机器视觉学习笔记(2)--基于边缘检测的车牌定位

导读：车牌定位算法分为三类，一是基于边缘定位，二是基于颜色定位， 三是基于机器学习。用边缘检测查找垂直边缘的方法，可成功定位大部分车牌，定位准确率在 70%左右，对垂直边缘交错的情况下，无法准确地定位车牌。在色彩充足，光照足够的情况下，颜色定位的效果很好，但是在面对光线不足的情况，或者蓝色车身的情况时，颜色定位的效果很糟糕。但如果将边缘定位和颜色定位结果融合，可提升到90%的定位准确率。基于机器学习的算法，不少人利用adaboost+haar特征进行车牌检测，虽然检测率很高，但虚检率很高，很难把车牌完整区域检测出来，所以单独用机器学习方法不可行，可以先利用边缘信息找到候选区域，然后用adaboost去去除非车牌区域，这个效果还是蛮不错的。

要做好车牌定位算法，需要了解车牌的相关信息，按照我国交通管理部门的规定，汽车牌特征如下：

1、颜色特征： 我国车牌颜色分为4种， 分别是蓝底白字、黑底白字、黄底黑字和白底黑字。其中常规车辆使用的是蓝底白字。

2、结构特征：车牌宽度440mm，高度140mm，宽高比3.14。车牌中字符宽度45mm，高度90mm，宽高比0.5，车牌应安装于汽车下部。