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。實驗數據如表1所示。

表1 實驗結果

　　實驗表明，該算法有效地實現了車牌圖像在受外界環境和復雜背景等多種因素影響的情況下，車牌準確定位的問題，具有實時性和準確性等優點。同時由于二次定位是對處理的車牌圖片進行定位，定位時間明顯縮短，具有較好的應用前景。