这种想法的。不能进公司停车场的员工有不少的公司也开始使用这种车牌识别设备，在公司的停车场安装一个，然后公司停车位就被全部划分出去了，导致后来的员工没有停车位，必须等有老员工离职了才能划分到新的停车位。我觉得这种情况的车主是惨的，也是有---破1解公司停车场的车牌识别系统的。因为很多公司都是以各种理由留下了大量停车位，就是不开放给员工，有些还刻意刻薄员工---，所以这种情况才需要破1解车牌识别系统。