2026年毕设想做「基于FPGA的实时车牌识别」，导师说算法部分太重怕做不完，硬件和算法工作量该怎么切才合理？

其实你导师的担心很实在。个人感觉：预处理（灰度化、Sobel、二值化、投影）放FPGA，字符识别用模板匹配甚至只做数字+字母的定点比对，分割用投影法。硬件占七成，算法三成。重点讲清楚流水线时序和资源占用，答辩就不容易被问穿。

你导师的担心很实在。个人感觉：预处理（灰度化、Sobel、二值化、投影）放FPGA，字符识别用模板匹配甚至只做数字+字母的定点比对，分割用投影法。硬件占七成，算法三成。重点讲清楚流水线时序和资源占用，答辩就不容易被问穿。

先对齐一下你的处境：如果是在校生独立做毕设，通常一学期到一年，还得写论文、跑仿真、准备答辩，真正能投在调试上的时间远少于想象。所以别把目标定成「通用车牌识别系统」，而是定成「一条能跑通、指标可量化、边界清晰的FPGA流水线」。

我的建议是切在数据通路上。摄像头进来的视频流，FPGA负责实时那一段：色彩空间转换、边缘检测、二值化、形态学、连通域或投影定位车牌区域，再把车牌区域裁出来缓存。识别那一端不要全塞进板子，可以先把裁好的小图通过UART或以太网送到PC或软核上跑模板匹配，甚至用现成的字符模板做归一化互相关，只覆盖数字和部分字母。这样硬件承担的是「实时性」这个FPGA真正擅长的事，算法承担的是「判别」，两边都能讲清楚。

比例上，我个人倾向硬件六到七成、算法三到四成，但关键不是数字，而是你要能回答三个问题：流水线几级、每级延迟多少、BRAM和DSP用了多少。答辩老师最爱追问的是时序和资源，不是OCR的数学推导。

你现在的开发板是什么型号，带不带摄像头接口和足够的BRAM？这个条件基本决定了你能切多细。