вы можете взглянуть на один из примеров emgucv, которые показывают вам реальные рабочие примеры обнаружения автомобильных пластин с помощью OCR

http://www.emgu.com/wiki/index.php/License_Plate_Recognition_in_CSharp

Я сделал подобный проект несколько лет назад в Java, сначала я применил оператор Собеля а затем замаскировал все изображение с изображением пластины (с оператором Sobel применяется тоже). Область максимального совпадения находится там, где находится пластина. Затем примените OCR к выбранной области, чтобы получить номер.

вот как я предлагаю вам выполнить эту задачу. Прочитайте мой подробный ответ здесь.

1. преобразовать в оттенки серого.
2. размытие Гаусса с фильтром 3x3 или 5x5.

3. применить фильтр Собеля, чтобы найти вертикальные края.

   Sobel(gray, dst, -1, 1, 0)

4. порог результирующее изображение, чтобы получить двоичное изображение.
5. примените морфологическую операцию закрытия, используя подходящий структурирующий элемент.
6. найти контуры полученного изображения.
7. найти minAreaRect каждого контура. Выберите прямоугольники на основе соотношения сторон и минимальной и максимальной площади.
8. для каждого выбранного контура найдите плотность кромки. Установите порог для плотности кромок и выберите прямоугольники, нарушающие этот порог, как возможные области пластины.
9. после этого останется несколько прямоугольников. Вы можете фильтровать их на основе ориентации или любых критериев, которые вы считаете подходящими.
10. закрепите эти обнаруженные прямоугольные части из изображения после adaptiveThreshold исходного (в оттенках серого) изображения и применить OCR.

Это явно тип проблемы компьютерного зрения. Взгляните на OpenCV. Это в C++, но, вероятно, вы сможете интерфейс с ним как-то.

в Великобритании уже есть система, которая делает это. Я помню, как видел телешоу, в котором они продемонстрировали, что могут найти машину в Лондоне в течение 10 минут (предполагая, что они знают номер, и автомобиль едет вокруг) Просто чтение Википедии дает вам указатели, которые вам нужно, чтобы начать думать о проблеме: http://en.wikipedia.org/wiki/Automatic_number_plate_recognition

Он точно говорит вам, как вычислить преобразование нижней шляпы(похоже на инвертированное градуированное пороговое преобразование для меня).

Первое, что нужно сделать, это реализовать две функции морфологии дилатации и эрозии.

для этого вам нужны ваши f и b, затем вы вычисляете функцию над небольшой областью изображения в точке, сохраняя наибольшее найденное значение.

(f ⊕ b)(s, t) = max{f (s − x, t − y) + b(x, y)
|(s − x), (t − y) ∈ Df ; (x, y)∈Db}

что это говорит, возьмите максимум выражения по всем точкам в область домена (например,небольшой прямоугольник с центром в вашей точке (s, t).

простой псевдо код будет

max = -infinity // for the point (s,t) on the image, must compute this for all points
for(x = -5 to 5)
for(y = -5 to 5)
max = Max(max, f(s - x, t - y) + b(x,y))

фактически у нас теперь есть новый образ максимальных значений.

это на самом деле довольно просто,поэтому не усложняйте его(мы просто добавляем b(x, y) к каждой точке в регионе и выясняем, какой из них дает максимальное значение).

вы делаете то же самое для эрозии(очень похоже на выше)

теперь открытие и закрытие-это композиция из двух

вы можете думать об этом сначала как о выполнении дилатации, а затем эрозии для открытия.

Он говорит, Наконец, вычесть закрытие из исходного изображения, и вы должны иметь свое преобразование.

Если вас интересует проблема обнаружения наличия номерного знака (в отличие от его распознавания), вам, вероятно, следует посмотреть на обнаружение текста в изображениях, поскольку оно связано с тем, что вы делаете.

этот вопрос связан с вашим: алгоритм обнаружения наличия текста на изображении

вы можете использовать обнаружение прямоугольника в OpenCV или поезд haar как функции для обнаружения пластин, которые также присутствуют в opencv

вы также можете обратиться к автоматическая библиотека распознавания номерных знаков & запрос. Это также даст вам некоторое представление о том,как подходить к вещам, и как существующие решения.

но, как ответил пол, вы должны сначала попытаться найти прямоугольную номерную пластину из полного изображения, а затем бинаризовать ее, а затем использовать доступные библиотеки OCR (рекомендуется Tesseract)

вы можете обратиться к этой ссылке что поможет вам найти прямоугольную пластину. Вам нужно использовать библиотеки openCV, поэтому вам не понадобится много математики, но да базовое понимание того, что происходит за кулисами, может помочь вам решить проблему лучше.

вы можете проверить www.openalpr.com в качестве отправной точки. Он использует ряд методов для поиска и анализа номерного знака.