绵阳车行升降柱定制
基于特征统计匹配算法基于特征统计匹配算法主要原理是先提取输入模式的车牌字符统计特征，再按照一定的规则与所确定的决策函数进行分类判断。字符的统计特征包括像素块数、字符的轮廓数、轮廓的形状等。像素块是指二值化图像中上、下、左、右四个方向上相互连通的白素区域所组成的一个连通区域的像素块，由此可知，汉字字符的像素块大于1，英文字母和数字的像素块数是1。汉字的识别是将字符点矩阵看作是一个整体，根据每个字符的笔画特征点不同，将字符分解为横、竖、撇、捺等一种或几种的组合，经过统计从而得到相应的特征，接着再与字符库中的特征集进行匹配，获取输入字符的识别结果。在实际的应用中，由于外部原因造成了字符常常会出现模糊、倾斜等情况，导致了部分字符无法正确识别。
对输入的彩图像进行灰度化处理:彩图像包含更多的信息，但是直接对彩图像进行处理的话，系统的执行速度将会降低，储存空间也会变大。彩图像的灰度化是图像处理的一种基本的方法，在模式识别领域得到广泛的运用，合理的灰度化将对图像信息的提取和后续处理有很大的帮助，能够节省储存空间，加快处理速度。边缘检测的方法是考察图像的像素在某个领域内灰度的变化情况，标识数字图像中亮度变化明显的点。图像的边缘检测能够大幅度地减少数据量，并且剔除不相关的信息，保存图像重要的结构属性。在实际的图像分割中，往往只用到一阶和二阶导数进行边缘检测，虽然，在原理上，可以用更高阶的导数，但是，因为噪声的影响，在纯粹二阶导数操作中就会出现对噪声敏感的现象，三阶以上的导数信息往往失去了应用价值。此外，二阶导数还可以说明灰度突变的类型，在有些情况下，如灰度变化均匀的图像，只利用一阶导数可能找不到边界，此时二阶导数就能提供很有用的信息。为了减少二阶导数对噪声敏感，解决的办法是先对图像进行平滑滤波，消除部分噪声，再进行边缘检测。
车辆进出管理，在出入口安装车牌识别设备，记录车辆的牌照号，深入时间，结合自动门栏杆机的控制设备，实现车辆的自动化管理。它可以用在停车场，实现自动定时收费。它还可以自动计算可用停车位的数量并给出提示，实现停车费的自动管理，以节省人力，提高效率。智能小区的应用可以自动判断车辆是否进入本小区，并自动对非内部车辆进行自动计时收费。
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突出出来，同时，其他非字符和非车牌边框的边缘纹理特征也突出了出来，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阈值法、动态阈值法和部阈值法，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。