幾乎每家都宣稱擁有高辨識(shí)率，但為了避免事后因?yàn)殡p方對(duì)產(chǎn)品認(rèn)知有差異，而將運(yùn)作不良的責(zé)任互相推托，用戶在采購(gòu)車牌辨識(shí)系統(tǒng)時(shí)，不妨要求實(shí)地測(cè)試，而且測(cè)試時(shí)間好超過(guò)兩個(gè)禮拜，比較能判斷辨識(shí)結(jié)果是否“言過(guò)其實(shí)”。因?yàn)槎嘧兊沫h(huán)境，兩個(gè)禮拜應(yīng)該可以對(duì)于場(chǎng)域可能影響辨識(shí)率的情形，大約掌握了八成，如果只是測(cè)一天、甚至幾個(gè)小時(shí)，是無(wú)法了解的。

車牌識(shí)別系統(tǒng)還具有通過(guò)視頻圖像判斷是否有車的功能稱之為視頻車輛檢測(cè)。一個(gè)完整的車牌識(shí)別系統(tǒng)應(yīng)包括車輛檢測(cè)、圖像采集、車牌識(shí)別等幾部分。當(dāng)車輛檢測(cè)部分檢測(cè)到車輛到達(dá)時(shí)觸發(fā)圖像采集單元，采集當(dāng)前的視頻圖像。車牌識(shí)別單元對(duì)圖像進(jìn)行處理，定位出牌照位置，再將牌照中的字符分割出來(lái)進(jìn)行識(shí)別，然后組成牌照號(hào)碼輸出。

開車的朋友都知道，我們無(wú)論去停車場(chǎng)還是上下高速，只要有攝像頭和欄桿的地方，基本上都需要識(shí)別你的車牌。我們普通人無(wú)需去了解車牌的識(shí)別過(guò)程，但還是有很多網(wǎng)友想了解自己的車牌是如何被識(shí)別的。

在講述車牌識(shí)別過(guò)程之前，筆者要先說(shuō)一下高速路口的ETC是一套依賴RFID技術(shù)的電子識(shí)別裝置。這種識(shí)別技術(shù)，是通過(guò)射頻技術(shù)，去識(shí)別貼在汽車前擋風(fēng)或者其他便于RFID讀寫端識(shí)別的位置上的電子標(biāo)簽來(lái)識(shí)別和收費(fèi)的。因此ETC和車牌識(shí)別系統(tǒng)是兩套系統(tǒng)，因?yàn)檐嚺谱R(shí)別系統(tǒng)不承擔(dān)充值和消費(fèi)功能，因此ETC就應(yīng)運(yùn)而生。

圖形檢索，定位車牌圖片處理到這一步，來(lái)了——車牌檢索。動(dòng)腦筋的朋友可能已經(jīng)意識(shí)到了，車牌是規(guī)則的長(zhǎng)方形，我們只要找二值化后圖片里的長(zhǎng)方形就好了。問(wèn)題來(lái)了，你找長(zhǎng)方形，問(wèn)題是有些車輛的撒熱窗就是長(zhǎng)方形。愛動(dòng)腦筋的小伙伴已經(jīng)注意到了，車牌的長(zhǎng)寬比與車身其他位置的形狀長(zhǎng)寬比不同。掌握了上面的基本常識(shí)，那么我們距離找到車牌就更近了。計(jì)算機(jī)掃描整個(gè)二值化的圖片，由左到右，由上到下，把顏色從黑到白或者由白到黑的像素全部記錄下來(lái)。然后根據(jù)這些像素來(lái)計(jì)算哪個(gè)區(qū)域是長(zhǎng)方形，并且符合車牌的比例。

車牌字符切割在上一步中，我們成功找到了車牌，并把它從原圖（不是二值化的圖）截取出來(lái)了。對(duì)截取的車牌圖片進(jìn)行上一步的灰度化、二值化、降噪處理，尤其是邊緣降噪。如果降噪后，干擾的噪聲還是比較大，可以采取腐蝕、膨脹算法來(lái)模糊噪聲。如果降噪后的車牌圖片有傾斜現(xiàn)象，就需要對(duì)圖片做錯(cuò)切變換（就是傾斜角度調(diào)整）。我們知道，有些車牌是上下結(jié)構(gòu)的，這很容易通過(guò)對(duì)二值化的圖片做像素掃描來(lái)檢測(cè)上下兩部分是否中間不粘連，如果不粘連，那就是上下結(jié)構(gòu)車牌。如果不是上下結(jié)構(gòu)，那就是單行結(jié)構(gòu)的新車牌。