一個(gè)車(chē)牌識(shí)別系統(tǒng)的后臺(tái)管理體系，決定了這個(gè)車(chē)牌識(shí)別系統(tǒng)是否好用。清楚地認(rèn)識(shí)到重要的一點(diǎn)是識(shí)別率達(dá)到是不可能的，因?yàn)檐?chē)牌照污損、模糊、遮擋，或者天氣也許很糟（下雪﹑冰雹﹑大霧等等）。

例如一個(gè)車(chē)牌系統(tǒng)在白天有90%以上的準(zhǔn)確度，到了傍晚就降到80%，夜間又降到70%，這種不穩(wěn)定的系統(tǒng)，比起全天候平均擁有70%準(zhǔn)確度的車(chē)牌辨識(shí)系統(tǒng)更難于整合。因?yàn)槭褂谜邥?huì)認(rèn)為，既然白天的辨識(shí)率有90%，那全天候的準(zhǔn)確率都要達(dá)到90%才合理，這樣的規(guī)格還不包括奇怪的環(huán)境干擾(暴雨襲擊、冰雹、濃霧區(qū)段等)，與架設(shè)環(huán)境限制(高度限制、風(fēng)大搖晃限制、不容易遭受人為破壞等)。

開(kāi)車(chē)的朋友都知道，我們無(wú)論去停車(chē)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(chē)牌。我們普通人無(wú)需去了解車(chē)牌的識(shí)別過(guò)程，但還是有很多網(wǎng)友想了解自己的車(chē)牌是如何被識(shí)別的。

攝像頭不停地拍照，交給系統(tǒng)去判斷。原理很簡(jiǎn)單，因?yàn)闆](méi)有車(chē)輛時(shí)，拍的照片是固定的。撐死了也就白天一幅圖、晚上一幅圖、下雨一幅圖、陰天一幅圖等。有了基礎(chǔ)的圖，就可以區(qū)分有車(chē)輛進(jìn)入地圖了。有人說(shuō)這樣的容錯(cuò)率也太低了，很容易出錯(cuò)。是的，這的確容易出錯(cuò)，所以軟件端做了進(jìn)一步的技術(shù)深入：車(chē)輛輪廓識(shí)別。車(chē)輛輪廓識(shí)別與車(chē)牌識(shí)別的輪廓識(shí)別原理是一樣的，可以參考下面車(chē)牌輪廓識(shí)別部分。

圖形檢索，定位車(chē)牌圖片處理到這一步，來(lái)了——車(chē)牌檢索。動(dòng)腦筋的朋友可能已經(jīng)意識(shí)到了，車(chē)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(chē)輛的撒熱窗就是長(zhǎng)方形。愛(ài)動(dòng)腦筋的小伙伴已經(jīng)注意到了，車(chē)牌的長(zhǎng)寬比與車(chē)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(chē)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(chē)牌的比例。

車(chē)牌字符切割在上一步中，我們成功找到了車(chē)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(chē)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(chē)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(chē)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(chē)牌。如果不是上下結(jié)構(gòu)，那就是單行結(jié)構(gòu)的新車(chē)牌。