基于HSV色彩空间对蓝白车牌进行识别
[摘要]车牌的自动识别是智能交通很重要的一部分，它作为连接数字处理与现实的纽带，有必要具备好的性质。传统的车牌识别算法都是在RGB色彩空间中进行的，本文的基本思想是采用更加贴近人眼视觉的HSV色彩空间，来达到不同的图像分析效果。
[关键词]字符识别；模板匹配；HSV色彩空间；车牌定位
Blue-White Vehicle License Plate Recognition Based On HSV Color Space
Li Zhe, Liu Xin, Nie Lei
Abstract: Vehicle license plate recognition is one of the most important parts of the smart transportation; it connects the digital process and the real world.Traditionally, we process plate image in RGB color space, we choose the HSV color space in this article, which is more similar to human’s view, to achieve better result.
Keyword：Vehicle license plate recognition; template match; HSV color space; vehicle license plate location;
1. 引言
传统的车牌定位方式的已经比较成熟，但是仍然有一个重要的缺陷，即自适应的问题。传统算法的适应范围有限，对于不同的图片，需要对算法调整才能够处理好。但是，对于不同图像，只能通过手动选择算法或者更改参数来提高质量，算法选择的过程和参数的调整不容易自动化，缺乏相应的估测机制。
本文着重于研究小型车辆的蓝色车牌，由于蓝色车牌颜色的特殊性，考虑采用与人眼视觉更加接近的HSV色彩空间，对目标区域进行筛选和提取。相比传统算法，取得了较为满意的自适应性和定位结果。另外，本文对于传统的字符模板匹配的方式进行了一定的修正，提高了其兼容范围，使得模板匹配获取更高的识别率。
2. HSV色彩空间
HSV（也叫HSB）是对RGB 色彩空间中点的一种有关系的表示，它尝试描述比RGB 更准确的感知颜色联系，并仍保持在计算上简单。H指hue（色相）、S指saturation（饱和度）、V指value(色调)。
色相（H）是色彩的基本属性，就是平常所说的颜色名称，如红色、黄色等。
饱和度（S）是指色彩的纯度，越高色彩越纯，低则逐渐变灰，取0-100%的数值。
明度（V），亮度（B），取0-100%。
HSV 模型通常用于计算机图形应用中。在用户必须选择一个颜色应用于特定图形元素各种应用环境中，经常使用HSV 色轮。在其中，色相表示为圆环；可以使用一个独立的三角形来表示饱和度和明度。典型的，这个三角形的垂直轴指示饱和度，而水平轴表示明度。在这种方式下，选择颜色可以首先在圆环中选择色相，在从三角形中选择想要的饱和度和明度。如下所示：
RGB 到HSV 的转换
设 (r , g , b ) 分别是一个颜色的红、绿和蓝坐标，它们的值是在 0 到 1 之间的实数。设 max 等价于 r , g 和 b 中的最大者。设 min 等于这些值中的最小者。
3.车牌定位
由此，我们可以知道，蓝色和其临近色的饱和度H 处以一个有限的范围内，事实上，我们知道以下颜色的饱和度，而它们均为蓝色的临近颜色：
青色：180，青蓝：210，蓝色：240，紫蓝色：270 因此，归一化以后，H 的取值范围在0.5~0.75
而查看色表可以知道，要使人眼对相应的颜色产生感觉，则S>=0.25，V>=0.125 200400600800200400600
200400600800
200400600
可以看出，初步筛选会遇到一个选择多余区域的难题。上面所给出的第一个例子中，车体与车牌颜色一致，导致了选取过度，我们需要一种方式将车牌分离出来。
结合传统的思路，我们知道，车牌区域是属于边缘比较复杂明显的区域，因此，可以考虑使用边缘算子进行处理。但是，事实上车身的细节也会造成较为复杂的边缘，那么要如何区分这些边缘则成了重点。进过反复尝试，我们选择了sobel 算子，这种算子的速度比较快，但是效果并不是很好，不过，利用sobel 算子获取横向和竖向的边缘，进行形态学处理并且取交集，就得到和非常理想的效果。因为车身的细节大多是单一的横向或者纵向，一般只有车牌处是双向的细节。效果如下：
将最终的结果图与通过HSV 选择选取的区域进行交集运算后进行形态学膨胀，得到了如下效果：
可见，上述区域已经基本只包含车牌区域和一些很小的干扰区，相比之下，车牌区域是最大的连通区域，所以，采取筛选最大面积连通区域的方式，我们可以得到车牌：
100
200
300
400
100200
300
100
200
300
400
100200
300
200
400
100200
300
200
400
100200
300
200
400
100200
300
100
200
300
400
100200
300
100
200
300
400
100200
300
100
200
300
400
100200
300
20
40
60
80100120
1020
30
进过反复测试发现，该方法相比于传统方法最大的优点就是自适应性，对于光照度不好的图片，也可以正常处理。整个处理过程中不需要调整任何参数，不需要对图片进行一些估计运算，这是传统方法所达不到的。
另外，该算法在车身有倾斜度时也有很好的表现：
4.字符分割
字符分割采取了传统的背景色投影的方式。先对车牌区域进行精确定位，消除车牌周围部分的影响。然后，对于获得的车牌区域，灰度化继而自适应二值化，对于获得的二值化图像，进行水平的投影分割。
为了消除车身倾斜带来的车牌矩形区域带有边框的问题，本文中采用了边缘外的图像删除，通过HSV 中蓝色的选择，将蓝色的外边沿意外的区域进行的填0处理，一面边缘的白色线条对分割造成干扰。
5.字符识别
模板匹配在字符识别方法中，属于比较简单和低级的一种，
由于无法获取标准的车牌字
100200300400500
50100
150200
20
40
60
80
5
1015
2025
200
400
600
800
200
400600
20
40
60
80
100120
20
40
符库，所以，在过程中，会引起一定范围的误差，并且，汉字的匹配误差更为明显。为了弥补模板匹配的不足，对于有一定分辨率的图片，考虑到对字符进行分块，对每一块进行分别的匹配，但匹配块大于一定值的时候，则认为内容匹配。
经过测试，英文和数字在大多数情况下均能正常匹配，不需要分块。但是汉字分块可以带来明显的效果提升。汉字的分块分为8*4的区域时，效果最好。在实际测试中，参考了多方的设计，我们选取了如下匹配规则：
将字符进行划分，划分为四列八行，然后对每一个子块对应到模板相应部分，进行匹配。当每一分块相似度大于一定阀值的时候，将相应的分块标记为1。当待匹配区域的1的标记数达到一个预先设定的阀值，则判断为匹配。
如果没有达到阀值，则：
（1）字符整体与模板库匹配，如果仅有单独的匹配结果，则匹配有效。
（2）字符左半部分与右半部分分别匹配，如果匹配有单一结果（左右匹配的交集仅有一个结果），则匹配有效。
（3）字符上半部分与下半部分分别匹配，如果匹配有单一结果，则匹配有效。
经过改进后，识别率有明显提高，对于由于噪声造成明显残缺的字符的识别率也有了明显的提升。
6. 总结
总体来说，本文所采取的思路使得车牌定位的过程得到简化，并且拥有较好的适应性，改进是比较成功的。HSV色彩空间与人眼视觉系统有更强烈的关联，而人眼的视觉系统一直是图像处理试图模仿的对象，所以，在图像处理中采用HSV色彩，可能会取得比传统更加有效的效果。
基于matlab的汽车牌照识别程序 摘要：本次作业的任务是设计一个基于matlab的汽车牌照识别程序，能够实现车牌图像预处理，车牌定位，字符分割，然后通过神经网络对车牌进行字符识别，最终从一幅图像中提取车牌中的字母和数字，给出文本形式的车牌号码。 关键词：车牌识别，matlab，神经网络 1 引言 随着我国交通运输的不断发展，智能交通系统（Intelligent Traffic System，简称ITS）的推广变的越来越重要，而作为ITS的一个重要组成部分，车辆牌照识别系统（vehicle license plate recognition system，简称LPR）对于交通管理、治安处罚等工作的智能化起着十分重要的作用。它可广泛应用于交通流量检测，交通控制于诱导，机场，港口，小区的车辆管理，不停车自动收费，闯红灯等违章车辆监控以及车辆安全防盗等领域，具有广阔的应用前景。由于牌照是机动车辆管理的唯一标识符号，因此，车辆牌照识别系统的研究在机动车管理方面具有十分重要的实际意义。 2 车辆牌照识别系统工作原理 车辆牌照识别系统的基本工作原理为：将摄像头拍摄到的包含车辆牌照的图像通过视频卡输入到计算机中进行预处理，再由检索模块对牌照进行搜索、检测、定位，并分割出包含牌照字符的矩形区域，然后对牌照字符进行二值化并将其分割为单个字符，然后输入JPEG或BMP格式的数字，输出则为车牌号码的数字。 3 车辆牌照识别系统组成 （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
北京市（京） 京A、京C、京E、京F、北京市(城区)，京G 北京市(远郊区)，京B 出租车，京O警察天津市（津） 津A、津B、津C、天津市，津E 出租车 上海市（沪） 沪A、沪B、沪D 上海市区，沪C 远郊区 重庆市（渝） 渝A 重庆市区（江南），渝B 重庆市区（江北），渝C 永川区，渝F 万州区，渝G 涪陵区，渝H 黔江区 河北省（冀） 冀A 石家庄，冀B 唐山，冀C 秦皇岛，冀D 邯郸，冀E 邢台，冀F 保定，冀G 张家口，冀H 承德，冀J 沧州,冀R 廊坊，冀T 衡水 河南省（豫） 豫A 郑州，豫B 开封，豫C 洛阳，豫D 平顶山，豫E 安阳，豫F 鹤壁，豫G 新乡，豫H 焦作，豫J 濮阳，豫K 许昌，豫L 漯河，豫M 三门峡，豫N 商丘，豫P 周口，豫Q 驻马店，豫R 南阳，豫S 信阳，豫U 济源 云南省（云） 云A 昆明，云B 东川，云C 昭通，云D 曲靖，云E 楚雄彝族，云F 玉溪，云G 红河哈尼族，云H 文山壮族苗，云J 思茅，云L 大理白族，云K 西双版纳，云M 保山，云N 德宏傣族，云P 丽江，云Q 怒江傈族，云R 迪庆藏族，云S 临沧 辽宁省（辽） 辽A 沈阳，辽B 大连，辽C 鞍山，辽D 抚顺，辽E 本溪，辽F 丹东，辽G 锦州，辽H 营口，辽J 阜新，辽K 辽阳，辽L 盘锦，辽M 铁岭，辽N 朝阳，辽P 葫芦岛，辽V 省直机关 黑龙江省（黑） 黑A 哈尔滨，黑B 齐齐哈尔，黑C 牡丹江，黑D 佳木斯，黑E 大庆，黑F 伊春，黑G 鸡西，黑H 鹤岗，黑J 双鸭山，黑K 七台河，黑L 松花江行署，黑M 绥化，黑N 黑河，黑P 大兴安岭 湖南省（湘） 湘A 长沙，湘B 株洲，湘C 湘潭，湘D 衡阳，湘E 邵阳，湘F 岳阳，湘G 大庸，湘H 益阳，湘J 常德，湘K 娄底，湘L 郴州，湘M 零陵，湘N怀化，湘P 湘西州 安徽省（皖） 皖A 合肥，皖B 芜湖，皖C 蚌埠，皖D 淮南，皖E 马鞍山，皖F 淮北，皖G 铜陵，皖H 安庆，皖J 黄山，皖K 阜阳，皖L 宿州，皖M 滁州，皖N 六安，皖P 宣城，皖Q 巢湖，皖R 池州 山东省（鲁） 鲁A 济南，鲁B 青岛，鲁C 淄博，鲁D 枣庄，鲁E 东营，鲁F 烟台，鲁G 潍坊，鲁H 济宁，鲁J 泰安，鲁K 威海，鲁L 日照，鲁M 莱芜，鲁N 德州，鲁P 聊城，鲁Q 临沂，鲁R 菏泽，鲁U 青岛开发区 新疆维吾尔（新） 新A 乌鲁木齐，新B 昌吉回族，新C 石河子，新D 奎屯，新E 博尔塔拉，新F 伊犁哈萨，新G 塔城，新H 阿勒泰，新J 克拉玛依，新K 吐鲁番，新L 哈密，新M 巴音郭，新N 阿克苏，新P 克孜勒苏柯，新Q 喀什，新R 和田 江苏省（苏）
车牌的定位与分割 实验报告 一实验目的 针对交通智能系统所拍摄的汽车图片，利用设定的算法流程，完成对汽车车牌部分的定位，分割车牌部分，并完成字符的分割，以便于系统的后续分析及处理。 二实验原理 详见《车牌的定位与字符分割》论文。 三概述 1一般流程 车牌自动识别技术大体可分为四个步骤：图像预处理、车牌定位与分割、车牌字符的分割和车牌字符识别。而这四个步骤又可归结为两大部分：车牌分割和车牌字符识别。 图1-1为车牌自动识别技术的一般流程图。 2本实验的流程 （1）图像预处理：图像去噪 （2）车牌的定位：垂直边缘检测（多次）形态学处理的粗定位
合并邻近区域结合车牌先验知识的精确定位 （3）车牌预处理：车牌直方图均衡化倾斜校正判定（蓝底白字或者黄底黑字）归一化、二值化 （4）字符的分割：垂直投影取分割阈值确定各个字符的左右界限（结合字符宽度、间隔等先验知识）分割字符 四实验过程 4.1图像预处理 4.1.1图像去噪 一般的去噪方法有：空间域上的均值滤波和中值滤波；频率域上的巴特沃斯滤波器。图4-1是各滤波器处理椒盐噪声的效果。 a．被椒盐噪声污染的图片 b.均值滤波的效果图 c.中值滤波的效果图 d.BLPF的效果图 图4-1 各滤波器处理椒盐噪声的仿真 可见，中值滤波对椒盐噪声的处理效果极好，而一般所拍摄的图片上最多的便是孤立的污点，所以此处以中值滤波为主进行去噪。图4-2是采用中值滤波处理实际汽车图片的效果。
a.原始图像 b.灰度图像 c.中值滤波后的图像 图4-2 中值滤波处理实际汽车图片的效果 很显然，经过中值滤波后去除了原图上的部分污点。 4.1.2图像复原 由于通常情况下都不知道点扩展函数，所以我们采用基于盲解卷积的图像复原策略。 图4-3~4-7图是函数进行盲解卷积的实验结果，其中图4-3是图像cameraman 的模糊图像。 图4-3 模糊图像 在盲解卷积处理中，选择适当大小的矩阵对恢复图像的效果很重要。PSF的大小比PSF的值更重要，所以首先指定一个有代表性的全1矩阵作为初始PSF。恢复的图像如图4-4所示，初始PSF如图4-5所示。
本程序主要实现的是车牌的定位与检测 主要是利用申继龙论文里面的方法 1、采集得到的图像 2、把RGB图像转换成HSI彩色图像 3、利用设定的H、S阈值得到二值图像 4、对二值图像水平投影获得候选区域 5、对候选区域的HSI图像边缘检测 */ #include "stdafx.h" #include "opencv2/opencv.hpp" #include "opencv2/objdetect/objdetect.hpp" #include "opencv2/features2d/features2d.hpp" #include "opencv2/highgui/highgui.hpp" #include "opencv2/calib3d/calib3d.hpp" #include "opencv2/nonfree/nonfree.hpp" #include "opencv2/nonfree/features2d.hpp" #include "opencv2/imgproc/imgproc_c.h" #include "opencv2/legacy/legacy.hpp" #include "opencv2/legacy/compat.hpp" #include
图像处理技术
目录一．引言 (1) 二．目的和意义 (1) 三．设计原理 (1) 四.字符分割程序 (2) 五.结果 (4) 六.测试代码 (5) 七.系统的不足 (5) 八.总结 (5) 九.心得体会 (5) 十.致谢 (6) 十一.参考文献 (6)
一．引言 随着人们生活水平的不断提高,机动车辆数量大幅度增加，与之相配套的高速公路，城市路网及停车场越来越多，显著提高了人们对交通控制方面的要求。由于计算机技术的发展，信息处理水平的提高使智能交通系统成为世界交通领域研究的重要课题。其中车牌识别是智能交通系统的重要组成部分。车牌识别系统能够自动、实时地检测车辆、识别汽车车牌，从而监控车辆的收费、闯关、欠费以及各种舞弊现象。本系统为基于蓝色车牌的车牌识别系统，它能够识别非蓝色车辆的蓝底白字车牌。该系统通过车牌提取、车牌定位、预处理、字符分割、字符识别五个模块组成车牌识别系统。 二．目的和意义 通过对车牌识别系统的研究，自己开发小型车牌识别系统，虽有一定的局限性与不完整性，但可以使自己更加的熟悉MATLAB语言，激发对研究的兴趣，拓宽知识面，为自己以后的研究打下基础。在提升自身科研能力的同时，还能提高团队合作精神，清楚团队成员的分工，协调成员间的工作，为今后的团队合作研究积累经验。 三.设计原理 字符分割在此系统中有着承前启后的作用。它在前期车牌定位的基础上进行字符的分割，然后利用分割的结果进行字符的识别。字符识别的算法很多，应为车牌字符间间隔较大，不会出现字符粘连的情况，所以此处采用的方法为寻找连续有文字的块，若长度大于某阈值，则认为组成该块有两个字符，需要分割。一般分割出来的字符要进行进
东省（粤） 粤A 广州，粤B 深圳，粤C 珠海，粤D 汕头，粤E 佛山，粤F 韶关，粤G 湛江，粤H 肇庆，粤J 江门，粤K 茂名，粤L 惠州，粤M 梅州，粤N 汕尾，粤P 河源，粤Q 阳江，粤R 清远，粤S 东莞，粤T 中山，粤U 潮州，粤V 揭阳，粤W 云浮，粤X 顺德，粤Y 南海，粤Z港澳进入内地车辆北京市（京） 京A、京C、京E、京F、北京市(城区)，京G 北京市(远郊区)，京B 出租车，京O警察 天津市（津） 津A、津B、津C、天津市，津E 出租车 上海市（沪） 沪A、沪B、沪D 上海市区，沪C 远郊区 重庆市（渝） 渝A 重庆市区（江北），渝B 重庆市区（江南），渝C 永川区，渝F 万州区，渝G 涪陵区，渝H 黔江区 河北省（冀） 冀A 石家庄，冀B 唐山，冀C 秦皇岛，冀D 邯郸，冀E 邢
台，冀F 保定，冀G 张家口，冀H 承德，冀J 沧州,冀R 廊坊，冀T 衡水 河南省（豫） 豫A 郑州，豫B 开封，豫C 洛阳，豫D 平顶山，豫E 安阳，豫F 鹤壁，豫G 新乡，豫H 焦作，豫J 濮阳，豫K 许昌，豫L 漯河，豫M 三门峡，豫N 商丘，豫P 周口，豫Q 驻马店，豫R 南阳，豫S 信阳，豫U 济源 云南省（云） 云A 昆明，云B 东川，云C 昭通，云D 曲靖，云E 楚雄彝族，云F 玉溪，云G 红河哈尼族，云H 文山壮族苗，云J 思茅，云L 大理白族，云K 西双版纳，云M 保山，云N 德宏傣族，云P 丽江，云Q 怒江僳族，云R 迪庆藏族，云S 临沧 辽宁省（辽） 辽A 沈阳，辽B 大连，辽C 鞍山，辽D 抚顺，辽E 本溪，辽F 丹东，辽G 锦州，辽H 营口，辽J 阜新，辽K 辽阳，辽L 盘锦，辽M 铁岭，辽N 朝阳，辽P 葫芦岛，辽V 省直机关
中国车牌号的识别大全(包括军车和政府高官用车) 北京市（京） 京A、京C、京E、京F、北京市(城区)，京G 北京市(远郊区)， 京B 出租车，京O警察 天津市（津） 津A、津B、津C、天津市，津E 出租车 上海市（沪） 沪A、沪B、沪D 上海市区，沪C 远郊区 重庆市（渝） 渝A 重庆市区（江南），渝B 重庆市区（江北），渝C 永川区，渝F 万州区，渝G 涪陵区，渝H 黔江区 河北省（冀） 冀A 石家庄，冀B 唐山，冀C 秦皇岛，冀D 邯郸，冀E 邢台，冀F 保定，冀G 张家口，冀H 承德，冀J 沧州,冀R 廊坊，冀 T 衡水 河南省（豫） 豫A 郑州，豫B 开封，豫C 洛阳，豫D 平顶山，豫E 安阳，豫F 鹤壁，豫G 新乡，豫H 焦作，豫J 濮阳，豫K 许昌，豫L 漯河，豫M 三门峡，豫N 商丘，豫P 周口，豫Q 驻马店，豫R 南阳，豫S 信阳，豫U 济源 云南省（云） 云A 昆明，云B 东川，云C 昭通，云D 曲靖，云E 楚雄彝族，
云F 玉溪，云G 红河哈尼族，云H 文山壮族苗，云J 思茅，云L 大理白族，云K 西双版纳，云M 保山，云N 德宏傣族，云P 丽江，云Q 怒江傈族，云R 迪庆藏族，云S 临沧 辽宁省（辽） 辽A 沈阳，辽B 大连，辽C 鞍山，辽D 抚顺，辽E 本溪，辽F 丹东，辽G 锦州，辽H 营口，辽J 阜新，辽K 辽阳，辽L 盘锦，辽M 铁岭，辽N 朝阳，辽P 葫芦岛，辽V 省直机关 黑龙江省（黑） 黑A 哈尔滨，黑B 齐齐哈尔，黑C 牡丹江，黑D 佳木斯，黑E 大庆，黑F 伊春，黑G 鸡西，黑H 鹤岗，黑J 双鸭山，黑K 七台河，黑L 松花江行署，黑M 绥化，黑N 黑河，黑P 大兴安 岭 湖南省（湘） 湘A 长沙，湘B 株洲，湘C 湘潭，湘D 衡阳，湘E 邵阳，湘F 岳阳，湘G 大庸，湘H 益阳，湘J 常德，湘K 娄底，湘L 郴州，湘M 零陵，湘N怀化，湘P 湘西州 安徽省（皖） 皖A 合肥，皖B 芜湖，皖C 蚌埠，皖D 淮南，皖E 马鞍山，皖F 淮北，皖G 铜陵，皖H 安庆，皖J 黄山，皖K 阜阳，皖L 宿州，皖M 滁州，皖N 六安，皖P 宣城，皖Q 巢湖，皖R 池 州 山东省（鲁）
图像处理包括图像二值化、车牌定位、字符分隔、字符识别。每一步都关系系统成功与否以及好坏。如果图片二值化不好就不方便车牌定位，如果定位的车牌图片不准确就谈不上字符的切割，字符图片切割不好就难以识别。这些应该很好理解，可见成员之间需要很好的默契。而我负责了图像处理中的字符分隔模块，起初我不知道位图形式以及如何读取位图，可见我获取信息的主动性和能力并不好。非常感谢其他组员提供了读取位图像素数据的相关方法，才能使我能放心去思考切割的算法，而不必去担心如何获取数据的问题。我使用了一种字符像素横向和纵向扫描的算法，得到字符在横向和纵向的像素分布波形，通常是缓慢的连续变化，车牌越模糊，变化越缓慢。自然，波峰是字符区，波谷是字符间的空隙区。它们的分界点并不明显，必然需要找到介于波峰与波谷之间的一个阀值，将波形变成01直方波形。那么阀值自然是个关键，如果定得不准，就可能切不出所有字符，这是我之前遇到的问题，那时我固定了阀值，使它介于平均波峰值和平均波谷值之间的某个固定点，但这通常只能切割出模糊图片的部分字符，因为有些波峰和波谷并没有被切分开来。于是我采用了另一种策略，即使用动态扫描，从最小的波谷扫到最大的波峰，并不断计算切得的波峰数量（实际就是字符数量）。然后判断这个切割数是否符合实际车牌上的字符数量，如果符合，可以停止扫描，切割位置可以明确定在波峰和波谷的变化点上。当然，我进行了各种优化，比如更多判断来排除各种车牌边框等干扰。在DOS窗口上经过反复的数据显示测试，终于得到了非常不错的字———————————————————————————————————————————— (1)利用字符像素XY方向扫描； (2)分析波形； (3)动态指定阀值； (4)获得01分布； (5)判断波形变化次数； (6)去干扰； (7)获得切割位置； 时间有限，有不完善之处可以去本人博客提问： https://www.doczj.com/doc/243216006.html,/flashforyou #pragma once #include
中国车牌号的识别大全(包括军车和政府高官用车) 北京市（京） 京A、京C、京E、京F、北京市(城区)，京G 北京市(远郊区)，京B 出租车，京O警察 天津市（津） 津A、津B、津C、天津市，津E 出租车 上海市（沪） 沪A、沪B、沪D 上海市区，沪C 远郊区 重庆市（渝） 渝A 重庆市区（江南），渝B 重庆市区（江北），渝C 永川区，渝F 万州区，渝G 涪陵区，渝H 黔江区 河北省（冀） 冀A 石家庄，冀B 唐山，冀C 秦皇岛，冀D 邯郸，冀E 邢台，冀F 保定，冀G 张家口，冀H 承德，冀J 沧州,冀R 廊坊，冀T 衡水 河南省（豫） 豫A 郑州，豫B 开封，豫C 洛阳，豫D 平顶山，豫E 安阳，豫F 鹤壁，豫G 新乡，豫H 焦作，豫J 濮阳，豫K 许昌，豫L 漯河，豫M 三门峡，豫N 商丘，豫P 周口，豫Q 驻马店，豫R 南阳，豫S 信阳，豫U 济源 云南省（云） 云A 昆明，云B 东川，云C 昭通，云D 曲靖，云E 楚雄彝族，
云F 玉溪，云G 红河哈尼族，云H 文山壮族苗，云J 思茅，云L 大理白族，云K 西双版纳，云M 保山，云N 德宏傣族，云P 丽江，云Q 怒江傈族，云R 迪庆藏族，云S 临沧 辽宁省（辽） 辽A 沈阳，辽B 大连，辽C 鞍山，辽D 抚顺，辽E 本溪，辽F 丹东，辽G 锦州，辽H 营口，辽J 阜新，辽K 辽阳，辽L 盘锦，辽M 铁岭，辽N 朝阳，辽P 葫芦岛，辽V 省直机关 黑龙江省（黑） 黑A 哈尔滨，黑B 齐齐哈尔，黑C 牡丹江，黑D 佳木斯，黑E 大庆，黑F 伊春，黑G 鸡西，黑H 鹤岗，黑J 双鸭山，黑K 七台河，黑L 松花江行署，黑M 绥化，黑N 黑河，黑P 大兴安岭 湖南省（湘） 湘A 长沙，湘B 株洲，湘C 湘潭，湘D 衡阳，湘E 邵阳，湘F 岳阳，湘G 大庸，湘H 益阳，湘J 常德，湘K 娄底，湘L 郴州，湘M 零陵，湘N怀化，湘P 湘西州 安徽省（皖） 皖A 合肥，皖B 芜湖，皖C 蚌埠，皖D 淮南，皖E 马鞍山，皖F 淮北，皖G 铜陵，皖H 安庆，皖J 黄山，皖K 阜阳，皖L 宿州，皖M 滁州，皖N 六安，皖P 宣城，皖Q 巢湖，皖R 池州 山东省（鲁）
摘要 摘要 车牌识别技术是智能交通系统中的重要组成部分，它在违章抓拍，不停车收费，停车场管理以及重要场所过往车辆的实时登记等方面都有重要的作用。论文从车牌字符识别的理论出发，基于MATLAB语言对现有的模板匹配，神经网络，基于向量机（SVM）等方法在字符识别过程中的优缺点以及识别率进行系统的研究。论文的主要工作如下： 1.针对车牌图片的预处理包括去噪，增强，分割，提取字符等等； 2.构建模板匹配，神经网络，基于向量机（SVM）字符识别的相关测试数据； 3.分别实现模板匹配字符识别算法，神经网络字符识别算法，基于向量机 （SVM）字符识别算法，并做相应识别率的实验，将三者的实验结果进行 比对； 4.基于MATLAB GUI做三种算法系统的界面。 关键词：车牌识别模板匹配神经网络向量机识别率
ABSTRACT ABSTRACT License plate recognition technology is the intelligent transportation system an important part of it illegal to capture, no parking, parking management, and an important place in the past, real-time vehicle registration and other aspects important role. Papers from the license plate character recognition theory, MATLAB language based on the existing template matching, neural network, based on vector machines (SVM) and other methods in the process of character recognition and the recognition rate of the advantages and disadvantages of the system. The main work is as follows: 1.Pre-treatment, including the license plate image denoising, enhancement, segmentation, extraction of character, etc. 2.Construction of template matching, neural network, based on the vector machine (SVM) test data related to character recognition; 3.Respectively, to achieve template matching algorithm for character recognition, neural network character recognition algorithm based on vector machines (SVM) algorithm for character recognition, and recognition rate accordingly experiment, the three sides to compare the experimental results; 4.Do three algorithms based on MATLAB GUI interface of the system. Keywords: License Plate Recognition Template matching Neural network Vector Recognition rate
1 绪论 1.1 背景介绍 为了实现车牌字符识别，通常要经过车牌位置检测、车牌字符分割和字符识别三个关键步骤。车牌位置检测是根据车牌字符目标区域的特点，寻找出最符合车牌特征的区域。车牌字符分割就是在车牌图像中找出所有字符的上下左右边界，进而分割出每个车牌字符。在实际应用中，车牌字符分割的效果对车牌字符识别正确率会产生很大的影响，由于车牌图像亮度不均、尺度变化、透视失真、字符不完整等因素，使图像质量存在较大差异，进而影响图像分割的效果，因此车牌字符分割这一技术仍然具有很大的研究意义。在实际的监控场景中，车牌图像的透视失真通常是由于拍摄视角的变化或车辆位置的移动，相机光轴偏离车牌平面的法线方向造成的。由于车牌图像在整幅图像中占有较小的比例，所以车牌图像几何校正主要工作是校正车牌图像的旋转和剪切失真。 旋转投影法和直线拟合法是两种主要的偏斜校正方法。旋转投影法是为了获取垂直倾斜角，即将车牌图像穷举逐个角度进行剪切变换，然后统计垂直投影数值为0的点数，得到最大值对应的角度。这种方法受背景区域的干扰比较大。另一种方法是直线拟合车牌字符的左边界点从而获得垂直倾斜角，该方法为直线拟合法。该方法并没有逐个角度对车牌图像进行剪切变换，从左边界点拟合出的直线通常不能真正用来代表车牌的垂直倾斜方向，检测出的角度存在较大误差，且字符左侧噪声对角度检测干扰太大，鲁棒性较差。因此找到一种更准确和迅速的车牌垂直倾斜矫正方法是十分重要的。 通过得到最小的字符投影点坐标方差，得到另一种车牌垂直矫正方法。首先将车牌字符图像进行水平校正，根据字符的区域的上下边界，将车牌字符进行粗分割。然后将剪切变换后的字符点进行垂直偷用。当得到投影点最想左边方差时，便能导出两类剪切角闭合表达是，最后便是确定垂直投影的倾斜角并对此进行校正。 投影法是目前最常用的车牌分割算法之一，其算法简单并且计算复杂度低。该方法的核心思想是将车牌图像进行水平投影和垂直投影，利用峰谷特征来定位车牌字符的上下左右边界。但是车牌的噪声、边框等因素容易影响到投影的峰谷
设计模式大作业 车牌识别（LPR）中的车牌定位及字符 分割
摘要 本文提供了一套完整的LPR中的车牌定位和字符识别系统的实现方式。算法主要涉及到：基于边缘检测的LPR车牌定位，包括利用图像的灰度化、二值化以及滤波处理等步骤。然后进行车牌提取、字符分割，以及利用模板库对得到的字符进行模式识别，从而达到从一个汽车抓拍图片到识别出对应的车牌字符串的过程。该过程中涉及到了若干比较经典的设计模式（Design Patterns），我们进行了认真的分析并给出了自己的理解和总结。 关键词：LPR、模式识别、车牌分割、字符分割，设计模式
一． 概述 随着我国经济的高速发展，国内的私家车、公交车、高速公路、停车场越来越多车牌识别系统是智能交通系统的重要组成部分，随着各国交通事业的不断发展和科技水平的不断提高，各国也不断加大了对车牌识别系统的研究。车牌识别系统的应用可以极大地提高交通管理的效率和自动化程度。车牌识别系统主要由车牌定位、字符分割和字符识别三部分组成。其中车牌定位和字符分割对后续的字符识别成功与否具有直接影响，进而对整个车牌识别系统的性能起到了决定性的作用。作为智能交通系统中至关重要一部分的车牌识别系统也得到了极大的关注和发展。车牌识别系统具有广泛的应用前景。车牌识别系统可以应用于很多场合，使各种管理系统的工作效率和自动化程度大大提高，因此车牌识别系统具有着极其重要的现实意义。 二． 车牌识别系统的设计 LPR 是一个较为复杂的系统，整个系统的实现涉及到了很多方面。我们在此为了更清晰地描述整个过程以及为了模块化分析整体流程，讲整个系统分为几个主要部分。分别是：图像输入、图像处理、车牌提取、字符分割、字符识别、输出信息。这些步骤每一个都有着自己的技术支持。各步骤之间相互独立又相辅相成，后者的正确执行离不开前面步骤的结果。其整体结构表示如下： 本文研究的重点是其中两个最为 核心的部分：“车牌定位”和“字符分割”。下面分别介绍这两部分。 图像输入 图像处理车牌提取字符分割文字识别输出结果
Paper NO1 （注：满分为五星） 笔记部分 基于形状特征向量的车牌字符识别的可行性分析： 形状特征向量是否可以作为车牌字符的识别数学模型，取决于两个方面： 1、车牌字符的形状特征向量是否互不相同； 2、每个车牌字符的形状特征向量是否保持不变。
由相机的成像原理可知，相机是利用物在２倍焦距之外凸透镜会在１倍焦距与２倍焦距之间呈一个倒立的、缩小的实像的成像规律工作的。该实像会在感光材料上产生物理的（数码相机）或化学的（胶片相机）反应，从而得到平面的相片，即字符ｓ的不同像可以由字符ｓ通过等比例大小变化来近似模拟。 证明：我们知道不规则平面图形的面积可以通过将其分割为规则的图形来求解：
通过形状特征向量我们可以来区分ＬＰＣＳ字符集中的字符，即车牌字符。ＬＰＣ字符的各种正面像都具有相同的形状特征向量。综合可以得出，形状特征向量可以被用于ＬＰＣＳ字符的识别。 算法实现： 理论上证明了形状特征向量用于车牌字符识别的可行性。这一节介绍基于形状特征向量构造的车牌字符识别算法，该算法包括以下４步。
实验： 使用Ｍａｔｌａｂ作为仿真实验工具，对采集的６５２个ＬＰＣＳ字符样本进行实验分析。样本涵盖了整个ＬＰＣＳ字符集的字符。首先计算形状特征向量库。部分字符的数据如表所列。 本文方法与其他类方法的识别正确率对比如表４所列。从正确率上来看，本文方法与改进后的其他类方法差别并不大，所有方法的识别正确率都比较高。但是，本文方法在计算与存储复杂度上比其他类方法优秀。具体的对比过程如表５所列。表５中，size为ＬＰＣＳ字符集大小，μ为每个字符的平均特征向量数，一般情况下取１；表中的“高维”是指图片归一化后的图片像素数，一般在300以上，文章的形状特征向量仅为９维，因此计算与存储复杂度都很低。 总结：这种文章对照实验通都是用老旧的来对照，使实验差距明显，本周第一篇都做到99%了，这个实验的优点在于轻量化，复杂度降低了，但是，这个实验就是手写字啊，说来说去其实和手写字识别没啥区别啊，这就是进阶版的手写字啊……需要学习的太多了。
河北省（冀） 冀A 石家庄，冀B 唐山，冀C 秦皇岛，冀D 邯郸，冀E 邢台，冀F 保定，冀G 张家口，冀H 承德，冀J 沧州，冀R 廊坊，冀T 衡水 河南省（豫） 豫A 郑州，豫B 开封，豫C 洛阳，豫D 平顶山，豫E 安阳，豫F 鹤壁，豫G 新乡，豫H 焦作，豫J 濮阳，豫K 许昌，豫L 漯河，豫M 三门峡，豫N 商丘，豫P 周口，豫Q 驻马店，豫R 南阳，豫S 信阳，豫U 济源 云南省（云） 云A 昆明，云B 东川，云C 昭通，云D 曲靖，云E 楚雄彝族，云F 玉溪，云G 红河哈尼族，云H 文山壮族苗，云J 思茅，云L 大理白族，云K 西双版纳，云M 保山，云N 德宏傣族，云P 丽江，云Q 怒江傈族，云R 迪庆藏族，云S 临沧 辽宁省（辽） 辽A 沈阳，辽B 大连，辽C 鞍山，辽D 抚顺，辽E 本溪，辽F 丹东，辽G 锦州，辽H 营口，辽J 阜新，辽K 辽阳，辽L 盘锦，辽M 铁岭，辽N 朝阳，辽P 葫芦岛，辽V 省直机关 黑龙江省（黑） 黑A 哈尔滨，黑B 齐齐哈尔，黑C 牡丹江，黑D 佳木斯，黑E 大庆，黑F 伊春，黑G 鸡西，黑H 鹤岗，黑J 双鸭山，黑K 七台河，黑L 松花江行署，黑M 绥化，黑N 黑河，黑P 大兴安岭 湖南省（湘） 湘A 长沙，湘B 株洲，湘C 湘潭，湘D 衡阳，湘E 邵阳，湘F 岳阳，湘G 大庸，湘H 益阳，湘J 常德，湘K 娄底，湘L 郴州，湘M 零陵，湘N怀化，湘P 湘西州 安徽省（皖） 皖A 合肥，皖B 芜湖，皖C 蚌埠，皖D 淮南，皖E 马鞍山，皖F 淮北，皖G 铜陵，皖H 安庆，皖J 黄山，皖K 阜阳，皖L 宿州，皖M 滁州，皖N 六安，皖P 宣城，皖Q 巢湖，皖R 池州 山东省（鲁） 鲁A 济南，鲁B 青岛，鲁C 淄博，鲁D 枣庄，鲁E 东营，鲁F 烟台，鲁G 潍坊，鲁H 济宁，鲁J 泰安，鲁K 威海，鲁L 日照，鲁M 莱芜，鲁N 德州，鲁P 聊城，鲁Q 临沂，鲁R 荷泽，鲁U 青岛开发区 新疆维吾尔（新） 新A 乌鲁木齐，新B 昌吉回族，新C 石河子，新D 奎屯，新E 博尔塔拉，新F 伊犁哈萨，新G 塔城，新H 阿勒泰，新J 克拉玛依，新K 吐鲁番，新L 哈密，新M 巴音郭愣，新N 阿克苏，新P 克孜勒苏柯，新Q 喀什，新R 和田
河南省（豫） 豫A 郑州，豫B 开封，豫C 洛阳，豫D 平顶山，豫E 安阳，豫F 鹤壁，豫G 新乡，豫H 焦作，豫J 濮阳，豫K 许昌，豫L 漯河，豫M 三门峡，豫N 商丘，豫P 周口，豫Q 驻马店，豫R 南阳，豫S 信阳，豫U 济源 北京市（京） 京A、京C、京E、京F、北京市(城区)，京G 北京市(远郊区)，京B 出租车，京O警察 天津市（津） 津A、津B、津C、天津市，津E 出租车; 上海市（沪） 沪A、沪B、沪D 上海市区，沪C 远郊区 重庆市（渝） 渝A 重庆市区（江南），渝B 重庆市区（江北），渝C 永川区，渝F 万州区，渝G 涪陵区，渝H 黔江区 河北省（冀） 冀A 石家庄，冀B 唐山，冀C 秦皇岛，冀D 邯郸，冀E 邢台，冀F 保定，冀G 张家口，冀H 承德，冀J 沧州,冀R 廊坊，冀T 衡水 云南省（云） 云A 昆明，云B 东川，云C 昭通，云D 曲靖，云E 楚雄彝族，云F 玉溪，云G 红河哈尼族，云H 文山壮族苗，云J 思茅，云L 大理白族，云K 西双版纳，云M 保山，云N 德宏傣族，云P 丽江，云Q 怒江僳族，云R 迪庆藏族，云S 临沧 辽宁省（辽） 辽A 沈阳，辽B 大连，辽C 鞍山，辽D 抚顺，辽E 本溪，辽F 丹东，辽G 锦州，辽H 营口，辽J 阜新，辽K 辽阳，辽L 盘锦，辽M 铁岭，辽N 朝阳，辽P 葫芦岛，辽V 省直机关 黑龙江省（黑） 黑A 哈尔滨，黑B 齐齐哈尔，黑C 牡丹江，黑D 佳木斯，黑E 大庆，黑F 伊春，黑G 鸡西，黑H 鹤岗，黑J 双鸭山，黑K 七台河，黑L 松花江行署，黑M 绥化，黑N 黑河，黑P 大兴安岭 湖南省（湘） 湘A 长沙，湘B 株洲，湘C 湘潭，湘D 衡阳，湘E 邵阳，湘F 岳阳，湘G 大庸，湘H 益阳，湘J 常德，湘K 娄底，湘L 郴州，湘M 零陵，湘N怀化，湘P 湘西州
车牌字符识别加标注版 第11章数字识别系统 11.1 系统简介 该系统是为了辨认识别图像中的数字而设计的，它通过对图片的一系列处理，最后识别得出图片中显示的数字。系统既可以单独使用，也可以把它作为一个识别系统的软件核心应用到车牌识别等系统中去。 11.2 系统基本技术要求 下面是系统具体要达到的基本技术要求 (1)输入图片中可以含有多个数字; (2)数字的识别准确率大于90,; (3)每张图片的处理时间(识别时间)不能大于1秒; (4)对图片噪声具有较强的适应性; (5)系统要能长时间无故障运行; (6)系统的操作要求简单。 11.3 系统中用到的关键技术 在本系统中用到了好多图像处理中的相关技术:比如灰度化、二值化、图像内容自动调整、去离散点、图像的缩放、细化、曲线平滑、曲线去枝桠操作等，最后还使用了神经网络对提取到的数字信息进行分析判断。 11.4 系统软硬件平台 11.4.1 系统的硬件平台 因为系统运行的过程当中，主要进行的都是图像处理，在这个过程当中要进行大量的数据处理，所以处理器和内存要求比较高，CPU 要求主频在600hz 以上(含600hz)，内存在128 兆以上(含128 兆)。
11.4.2 系统的软件平台 系统可以运行于任何一台装有Windows98 、Windows2000 或者Windows XP 的机子上。程序调试时，需要使用Microsoft Visual C++ 6.0(SP6)。 11.4.3 本章源码使用说明 本系统的全部源码在本书配套光盘的【\Chap11\】目录下。可参看readme.txt 进行使用。 11.5 系统实现 系统在实现的过程当中，先分解成两个大块，就是图像预处理模块和数字识别模块。其中图像像预处理块在对图像进行了一系列变换后把最后提取到的数字字符提交给数字识别模块，然后进行识别并给处结果。在这里用到了很多先进的图像预处理技术及神经网络技术。 11.5.1 系统流程图 本系统总的流程结构如图11-1所示。 图11-1 系统总流程图 其中图像预处理的流程如图11-2 所示。 图11-2 图像预处理流程图 神经网络数字识别的具体流程如图11-3 所示。
全国车牌号识别大全 北京市（京） 京A、京C、京E、京F、北京市(城区)，京G 北京市(远郊区)，京B 出租车，京O警察天津市（津） 津A、津B、津C、天津市，津E 出租车 上海市（沪） 沪A、沪B、沪D 上海市区，沪C 远郊区 重庆市（渝） 渝A 重庆市区（江南），渝B 重庆市区（江北），渝C 永川区，渝F 万州区，渝G 涪陵区，渝H 黔江区 河北省（冀） 冀A 石家庄，冀B 唐山，冀C 秦皇岛，冀D 邯郸，冀E 邢台，冀F 保定，冀G 张家口，冀H 承德，冀J 沧州,冀R 廊坊，冀T 衡水 河南省（豫） 豫A 郑州，豫B 开封，豫C 洛阳，豫D 平顶山，豫E 安阳，豫F 鹤壁，豫G 新乡，豫H 焦作，豫J 濮阳，豫K 许昌，豫L 漯河，豫M 三门峡，豫N 商丘，豫P 周口，豫Q 驻马店，豫R 南阳，豫S 信阳，豫U 济源 云南省（云） 云A 昆明，云B 东川，云C 昭通，云D 曲靖，云E 楚雄彝族，云F 玉溪，云G 红河哈尼族，云H 文山壮族苗，云J 思茅，云L 大理白族，云K 西双版纳，云M 保山，云N 德宏傣族，云P 丽江，云Q 怒江傈族，云R 迪庆藏族，云S 临沧 辽宁省（辽） 辽A 沈阳，辽B 大连，辽C 鞍山，辽D 抚顺，辽E 本溪，辽F 丹东，辽G 锦州，辽H 营口，辽J 阜新，辽K 辽阳，辽L 盘锦，辽M 铁岭，辽N 朝阳，辽P 葫芦岛，辽V 省直机关 黑龙江省（黑） 黑A 哈尔滨，黑B 齐齐哈尔，黑C 牡丹江，黑D 佳木斯，黑E 大庆，黑F 伊春，黑G 鸡西，黑H 鹤岗，黑J 双鸭山，黑K 七台河，黑L 松花江行署，黑M 绥化，黑N 黑河，黑P 大兴安岭 湖南省（湘） 湘A 长沙，湘B 株洲，湘C 湘潭，湘D 衡阳，湘E 邵阳，湘F 岳阳，湘G 大庸，湘H 益阳，湘J 常德，湘K 娄底，湘L 郴州，湘M 零陵，湘N怀化，湘P 湘西州 安徽省（皖） 皖A 合肥，皖B 芜湖，皖C 蚌埠，皖D 淮南，皖E 马鞍山，皖F 淮北，皖G 铜陵，皖H 安庆，皖J 黄山，皖K 阜阳，皖L 宿州，皖M 滁州，皖N 六安，皖P 宣城，皖Q 巢湖，皖R 池州 山东省（鲁） 鲁A 济南，鲁B 青岛，鲁C 淄博，鲁D 枣庄，鲁E 东营，鲁F 烟台，鲁G 潍坊，鲁H 济宁，鲁J 泰安，鲁K 威海，鲁L 日照，鲁M 莱芜，鲁N 德州，鲁P 聊城，鲁Q 临沂，鲁R 菏泽，鲁U 青岛开发区 新疆维吾尔（新） 新A 乌鲁木齐，新B 昌吉回族，新C 石河子，新D 奎屯，新E 博尔塔拉，新F 伊犁哈萨，新G 塔城，新H 阿勒泰，新J 克拉玛依，新K 吐鲁番，新L 哈密，新M 巴音郭，新N 阿
中国车牌号大全 河南省（豫）豫A郑州，豫B开封，豫C洛阳，豫D平顶山，豫E安阳，豫F鹤壁，豫G 新乡，豫H焦作，豫J濮阳，豫K许昌，豫L漯河，豫M三门峡，豫N商丘，豫P周口，豫Q驻马店，豫R南阳，豫S信阳，豫U济源 北京市（京）京A、京C、京E、京F、北京市(城区)，京G北京市(远郊区)，京B出租车，京O警察京P北京车牌不像各省一样，每个字母代表不同的地市含义。北京车牌字母一般来说除个别字母外，大多数没什么特殊含义少数有特殊含义的：如京B，表示出租车。京P、N的字母，其实就是延续前面京K、京M字母的车牌，只不过车太多了，前面M的用完了，因此现在延续开始使用N和P的字母了。北京城区内的车辆都可以上N、P牌照。至于为什么不用N和P之间的字母O，这是因为O牌照不对普通车发放。 天津市（津）津A、津B、津C、天津市，津E出租车; 上海市（沪）沪A、沪B、沪D上海市区，沪C远郊区 重庆市（渝）渝A重庆市区（江南），渝B重庆市区（江北），渝C永川区，渝F万州区，渝G涪陵区，渝H黔江区河北省（冀）冀A石家庄，冀B唐山，冀C秦皇岛，冀D邯郸，冀E邢台，冀F保定，冀G张家口，冀H承德，冀J沧州,冀R廊坊，冀T衡水 云南省（云）云A昆明，云B东川，云C昭通，云D曲靖，云E楚雄彝族，云F玉溪，云G红河哈尼族，云H文山壮族苗，云J思茅，云L大理白族，云K西双版纳，云M保山，云N德宏傣族，云P丽江，云Q怒江僳族，云R迪庆藏族，云S临沧 辽宁省（辽）辽A沈阳，辽B大连，辽C鞍山，辽D抚顺，辽E本溪，辽F丹东，辽G 锦州，辽H营口，辽J阜新，辽K辽阳，辽L盘锦，辽M铁岭，辽N朝阳，辽P葫芦岛，辽V省直机关 黑龙江省（黑）黑A哈尔滨，黑B齐齐哈尔，黑C牡丹江，黑D佳木斯，黑E大庆，黑F 伊春，黑G鸡西，黑H鹤岗，黑J双鸭山，黑K七台河，黑L松花江行署，黑M绥化，黑N黑河，黑P大兴安岭 湖南省（湘）湘A长沙，湘B株洲，湘C湘潭，湘D衡阳，湘E邵阳，湘F岳阳，湘G 大庸，湘H益阳，湘J常德，湘K娄底，湘L郴州，湘M零陵，湘N怀化，湘P湘西州安徽省（皖）皖A合肥，皖B芜湖，皖C蚌埠，皖D淮南，皖E马鞍山，皖F淮北，皖G 铜陵，皖H 安庆，皖J黄山，皖K阜阳，皖L宿州，皖M滁州，皖N六安，皖P宣城，皖Q巢湖，皖R池州 山东省（鲁）鲁A济南，鲁B青岛，鲁C淄博，鲁D枣庄，鲁E东营，鲁F烟台，鲁G 潍坊，鲁H济宁，鲁J泰安，鲁K威海，鲁L日照，鲁M莱芜，鲁N德州，鲁P聊城，鲁Q临沂，鲁R菏泽，鲁U青岛开发区 新疆维吾尔（新）新A乌鲁木齐，新B昌吉回族，新C石河子，新D奎屯，新E博尔塔拉，
全国车牌查询及车牌号含义常识 北京 [京] A(公交) B（出租车）C E F H G（远郊区县） 上海[沪] 沪A、沪B、沪D 、沪E 、沪F、沪G 、沪H 、沪L、沪J、沪K 、沪L 沪M(市区)，沪C(远郊区,不能进外环线)，沪R(崇明、长兴、横沙) ，沪AX、沪BX、沪DX(私营出租) 天津[津] A B C E（出租车）津F 、津G 、津H 、津J、津K、津L、津M、津N、津O（警车） 重庆[渝] A 直属车辆管理所 B 江南车辆管理分所 C 永川车辆管理所：永川市、江津市、合川市、潼南县、铜梁县、壁山县、大足县、綦江县、荣昌县 F 万州车辆管理所：万州区、梁平县、城口县、巫山县、巫溪县、忠县、开县、奉节县、云阳县 G 涪陵车辆管理所：涪陵区、南川市、垫江县、丰都县、武隆县 H 黔江车辆管理所：黔江区、石柱土家族自治县、秀山土家族苗族自治县、酉阳土家族苗族自治县、彭水苗族土家族自治县 河北[冀] A 石家庄市B 唐山市C 秦皇岛市D 邯郸市E 邢台市F 保定市G 张家口市H 承德市J 沧州市R 廊坊市T 衡水市 山西[晋] A 太原市B 大同市C 阳泉市D 长治市E 晋城市F 朔州市H 忻州市J 吕梁地区K 晋中市L 临汾市M 运城市 内蒙古[蒙] A 呼和浩特市B 包头市C 乌海市D 赤峰市E 呼伦贝尔市F 兴安盟 G 通辽市H 锡林郭勒盟J 乌兰察布盟K 鄂尔多斯市L 巴彦淖尔盟M 阿拉善盟 辽宁[辽] A 沈阳市B 大连市C 鞍山市D 抚顺市E 本溪市F 丹东市G 锦州市 H 营口市J 阜新市K 辽阳市L 盘锦市M 铁岭市N 朝阳市P 葫芦岛市V 省直机关 吉林[吉] A 长春市B 吉林市C 四平市D 辽源市E 通化市F 白山市G 白城市H 延边朝鲜族自治州J 松原市 黑龙江[黑] A 哈尔滨市B 齐齐哈尔市C 牡丹江市D 佳木斯市E 大庆市F 伊春市 G 鸡西市H 鹤岗市J 双鸭山市K 七台河市L 松花江地区（已并入哈尔滨市，车牌未改） M 绥化市N 黑河市P 大兴安岭地区R 农垦系统 江苏[苏] A 南京市B 无锡市C 徐州市D 常州市E 苏州市F 南通市G 连云港市H 淮安市J 盐城市K 扬州市L 镇江市M 泰州市N 宿迁市