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

針對車牌開展配套的定位操作，目的是在拍攝獲得的汽車圖像之內(nèi)，識別具體的車piao范圍，同時將車牌圖像實現(xiàn)提取操作，以此來實現(xiàn)之后的切分以及識別的操作。車牌定位屬于綜合識別體系的關(guān)鍵構(gòu)成，科學的判斷具體的車牌范圍，則屬于提升綜合體系識別率的核心要素。以形態(tài)學和有關(guān)的邊緣檢測作為基礎的定位方式，核心為五方面的基礎流程。它不僅僅是計算機視覺與模式識別技術(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：使汽車牌照區(qū)域圖像在直立方向上完成投影，然后得出汽車牌照圖像的直方圖，篩選出適合的閾值，挑選出字符及其背景。

車牌定位在選出該范圍之后，通過邊緣處理、灰度拉伸、二值化處理等等過程，進一步準確字符區(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，并對字符的大小實現(xiàn)化處理。濮陽正大電動門業(yè)有限公司