1．2 车牌的定位
    根据拍摄到的车牌图像的特点，牌照一般是在图像的下方，且牌照下方多数是地面，在水平方向上，地面的图像灰度分布比较均匀；而牌照区域由于图像字符的分布，使得图像灰度值在水平方向上的变化频率比较大，且变化间隔较均匀。根据上面的分析，车牌从下至上来定位可以避免上面复杂背景的干扰，缩短定位时间。图像不同部分的水平灰度值变化如图4～7所示，其中图4是车牌区域中字符下边缘的与上边缘的水平灰度值的变化(图中白线所示)，图5是车牌区域外下边缘与上边缘的水平灰度值的变化。根据灰度值的变化便可定位出车牌的字符区域，如图6所示。

2 字符的分割
    经过图像分割后的车牌区域中，字符与牌照底的内部灰度较均匀，而字符与底色在灰度上有较大差异，并且字符间有明显的间距。根据这个特点，将字符区域中字符像素的个数垂直投影来进行字符的分割。设置一个阈值T用来区分字符与牌照底色，hhi(0≤i<W)表示水平位置i处字符在垂直方向的像素个数，W表示车牌区域的宽度。当字符区域的灰度值h>T时，对应的水平位置的hhi自增1。统计后hhi显示如图7所示，可以看出灰度值的垂直投影间存在明显的间隔，并与字符间隔相对应。
    根据hhi的值，当

   
    根据式(2)分割后的字符如图8所示，分割效果比较明显。

3 结论
    本文提出了一种改进的模糊C均值聚类算法用来对车牌图像进行分割，改进算法中通过图像灰度直方图来初始化聚类中心与聚类数目，并对聚类中的隶属度做了相应的修正。在车牌定位与字符分割中，结合车牌中字符的分布特点，根据水平灰度值的变化曲线，来实现车牌的定位；根据字符区域中字符像素个数的垂直投影，来实现字符的分割。本文中的算法采用VC++6．0编程实现，并对多幅背景复杂的车辆图像进行了实验，实验结果表明该算法能够较快、较准确地获得车牌自动识别效果。