隨著經(jīng)濟(jì)、技術(shù)的發(fā)展，智能車牌識(shí)別系統(tǒng)成為了智能交通系統(tǒng)中的重要組成部分。車牌識(shí)別定位是車牌識(shí)別系統(tǒng)中的其中一部分，定位是否成功直接是會(huì)影響到是否能夠進(jìn)入車牌識(shí)別跟車牌識(shí)別準(zhǔn)確率的。那么車牌識(shí)別定位的方法有哪些呢？開門紅 車牌識(shí)別系統(tǒng)廠家 在此講解一下幾種方法：

（1）小波變換的車牌定位方法：經(jīng)過基于小波變換的高通濾波，車牌區(qū)域的橫、豎、撇、捺筆劃變得十分簡潔、明晰。小波分析的核心是多分辨率分解，其良好的時(shí)—頻特性使其成為研究精細(xì)結(jié)構(gòu)的理想工具。

（2）灰度圖像的車牌定位方法：灰度數(shù)字圖像是每個(gè)像素只有一個(gè)采樣顏色的圖像。這類圖像通常顯示為從黑色到白色的灰度。為了便于車牌定位，將該圖像轉(zhuǎn)換成二值圖像,即只有黑色和白色兩種顏色的圖像。

（3）形態(tài)學(xué)的車牌定位方法：首先對(duì)原始圖像進(jìn)行二值化處理，然后采用4×1的結(jié)構(gòu)元素對(duì)已二值化的圖像進(jìn)行濾波，去除圖像的噪聲。采用16×9的結(jié)構(gòu)元素再對(duì)去噪后的圖像進(jìn)行膨脹，然后再用同樣大小的結(jié)構(gòu)元素做腐蝕運(yùn)算，使車牌所在的區(qū)域形成連通的區(qū)域。然后標(biāo)記出圖像中所有的連通的區(qū)域，并計(jì)算出每個(gè)連通區(qū)域的外接矩形框，利用車牌的先驗(yàn)知識(shí)，確定車牌的位置。上述基于形態(tài)學(xué)處理的車牌定位方法，可以較好地確定圖像中車牌的位置，且算法簡單、實(shí)時(shí)性強(qiáng)。但是使用過大過小的結(jié)構(gòu)元素，都無法使車牌區(qū)域形成閉合的連通區(qū)域。因此結(jié)構(gòu)元素的選取非常重要。

（4）支持向量機(jī)的定位方法：主要用于解決有限樣本情況下的模式識(shí)別問題。此方法能夠在訓(xùn)練樣本很少的情況下達(dá)到很好的分類推廣能力。由于車牌區(qū)域有著的紋理，尋找一種良好性能的分類器，凸現(xiàn)這種紋理特征，使它與其它區(qū)域區(qū)別開來。