车牌的定位与校正

本章主要描述的是对已有车牌定位方法的研究，了解它们的算法原理及其优缺点，并提出了一种效果更好适用范围更广的车牌识别系统方法，即将Mean Shift算法运用到车牌识别系统，然后在此基础上对车牌进行校正。

图像的对比度不足是图像处理的过程中经常会遇到的问题。主要的原因是在获取车牌图像时受外界环境的影响。对比度不足的图像会影响到图像的后续处理效果，所以，一般情况下，在进行图像处理前会使用灰度变换的方法来对图像进行对比度增强处理，以达到改善视觉效果的目的。适用于公司可以自动判断进入公司的车辆是否属于公司，该应用可以与车辆调度系统相结合，自动客观地记录车辆的车辆，有效提高车辆的使用效率。 

随着高速公路系统新技术的高速发展，车牌识别技术已经成为交通应用方面的重要组成部分，切社会对其的应用也十分广泛，它不但在高速，隧道，桥梁等方面被广泛应用，而且也逐渐的被应用于小区，停车场等方面，也在电子和wei章拍照方面做出较大贡献，介于车牌识别技术的广泛应用，越来越过的国家也都致力于对其的研究，同时也提出了一些较好的办法。但是，单方面而言其流程大概一致，关键差别在于前端采集系统图像的精度，和后端的算法处理。字符识别中对特征值的选取是非常重要的，特征值选取的好坏直接关系到识别的准确度。

图像预处理模块：是指车牌识别系统对所拍摄的汽车图像进行灰度化和边缘检测处理。在自然条件下外界太阳光照往往不均匀，光线强度也是不断变化的，特别是有chao速情况，在此条件下，被摄像机拍摄到的汽车图像往往是不清晰甚至是模糊的，为了得到清晰的图像此时须要对车辆图像其进行图像增强处理；噪声与我们想要处理的图像没有任何关联，还会对我们的处理产生不好的影响。除了光照和光线的影响之外，电子器件和外界环境所带来的噪声干扰也会造成车辆图像清晰度的下降，因此除了对图像进行图像增强处理外还需对原始车辆图像进行降噪处理。

车牌定位是指在经过图像预处理操作后的灰度图像中判断出车辆车牌所在的区域，而车牌分割是指在完整的车辆图像中把本设计所要的车牌区域的图像分割出来，为下一步的字符识别操作做准备。车牌图像处理后的灰度图是一个水平度很高的矩形图样，在预处理图中比较集中，且字符的灰度值和相邻字符图样有较明显差别，因此很容易用边缘算法检测操作来对图像进行分割。车牌定位和分割的精准度将直接影响到终的字符识别的好坏。车牌校正是利用车牌区域的矩形序列分布同组成车牌号的字母、数字位置的分布基本一致的特征，找到了矩形序列中矩形左上角像素点排列的近似斜率，从而找出车牌区域的偏转角度，完成车牌图像区域的校正。