上一篇主要介绍了车牌识别的整体框架和流程，车牌识别主要划分为了两个过程：即车牌检测和字符识别，而车牌识别的核心环节就是这一节主要介绍的车牌定位，即 Plate Locate。车牌定位主要是将图片中有可能是车牌的区域定位出来，方便后面进一步的处理。测试代码如下：
1 int test_plate_locate() {
2 cout << "test_plate_locate" << endl;
3 const string file = "resources/image/plate_locate.jpg";
4 cv::Mat src = imread(file);
5 vector<cv::Mat> resultVec;
6 CPlateLocate plate;
7
8 int result = plate.plateLocate(src, resultVec);
9 if (result == 0) {
10 size_t num = resultVec.size();
11 for (size_t j = 0; j < num; j++) {
12 cv::Mat resultMat = resultVec[j];
13 imshow("plate_locate", resultMat);
14 waitKey(0);
15 }
16 destroyWindow("plate_locate");
17 }
18 return result;
19 }View Code
CPlateLocate 是实现车牌定位的主要功能类， 其构造函数比较简单，主函数是 plateLocate，用于定位车牌区域，具体代码如下：
1 //主处理函数
2 int CPlateLocate::plateLocate(Mat src, vector<Mat> &resultVec, int index) {
3 vector<CPlate> all_result_Plates;
4
5 plateColorLocate(src, all_result_Plates, index);
6 plateSobelLocate(src, all_result_Plates, index);
7 plateMserLocate(src, all_result_Plates, index);
8
9 for (size_t i = 0; i < all_result_Plates.size(); i++) {
10 CPlate plate = all_result_Plates[i];
11 resultVec.push_back(plate.getPlateMat());
12 }
13
14 return 0;
15 }View Code
从代码中可以看到，CPlateLocate 此处主要使用了以下三种方法，三种方法混合使用，互为补充。
1、颜色定位 plateColorLocate()；
2、sobel算子定位 plateSobelLocate() ；
3、MSER方法，即最大极值稳定区域方法 plateMserLocate()。
为什么要设计三种方法对车牌进行定位，这里有其使用场景的特殊性。最开始的车牌识别系统都是用sobel算子查找垂直边缘的方法进行车牌识别，但是该方法最大的问题在于面对垂直边缘交错的情况下，无法准确地定位车牌。 如下图所示：
但是颜色定位也并非万能的，例如在色彩充足，光照足够的情况下，颜色定位的效果很好，但是在面对光线不足的情况，或者蓝色车身的情况时，颜色定位的效果很糟糕。 如下图所示：
所以新版本的EasyPR中使用了颜色定位与 Sobel 定位结合的方式。首先进行颜色定位，然后根据条件使用Sobel 进行再次定位，增加整个系统的适应能力。但是有没有可能出现颜色定位和Sobel定位都无法识别车牌的情况呢，当然这种情况是有的，比如对分辨率较大的图片处理仍然不好。再加上颜色定位在面对低光照，低对比度的图像时处理效果大幅度下降，颜色本身也是一个不稳定的特征。因此EasyPR的车牌定位的整体鲁棒性仍然不足。如下图所示：
因此在前面两种方法的基础上又增加了MSER 最大极值稳定区域方法。最大极值稳定区域是由Matas等人提出的一种仿射特征区域提取算法。其提取的区域内部灰度几乎不变但是和背景的对比十分强烈，并且该区域能够在多重阈值下保持形状不变。它是基于分水岭的概念。MSER的基本原理是对一幅灰度图像（灰度值为0～255）取阈值进行二值化处理，阈值从0到255依次递增。阈值的递增类似于分水岭算法中的水面的上升，随着水面的上升，有一些较矮的丘陵会被淹没，类似于二值图像。在得到的所有二值图像中，图像中的某些连通区域变化很小，甚至没有变化，则该区域就被称为最大稳定极值区域。MSER算法的具体描述和实现我们会在后面做详细的介绍。
后续章节我们会分别对这三种车牌定位方法进行详细的介绍。
