(1)在r、θ適當(dāng)?shù)淖畲笾岛妥钚≈抵g建立一個離散的參數(shù)空間；

滿足式(3)的連通區(qū)域保留下來，就可以檢測到車牌的字符區(qū)域，如圖4(a)所示。

為了定位出整個車牌，需要將檢測到的車牌文本所有的字符區(qū)域連通起來形成一個大的連通域，并適當(dāng)向外擴展。定位出的車牌區(qū)域如圖4(b)所示。為了避免在上個步驟中出現(xiàn)牌照內(nèi)的某個字符未被檢測到或者仍然留有偽文本區(qū)域未去除的情況，從而影響最后的定位結(jié)果，因此還需要利用整個車牌的寬高比來檢測出最后的牌照區(qū)域。選用牌照寬高比為44：14作為判定標(biāo)準(zhǔn)，以此來定位出最后的車牌區(qū)域，最后精確提取出的車牌區(qū)域如圖4(c)所示。

4 實驗結(jié)果及分析

該算法所需的開發(fā)工具為Matlab7.0，實驗所采用的車牌圖像是在實際環(huán)境中隨機拍攝的，對汽車的背景沒有特殊限制。圖5所示的是對4幅不同場景下的汽車牌照進(jìn)行定位的結(jié)果，圖5(a)的車牌有些傾斜和變形；圖5(b)是在車窗存在反光的情況下拍攝的；圖5(c)的車窗存在部分反光的情況，并且背景比較復(fù)雜，車身存在很多污跡；圖5(d)是在光線較暗的情況下拍攝的，并且車窗上存在其他物體的投影；圖5(e)為這四種場景的定位結(jié)果，雖然這四幅圖像的車牌背景比較復(fù)雜，但仍能準(zhǔn)確定位出車牌的位置。實驗測試結(jié)果表明，這種方法對于光照不均、噪聲較強、環(huán)境背景復(fù)雜的圖像均能成功定位，并提取出車牌區(qū)域，而且算法比較簡單，定位速度快，具有很強的魯棒性。

本文提出了一種基于數(shù)學(xué)形態(tài)學(xué)和Hough變換的車牌綜合定位算法。其利用了國內(nèi)車牌字符的特征，經(jīng)過高帽變換突出感興趣區(qū)域，然后利用邊緣信息通過Hough變換檢測車牌字符的中心線，能夠提高定位結(jié)果的準(zhǔn)確性。實驗結(jié)果表明，對于自然場景下的車牌定位，該算法具有較強的適用性。但復(fù)雜背景下的車牌定位比簡單背景下的定位準(zhǔn)確率低，主要原因是復(fù)雜環(huán)境的背景信息復(fù)雜，干擾較多，使得利用Hough變換檢測字符組的中心線時出現(xiàn)誤差，特別是對于傾斜嚴(yán)重的車牌，本算法的定位率較低，這是下一步的研究方向。