如式( 6)。

　　水平投影和垂直投影的投影圖如圖6 和圖7所示。

　　在這個(gè)過程中，閾值的選取是根據(jù)投影圖的圖像確定的。因?yàn)樵谕队皥D中，代表的是每一列或一行的白色像素點(diǎn)的累加。所以當(dāng)投影圖的值較大時(shí)，代表該列或者該行的白色像素點(diǎn)較多，從而為車牌區(qū)域;當(dāng)投影圖的值較小時(shí)，為噪音點(diǎn)，所以必須確定一個(gè)閾值將噪音去除。本文之前采用的圖像處理方式已將大部分噪音點(diǎn)去除，所以在此先設(shè)定好閾值，大于該值的為車牌區(qū)域，同時(shí)由于車牌本身有長(zhǎng)寬比例的特征，一般車牌的比例為22 ：7，根據(jù)這一特點(diǎn)最終定位。

　　在車牌定位中，定位方法主要考慮的是對(duì)噪聲的抗干擾性是否良好，文中初步定位車牌區(qū)域是通過顏色模型的轉(zhuǎn)換，利用色度和飽和度的范圍大致確定車牌位置。去除了大量的背景噪音，對(duì)二次定位的準(zhǔn)確性提供了可靠依據(jù)。在精確定位中，考慮到車本身存在噪音,例如散熱器、車燈等，但由于車牌位置紋理突出，車身噪音相對(duì)較小，所以利用移差掃描將車牌位置更加突出，非車牌區(qū)域只剩下單獨(dú)的孤立亮點(diǎn)。在精確定位中采用投影，所以就必須去除孤立亮點(diǎn)。文中采用Matlab工具箱，有效去除了大量的孤立亮點(diǎn)。采用水平投影和垂直投影確定水平和垂直方向的邊界，同時(shí)利用車牌本身長(zhǎng)寬比例的特點(diǎn)最終定位，實(shí)驗(yàn)證明，對(duì)車牌圖片噪音抗干擾性好，定位效果較好。

　　3. 結(jié)束語

　　本文利用基于顏色和投影的車牌定位方法，分兩步將車牌區(qū)域確定，通過對(duì)320 張分辨率為1 024 %768具有不同背景的汽車圖片進(jìn)行測(cè)試，定位成功率達(dá)到8*% 以上。實(shí)驗(yàn)數(shù)據(jù)如表1所示。

表1 實(shí)驗(yàn)結(jié)果

　　實(shí)驗(yàn)表明，該算法有效地實(shí)現(xiàn)了車牌圖像在受外界環(huán)境和復(fù)雜背景等多種因素影響的情況下，車牌準(zhǔn)確定位的問題，具有實(shí)時(shí)性和準(zhǔn)確性等優(yōu)點(diǎn)。同時(shí)由于二次定位是對(duì)處理的車牌圖片進(jìn)行定位，定位時(shí)間明顯縮短，具有較好的應(yīng)用前景。