基于tensorflow的车牌识别系统，分为车牌定位提取，车牌字符分割，字符训练，字符识别，有一套gui界面，汉字识别率在百分之80以上，字母识别率在百分之90以上。我会在后序更新tensorflow——gpu的安装，和各部分的详细介绍。

基于matlab的车牌定位和字符分割，里面有详细的代码编写和注释，对初学者有很大的帮助和借鉴意义，对图像进行了预处理，灰度化，图像增强，边缘检测等操作

字符分割是车牌识别中关键的一步。但在实际处理中， 预处理的不足常常给字符分割带来很大难度，甚至导致分割的失败，在对车牌字符分割前的预处理方法进行了研究之后，提出了新的预处理方法，该方法包括反色判断、局部二值化、倾斜校正、车牌精确定位以及顶帽算法滤波等步骤。

基于Matlab的车牌识别源代码，有车牌定位，字符分割。模板匹配等功能模块，带注解便于理解，附带GUI界面，方便操作，毕业设计，课程设计的不二选择，有问题也可私我咨询。

opencv python车牌定位，字符分割.

智能交通体系中，专用计算机视觉系统即牌照识别技术，占有极其重要的地位。设计了一种基于FPGA平台的智能车牌定位识别系统，在 EP2C35平台上搭建SOPC系统，完成了车牌图像定位、字符提取识别等功能。该设计采用FPGA为核心，大大减小了制板的面积，有效提高了系统定位的速度及准确性；可定制的软核Nios II处理器使得智能车牌识别系统具有了更大的灵活性。

结课设计…顺利过。项目主要是利用OpenCV的SVM支持向量机，来进行车牌字符的训练，并进行字符的分割、字符识别等。使用Python内置模块Tkinter来实现系统的图形界面。将识别到的车牌与数据库中的黑名单车牌比对，实现正常车牌的快速放行以及黑名单车牌的及时报警。

本资源主要分为三个部分：车牌定位 字符分割 字符识别，每个部分都可单独运行。 车牌定位采用数学形态学和颜色特征相结合的方法。首先对图片进行开闭运算、轮廓检测等数学形态学操作突出车牌区域，然后依据车牌的形状特征去除部分干扰区域，并利用仿射变换对可疑车牌区域进行倾斜矫正，最后根据车牌颜色特征选取最终区域，同时确定车牌的颜色。 字符分割基于投影法，利用二值化图像像素的分布直方图进行分析。其中水平投影确定字符区域并去除上下边框，垂直投影找出相邻字符的分界点，并通过适当算法组合分离的汉字和去除车牌上的分隔点、边缘等干扰； 字符识别基于keras框架，首先搭建卷积神经网络对训练集进行训练，准确率达到97.87%，然后利用训练好的模型对分割下的字符逐一进行识别，最终组成车牌号码，实现车牌识别的目标。

在matlab下，验证码识别部分，字符分割处理的代码。学习matlab软件下图像处理，及字符分割的实例matlab

基于matlab的车牌定位、字符分割，车牌分割字符保存为7张bmp格式图片