經過移差掃描后的圖片，灰度圖像中的車牌區域變得紋理和線條比較明顯，而且整個圖片的噪音較少，可以進行車牌水平和垂直方向的邊界確定。

　　本文利用水平投影和垂直投影分別確定車牌的邊界。

　　通過對圖像的邊緣檢測處理，清楚地將車牌區域劃分出來，非車牌區域的噪音點減少，所以采用水平投影的方法確定垂直方向的車牌邊界。

　　水平投影是先自上而下對圖像f (xj，yi) 進逐行掃描，將每一列的值相加，得到一維函數f (yi) 。使二維函數轉變為一維函數，如式( 5)所示。

?

　　得到的一維函數是對圖像每一列的白色像素的統計。當f( yi) 值較大時，對應車牌區域; f (yi) 值較小或者為0時，對應非車牌區域噪音，利用這一特點將車牌水平方向的邊界確定。對函數f yi 繪制圖像,可以發現當f (yi) 不為0時，該點的對應的f (xj，yi )豎直方向上存在白色像素點。當f yi 為0時，對應的f (xj ，yi) 豎直方向不存在白色像素，可以確定為非車牌區域。

　　在車牌左右邊界確定時，垂直方向的定位相對噪音減少，垂直投影是先從左到右對圖像f (xj，yi) 進逐行掃描，將每一行的值相加，得到一維函數f (xj )。

　　如式( 6)。

?

　　水平投影和垂直投影的投影圖如圖6 和圖7所示。

?

　　在這個過程中，閾值的選取是根據投影圖的圖像確定的。因為在投影圖中，代表的是每一列或一行的白色像素點的累加。所以當投影圖的值較大時，代表該列或者該行的白色像素點較多，從而為車牌區域;當投影圖的值較小時，為噪音點，所以必須確定一個閾值將噪音去除。本文之前采用的圖像處理方式已將大部分噪音點去除，所以在此先設定好閾值，大于該值的為車牌區域，同時由于車牌本身有長寬比例的特征，一般車牌的比例為22 ：7，根據這一特點最終定位。

　　在車牌定位中，定位方法主要考慮的是對噪聲的抗干擾性是否良好，文中初步定位車牌區域是通過顏色模型的轉換，利用色度和飽和度的范圍大致確定車牌位置。去除了大量的背景噪音，對二次定位的準確性提供了可靠依據。在精確定位中，考慮到車本身存在噪音,例如散熱器、車燈等，但由于車牌位置紋理突出，車身噪音相對較小，所以利用移差掃描將車牌位置更加突出，非車牌區域只剩下單獨的孤立亮點。在精確定位中采用投影，所以就必須去除孤立亮點。文中采用 Matlab工具箱，有效去除了大量的孤立亮點。采用水平投影和垂直投影確定水平和垂直方向的邊界，同時利用車牌本身長寬比例的特點最終定位，實驗證明，對車牌圖片噪音抗干擾性好，定位效果較好。

　　3. 結束語

　　本文利用基于顏色和投影的車牌定位方法，分兩步將車牌區域確定，通過對320 張分辨率為1 024 %768具有不同背景的汽車圖片進行測試，定位成功率達到8*% 以上。