解决了在曝光过程中，物体和相机之间的相对运动产生模糊的脉冲响应，十分适合学习图像处理的初学者学习

资源包括基于机器学习SVM车牌识别的源代码和参考报告，系统的描述链接是：https://blog.csdn.net/shooter7/article/details/115433365

基于Opencv的车牌识别系统

MATLAB车牌识别(含GUI，语音播报，识别陕A，渝A),一个完整的车牌识别系统闭应包括车辆检测、图像采集、图像预处理、车牌定位、字符分割、字符识别等单元。当车辆到达触发图像采集单元时，系统采集当前的视频图像。车辆识别单元对图像进行处理，定位出牌照位置，再将车牌中的字符分割出来进行识别，然后组成车牌号码输出。车牌识别系统原理如图l所示。 （1）图像预处理：对汽车图像进行图像转换、图像增强和边缘检测等。 （2）车牌定位：从预处理后的汽车图像中分割出车牌图像。即在一幅车辆图像中找到车牌所在的位置。 （3）字符分割：对车牌图像进行几何校正、去噪、二值化以及字符分割以从车牌图像中分离出组成车牌号码的单个字符图像 （4）字符识别：对分割出来的字符进行预处理（二值化、归一化），然后分析提取，对分割出的字符图像进行识别给出文本形式的车牌号码。 为了用于牌照的分割和牌照字符的识别，原始图象应具有适当的亮度，较大的对比度和清晰可辩的牌照图象。但由于该系统的摄像部分工作于开放的户外环境，加之车辆牌照的整洁度、自然光照条件、拍摄时摄像机与牌照的矩离和角度以及车辆行驶速度等因素的影响，牌照图象可能出现模糊、歪斜和缺损等严重缺陷，因此需要对原始图象进行识别前的预处理。 牌照的定位和分割是牌照识别系统的关键技术之一，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一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。 由于拍摄时的光照条件、牌照的整洁程度的影响，和摄像机的焦距调整、镜头的光学畸变所产生的噪声都会不同程度地造成牌照字符的边界模糊、细节不清、笔划断开或粗细不均，加上牌照上的污斑等缺陷，致使字符提取困难，进而影响字符识别的准确性。因此，需要对字符在识别之前再进行一次针对性的处理。 车牌识别的最终目的就是对车牌上的文字进行识别。识别方法目前主要有基于模板匹配算法和基于人工神经网络算法。

车牌识别源码(C++版)

本系统以STM32F103RBT单片机为主控，控制OV7670摄像头（带FIFO）进行图像采集，通过模式识别、匹配，最后获得车牌的识别结果。为尽大可能的提高处理速度，STM32单片机进行了16倍频。识别主要过程包括图像采集、二值化分析、识别车牌区域、字符分割、字符匹配五过程。 该资料包含原理图、源程序、论文、制作教程、实物图、技术文档、参考文献等文件，实物已通过验证，识别一切正常~

本程序是把“cccandppp”人博客中的基于opencv+opencvSVM改造而成的，我并没有用opencv里的mlp训练，因为不方便查看，也不方便学习，我用pytorch改写的，可查看实时训练结果。虽然准确率低，但是基本学习还是够用的，后期只要把MLP换成其他高级算法就可以了。pytorch框架非常便于改写里面的算法。

MATLAB夜间车牌识别程序（MATLAB夜间车牌识别程序 图像识别）

资源内容包括车牌省份的简称、数字、字母的训练样本集合，如京、津、冀、晋、陕、甘、宁、沪。字母如A、B、T、M等。

硬件系统是基于瑞泰的dm642实验箱，软件是ccs2.2 ，拿着纸质彩印的车牌对着摄像头便可得出截取车牌区域和识别结果显示。定位效果快且准，不过需要车牌水平放置，识别结果不太准确