在介绍自动车牌识别的代码之前，我们需要定义自动车牌识别算法的主要步骤和任务。自动车牌识别主要分为两步：车牌检测和车牌识别。车牌检测的目的是检测出车牌在整副图像中的位置。当一副图片中的车牌被检测出来了，然后就是第二步-车牌识别，车牌识别使用OCR算法确定车牌上得字母数字字符。
在下面的图中，我们可以看到两个主要算法（车牌检测和车牌识别）的步骤，经过这些步骤之后，识别出车牌中的字符。算法也可能返回错误的结果甚至没有结果。
除了前面图中的基本步骤，我们又额外的定义了三个步骤，这些步骤被用于模式识别算法中。
1.分割：用于检测和移出每个感兴趣的区域和补丁（patch）。
2.特征提取：从每个感兴趣区域中提取一组特征（characteristics）。
3.分类（Classification）:在识别阶段识别车牌中的每个字母，在车牌检测阶段区分图片中有没有车牌。
下面的图片显示了整个算法应用中的模式识别的基本步骤。
除了介绍检测和识别车牌照字符主要的应用外，我们还简单的介绍另外两个主要的内容，而这些内容通常很少有介绍的。
1.如何训练模式识别系统
2.如何评估这样一个系统
这些工作在某种程度上说比这个任务本身更加的重要，因为如果我们不能够正确的训练好我们的模式识别系统，我们的系统就可能没有用或者不能正常工作。不同的模式识别需要不同的训练和评估方式。我们需要在不同的环境和条件下评估我们的系统，利用不同的特征来得到好的效果。这两个任务有时候会结合起来，因为不同的特征会产生不同的识别效果，这些我们可以在评估阶段看到。
