車牌、驗證碼識別的普通方法為：

1. 將圖片灰度化與二值化。
2. 去噪，然后切割成一個一個的字符。
3.提取每一個字符的特征，生成特征矢量或特征矩陣。
4. 分類與學習。將特征矢量或特征矩陣與樣本庫進行比對，挑選出相似的那類樣本，將這類樣本的值作為輸出結果。

下面借著代碼，描述一下上述過程。

1. 圖片的灰度化與二值化
這樣做的目的是將圖片的每一個象素變成 0 或者255 ，以便以計算。同時，也可以去除部分噪音。 圖片的灰度化與二值化的前提是 bmp 圖片，如果不是，則需要首先轉換為 bmp 圖片。

1 protected static Color Gray(Color c) 2 { 3 int rgb = Convert.ToInt32(( double ) ((( 0.3 * c.R) + ( 0.59 * c.G)) + ( 0.11 * c.B))); 4 return Color.FromArgb(rgb, rgb, rgb); 5 } 6

通過將圖片灰度化，每一個象素就變成了一個

0-255

的灰度值。
然后是將灰度值二值化為 0 或 255 。一般的處理方法是設定一個區間，比如， [a,b] ，將 [a,b] 之間的灰度全部變成 255 ，其它的變成 0 。這里我采用的是網上廣為流行的自適應二值化算法。

1 public static void Binarizate(Bitmap map) 2 { 3 int tv = ComputeThresholdValue(map); 4 int x = map.Width; 5 int y = map.Height; 6 for ( int i = 0 ; i < x; i ++ ) 7 { 8 for ( int j = 0 ; j < y; j ++ ) 9 { 10 if (map.GetPixel(i, j).R >= tv) 11 { 12 map.SetPixel(i, j, Color.FromArgb( 0xff , 0xff , 0xff )); 13 } 14 else 15 { 16 map.SetPixel(i, j, Color.FromArgb( 0 , 0 , 0 )); 17 } 18 } 19 } 20 } 21 22 private static int ComputeThresholdValue(Bitmap img) 23 { 24 int i; 25 int k; 26 double csum; 27 int thresholdValue = 1 ; 28 int [] ihist = new int [ 0x100 ]; 29 for (i = 0 ; i < 0x100 ; i ++ ) 30 { 31 ihist[i] = 0 ; 32 } 33 int gmin = 0xff ; 34 int gmax = 0 ; 35 for (i = 1 ; i < (img.Width - 1 ); i ++ ) 36 { 37 for ( int j = 1 ; j < (img.Height - 1 ); j ++ ) 38 { 39 int cn = img.GetPixel(i, j).R; 40 ihist[cn] ++ ; 41 if (cn > gmax) 42 { 43 gmax = cn; 44 } 45 if (cn < gmin) 46 { 47 gmin = cn; 48 } 49 } 50 } 51 double sum = csum = 0.0 ; 52 int n = 0 ; 53 for (k = 0 ; k <= 0xff ; k ++ ) 54 { 55 sum += k * ihist[k]; 56 n += ihist[k]; 57 } 58 if (n == 0 ) 59 { 60 return 60 ; 61 } 62 double fmax = - 1.0 ; 63 int n1 = 0 ; 64 for (k = 0 ; k < 0xff ; k ++ ) 65 { 66 n1 += ihist[k]; 67 if (n1 != 0 ) 68 { 69 int n2 = n - n1; 70 if (n2 == 0 ) 71 { 72 return thresholdValue; 73 } 74 csum += k * ihist[k]; 75 double m1 = csum / (( double ) n1); 76 double m2 = (sum - csum) / (( double ) n2); 77 double sb = ((n1 * n2) * (m1 - m2)) * (m1 - m2); 78 if (sb > fmax) 79 { 80 fmax = sb; 81 thresholdValue = k; 82 } 83 } 84 } 85 return thresholdValue; 86 } 87

灰度化與二值化之前的圖片：

灰度化與二值化之后的圖片：

注：對于車牌識別來說，這個算法還不錯。對于驗證碼識別，可能需要針對特定的網站設計特殊的二值化算法，以過濾雜色。

2. 去噪，然后切割成一個一個的字符

上面這張車牌切割是比較簡單的，從左到右掃描一下，碰見空大的，咔嚓一刀，就解決了。但有一些車牌，比如這張：


簡單的掃描就解決不了。因此需要一個比較通用的去噪和切割算法。 這里我采用的是比較樸素的方法： 將上面的圖片看成是一個平面。將圖片向水平方向投影，這樣有字的地方的投影值就高，沒字的地方投影得到的值就低。

然后，用一根掃描線 從下向上掃描。這個掃描線會與圖中曲線存在交點，這些交點會將山頭分割成一個又一個區域。車牌圖片一般是 7 個字符，因此，當掃描線將山頭分割成七個區域時停止。然后根據這七個區域向水平線的投影的坐標就可以將圖片中的七個字符分割出來。
但是，現實是復雜的。比如，“川”字，它的水平投影是三個山頭。按上面這種掃描方法會將它切開。因此，對于上面的切割，需要加上約束條件：每個山頭有一個中心線，山頭與山頭的中心線的距離必需在某一個值之上，否則，則需要將這兩個山頭進行合并。加上這個約束之后，便可以有效的切割了。
以上是水平投影。然后還需要做垂直投影與切割。這里的垂直投影與切割就一個山頭，因此好處理一些。

水平投影及切割代碼：

1 public static IList < Bitmap > Split(Bitmap map, int count) 2 { 3 if (count <= 0 ) 4 { 5 throw new ArgumentOutOfRangeException( " Count 必須大于0. " ); 6 } 7 IList < Bitmap > resultList = new List < Bitmap > (); 8 int x = map.Width; 9 int y = map.Height; 10 int splitBitmapMinWidth = 4 ; 11 int [] xNormal = new int [x]; 12 for ( int i = 0 ; i < x; i ++ ) 13 { 14 for ( int j = 0 ; j < y; j ++ ) 15 { 16 if (map.GetPixel(i, j).R == CharGrayValue) 17 { 18 xNormal[i] ++ ; 19 } 20 } 21 } 22 Pair pair = new Pair(); 23 for ( int i = 0 ; i < y; i ++ ) 24 { 25 IList < Pair > pairList = new List < Pair > (count + 1 ); 26 for ( int j = 0 ; j < x; j ++ ) 27 { 28 if (xNormal[j] >= i) 29 { 30 if ((j == (x - 1 )) && (pair.Status == PairStatus.Start)) 31 { 32 pair.End = j; 33 pair.Status = PairStatus.End; 34 if ((pair.End - pair.Start) >= splitBitmapMinWidth) 35 { 36 pairList.Add(pair); 37 } 38 pair = new Pair(); 39 } 40 else if (pair.Status == PairStatus.JustCreated) 41 { 42 pair.Start = j; 43 pair.Status = PairStatus.Start; 44 } 45 } 46 else if (pair.Status == PairStatus.Start) 47 { 48 pair.End = j; 49 pair.Status = PairStatus.End; 50 if ((pair.End - pair.Start) >= splitBitmapMinWidth) 51 { 52 pairList.Add(pair); 53 } 54 pair = new Pair(); 55 } 56 if (pairList.Count > count) 57 { 58 break ; 59 } 60 } 61 if (pairList.Count == count) 62 { 63 foreach (Pair p in pairList) 64 { 65 if (p.Width < (map.Width / 10 )) 66 { 67 int width = (map.Width / 10 ) - p.Width; 68 p.Start = Math.Max( 0 , p.Start - (width / 2 )); 69 p.End = Math.Min(( int ) (p.End + (width / 2 )), ( int ) (map.Width - 1 )); 70 } 71 } 72 foreach (Pair p in pairList) 73 { 74 int newMapWidth = (p.End - p.Start) + 1 ; 75 Bitmap newMap = new Bitmap(newMapWidth, y); 76 for ( int ni = p.Start; ni <= p.End; ni ++ ) 77 { 78 for ( int nj = 0 ; nj < y; nj ++ ) 79 { 80 newMap.SetPixel(ni - p.Start, nj, map.GetPixel(ni, nj)); 81 } 82 } 83 resultList.Add(newMap); 84 } 85 return resultList; 86 } 87 } 88 return resultList;

代碼中的

Pair,

代表掃描線與曲線的一對交點：

1 private class Pair 2 { 3 public Pair(); 4 public int CharPixelCount { get ; set ; } 5 public int CharPixelXDensity { get ; } 6 public int End { get ; set ; } 7 public int Start { get ; set ; } 8 public BitmapConverter.PairStatus Status { get ; set ; } 9 public int Width { get ; } 10 }

PairStatus 代表 Pair 的狀態。

1 private enum PairStatus 2 { 3 JustCreated, 4 Start, 5 End 6 }

3.

提取每一個字符的特征，生成特征矢量或特征矩陣
將切割出來的字符，分割成一個一個的小塊，比如 3 × 3 ， 5 × 5 ，或 3 × 5 ，或 10 × 8 ，然后統計一下每小塊的值為 255 的像素數量，這樣得到一個矩陣 M ，或者將這個矩陣簡化為矢量 V

通過以上 3 步，就可以將一個車牌中的字符數值化為矢量了。

4. 分類與學習。將特征矢量或特征矩陣與樣本庫進行比對，挑選出相似的那類樣本，將這類樣本的值作為輸出結果。

車牌、驗證碼識別技術