Matlab渣土车车牌图像提取和分割技术研究(9)
图3-8 车牌定位提取流程
以下是结果图（图3-9），剪切出来的车牌区域：
图3-9 车牌定位提取结果
2. 车牌处理
之后要对提取出来的车牌进行处理，期中很多操作和之前为定位车牌而对照片的处理类似。除了最后一步，也就是膨胀腐蚀的操作。因为已经得到了车牌的区域了，那么选择膨胀操作还是腐蚀操作就要拿捏得当了。有一组图片可以很好的凸显出两者的区别（见图3-10）：
依次是：原图，腐蚀后的图，膨胀后的图
图3-10 腐蚀膨胀效果对比图
由上图可以知道：
膨胀和腐蚀的效果差别非常明显。
所以在得到了车牌的二值图像后，必须根据车牌的区域大小选择膨胀或是腐蚀来加强显示车牌提供的有限信息，这样才能提交切割字符成功的概率。所以可以用一个简单的算法来控制这个问题：根据车牌面积占总图片面积的百分率来决定这时候是应该膨胀还是腐蚀。
经过查阅资料，百分率一般都在30-40之间，所以我选取了中值35%来作为一个阈值来控制，即：
若车牌区域面积大于总面积的35%，则进行腐蚀操作；反之，则进行膨胀操作。流程图如下（图3-11）：
图3-11 车牌处理流程图
基本处理的结果示意图（图3-12）：
图3-12 车牌处理后的效果图
3.2.3 车牌字符分割
字符分割的基本流程图（图3-13）：
图3-13 字符分割流程图
为达到蓝色和黄色车牌都能识别的目的，还需要将膨胀腐蚀处理后的车牌进行取非，来使这个黄色车牌处理后的二值图像和蓝色车牌处理后的二值图像信息类型一致，从而可以使用同一个算法。
下面是取非之后的车牌二值图像（图3-14）：
图3-14 黄牌照二值图像取非后
然后就可以进行字符分割了。首先要将有连续文字的区域提取出来（利用cut()函数），然后再进行字符分割(利用getcharacter()函数)。