简介 在前面已经讲了车牌的定位和对车牌字符的分割，这里继续是最后对车牌的识别。字符识别 主要是用了两张办法，第一个是前面 <opencv实现车牌识别之失败经验> 这一篇中用到过的，opencv自带的getPSNR函数，这里不再对它进行讲解。另一种方法是将分割出来的字符和模板字符都分割成9宫格形式，对比比较每个块中，像素占的比例来匹配分辨出字符。 具体代码如下：double proCale(Mat& mat1, int width_1, int height_1, int width_2, int height_2){int number = 0, sum = 0;IplImage pI = mat1;CvScalar s;double result;int i, j; for(i=width_1; i<=width_2; i++){for(j=height_1; j<=height_2; j++){s = cvGet2D(&pI,i,j);if(s.val[0] > 0.0){number += 1;}sum += 1;}}result = (double)number / (double)sum; return result;} int getPro(Mat& mat1){Mat mat2;int i, j, k;int hArr[4] = {0, 19, 39, 59};int wArr[4] = {0, 29, 69, 119};int wArrWidth = 3, wArrHeight = 3, sum;double tmp, tmp1, tmp2, all = 0;double *allPro; allPro = (double*)malloc(match_detect * sizeof(double));for(k=0; k< match_detect; k++){all = 0;mat2 = cv::imread(match_pic[k], 0);for(i=0; i< wArrWidth; i++){for(j=0; j< wArrHeight; j++){tmp1 = proCale(mat1, wArr[i], hArr[j], wArr[i+1], hArr[j+1]);tmp2 = proCale(mat2, wArr[i], hArr[j], wArr[i+1], hArr[j+1]);tmp = tmp1 – tmp2;if(tmp < 0){tmp = -tmp;}all += tmp;}}allPro[k] = all;} tmp = allPro[0];sum = 0;for(i=0; i<match_detect; i++){//printf("allPro[%d]:%lf\n", i, allPro[i]);if(tmp > allPro[i]){tmp = allPro[i];sum = i;}}//printf("sum:%d, %lf\n\n\n\n", sum, allPro[sum]);tmp = allPro[0];sum = 0;for(i=0; i<match_detect; i++){if(tmp > allPro[i]){tmp = allPro[i];sum = i;}}return sum;} int main(int argc, char** argv){……………carCard_Resize(img_5, img_w, wWidth, wHeight);pic_Thresholding(img_w, 50);proSum = getPro(img_w);//proSum = match_ok(img_w);match_result(proSum);sprintf(str, "%d", i+3);namedWindow(str);imshow(str, img_w);}printf("\n");waitKey(0);return 0;} 函数proCale用来计算出传入图片的255像素所占的比例，然后getPro函数中将传入的目标图面mat1和模板图片，，都分成九宫格的块，依次proCale计算，计算出9块中所有的像素比例差。通过循环，将目标图片mat1和所有的模板都匹配计算出像素比例总的差值，找到其中差值最小的模板，则它就是该目标字符。注意，这里没有匹配汉字。结果演示 结果演示如下： 代码下载地址：
却又小到连一粒嫉妒的沙石也不能容纳
