2)由質(zhì)心處分別向兩邊進(jìn)行檢測(cè)。1值作為起點(diǎn)，當(dāng)檢測(cè)到下個(gè)點(diǎn)也為1時(shí)，再繼續(xù)檢測(cè)下個(gè)點(diǎn)；當(dāng)檢測(cè)到下個(gè)點(diǎn)為0時(shí)，num_zero=num_zero+1，再繼續(xù)檢測(cè)下len個(gè)點(diǎn)，若len個(gè)點(diǎn)中有一個(gè)為1，則把這個(gè)點(diǎn)當(dāng)作起點(diǎn)繼續(xù)檢測(cè)。若len個(gè)點(diǎn)均為0，則最后的1值處即為車牌的端點(diǎn)處。
3)若num_zero=6，則車牌區(qū)域完整，跳出循環(huán)。若num_zero6，放寬閾值len_new=1．2*len，再進(jìn)行檢測(cè)。直到len_new=2*len時(shí)，若還未跳出循環(huán)，則說(shuō)明該區(qū)域不是車牌區(qū)域，轉(zhuǎn)入上層循環(huán)，查找下一候選區(qū)域。
結(jié)果表明，在該細(xì)定位的算法下，車牌識(shí)別較為準(zhǔn)確，只有少數(shù)車牌出現(xiàn)字符斷裂的情況。出現(xiàn)斷裂的車牌圖像是因?yàn)檐嚺莆沧址麨閿?shù)字1，在做差分投影時(shí)，其顯示為谷值，故漏檢一位字符。針對(duì)此種情況，將最終定位的車牌邊緣值與初始候選區(qū)域的邊緣值相比較，若投影后的邊緣值小于候選區(qū)域1個(gè)字符長(zhǎng)度以上，則認(rèn)為其尾字符在差分投影中被減掉，可將其補(bǔ)上。最終輸出車牌圖像如圖9所示：

3 實(shí)驗(yàn)結(jié)果
實(shí)驗(yàn)所采用的圖像為640×480像素256級(jí)灰度圖像，其中車牌包括小型民用車牌照(藍(lán)底白字)、大型民用車牌照(黃底黑字)、軍用牌照(白底黑字)。圖像中車牌所占的大小比例各異，背景不同，其中部分車輛車身有明顯的字符圖案和粘貼的警示語(yǔ)。在集中檢測(cè)的80幅圖中正確檢測(cè)了77幅，漏檢1幅。誤檢2幅。漏檢圖像由于車牌掉色過(guò)于嚴(yán)重，導(dǎo)致最后幾位字符無(wú)法檢測(cè)；而誤檢的兩幅圖是因?yàn)檐嚺频撞坑蓄伾⒆址c車牌相近的廣告語(yǔ)，無(wú)法將其與車牌區(qū)分開(kāi)來(lái)。該問(wèn)題可以在車牌定位之后的字符識(shí)別環(huán)節(jié)中可以得到解決。

4 結(jié)論
本文提出的算法綜合了質(zhì)心檢測(cè)排序，顏色判別和投影法字符跟蹤檢測(cè)的方法。該算法通過(guò)質(zhì)心檢測(cè)排序的方法解決了車身上部文字花紋和廣告語(yǔ)、警示語(yǔ)對(duì)車牌識(shí)別的干擾：通過(guò)顏色識(shí)別排除了類似車燈區(qū)域等有著高邊緣特性區(qū)域?qū)嚺茀^(qū)域的干擾；而投影法字符跟蹤檢測(cè)算法解決了在精確車牌字符定位中字符斷裂、缺損等情況的發(fā)生。該算法定位檢測(cè)準(zhǔn)確率高，且抗干擾能力強(qiáng)，在實(shí)際應(yīng)用過(guò)程中是可行有效的。