常用的車(chē)牌定位的方法有基于顏色的方法、基于紋理特征的方法、基于數(shù)學(xué)形態(tài)學(xué)的方法、基于小波變換的方法等。這些車(chē)牌定位方法，都各自具有不同的局限性。使用Mean Shift算法進(jìn)行車(chē)牌定位可以獲得比較好的效果。對(duì)于圖像空間的所有像素點(diǎn)，在經(jīng)過(guò)Mean Shift算法迭代后，如果終收斂于同一點(diǎn)，則停止迭代。用同樣的方法對(duì)圖像空間中的所有像素點(diǎn)進(jìn)行迭代遍歷，得出的結(jié)果根據(jù)收斂點(diǎn)的不同可以把整個(gè)空間分成幾個(gè)區(qū)域。這些區(qū)域即為可能的車(chē)牌區(qū)域，再通過(guò)上述特征在可能的車(chē)牌區(qū)域中進(jìn)行對(duì)照分析，就可以得到車(chē)牌區(qū)域。車(chē)牌校正是利用車(chē)牌區(qū)域的矩形序列分布同組成車(chē)牌號(hào)的字母、數(shù)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點(diǎn)排列的近似斜率，從而找出車(chē)牌區(qū)域的偏轉(zhuǎn)角度，完成車(chē)牌圖像區(qū)域的校正。

針對(duì)車(chē)牌開(kāi)展配套的定位操作，目的是在拍攝獲得的汽車(chē)圖像之內(nèi)，識(shí)別具體的車(chē)piao范圍，同時(shí)將車(chē)牌圖像實(shí)現(xiàn)提取操作，以此來(lái)實(shí)現(xiàn)之后的切分以及識(shí)別的操作。車(chē)牌定位屬于綜合識(shí)別體系的關(guān)鍵構(gòu)成，科學(xué)的判斷具體的車(chē)牌范圍，則屬于提升綜合體系識(shí)別率的核心要素。以形態(tài)學(xué)和有關(guān)的邊緣檢測(cè)作為基礎(chǔ)的定位方式，核心為五方面的基礎(chǔ)流程。它不僅僅是計(jì)算機(jī)視覺(jué)與模式識(shí)別技術(shù)重要的研究話題，更是交通管理智能化的關(guān)鍵技術(shù)之一。

字符分割：使汽車(chē)牌照區(qū)域圖像在直立方向上完成投影，然后得出汽車(chē)牌照?qǐng)D像的直方圖，篩選出適合的閾值，挑選出字符及其背景。

車(chē)牌定位在選出該范圍之后，通過(guò)邊緣處理、灰度拉伸、二值化處理等等過(guò)程，進(jìn)一步準(zhǔn)確字符區(qū)域，然后依照字符的尺寸特性選出樣板，再完成字符的分割，并對(duì)字符的大小實(shí)現(xiàn)化處理。濮陽(yáng)正大電動(dòng)門(mén)業(yè)有限公司