对于整个画面，统计出每一种(g1,g2)值出现的次数，然后排列成一个方阵，再用(g1,g2)出现的总次数将它们归一化为出现的概率P(g1,g2)，这样的方阵称为灰度共生矩阵。距离差分值（a,b）取不同的数值组合，可以得到不同情况下的联合概率矩阵。（a,b）取值要根据纹理周期分布的特性来选择，对于较细的纹理，选取（1，0）、（1，1）、（2，0）等小的差分值。当a=1,b=0时，像素对是水平的，即0度扫描；当a=0,b=1时，像素对是垂直的，即90度扫描；当a=1,b=1时，像素对是右对角线的，即45度扫描；当a=-1,b=1时，像素对是左对角线，即135度扫描。这样，两个象素灰度级同时发生的概率，就将(x,y)的空间坐标转化为“灰度对”(g1,g2)的描述，形成了灰度共生矩阵。

　　依靠科技求发展，不断为用户提供满意的智能化系统，优质的产品、适中的价格、专业的技术和一流的服务是我们永恒的追求。在机会和挑战并存的竞争环境中，为满足市场不断增长的需求，公司将一直站在行业高新技术的尖端，秉承“理性务实、创新发展”的宗旨，奉行“进取、求实、严谨、团结”的方针，不断开拓创新，以技术为核心、视质量为生命、奉用户为上帝，竭诚为您提供性价比最高的智能产品、高质量的工程设计改造及无微不至的售后服务。

　　车牌识别技术要求能够将运动中的汽车牌照从复杂背景中提取并识别出来，通过车牌提取、图像预处理、特征提取、车牌字符识别等技术，识别车辆牌号、颜等信息，目前新的技术水平为字母和数字的识别率可达到99.7%，汉字的识别率可达到99%。车牌识别技术的识别率一个车牌识别系统是否实用，重要的是识别率。交通技术作过专门的识别率论述，要求是24小时全天候全牌正确识别率95%以上。为了测试一个车牌识别系统识别率，需要将该系统安装在一个实际应用环境中，全天候运行24小时以上，采集至少1000辆自然车流通行时的车牌照进行识别，并且需要将车辆牌照图像和识别结果存储下来，以便调取查看。然后，还需要得到实际通过的车辆图像以及正确的人工识别结果。

　　字符识别方法主要有基于模板匹配算法和基于人工神经网络算法。基于模板匹配算法是首先将分割后的字符二值化，并将其尺寸缩放为字符数据库中模板的大小，然后与模板进行匹配，选取佳匹配作为结果。建立数字库对该方法在车牌识别过程中很重要，数字库准确才能检测出的数据正确。基于人工神经元网络的算法有两种，一种是先对特征提取待识别字符，然后用所获得的特征训练神经网络分配器；另一种是直接将待处理图像输入网络由网络自动实现特征提取直至识别结果。模板匹配实现简单，当字符较规整时，对字符图像的缺损、污迹干扰适应力强且识别率高。因此，这里将模板匹配作为车牌字符识别的主要方法。