基于垂直分割的方法

基于垂直分割的方法可以分为3类： 

模板匹配法：在去除车牌边框，精确定位车牌上下边界后，从左到右逐行扫描，找字符区域与字符间空隙区域背景像素数目的最大差值，根据这个差值的局部最大进行字符的分割。 

可以很好的解决字符粘连和铆钉的干扰，汉字左右结构的也不会被拆分，但是车牌必须要很规范，变形之类的都会导致错误。计算复杂，容易受到左右边框的影响。

 垂直投影法：逐列对前景字符像素数目计数，根据波谷确定分割位置。 

可以解决变形不是很严重的车牌，但是对字符连接、铆钉、左右边框、噪声等很敏感。

预处理很重要，如倾斜校正，去噪等，分割之后要归一化大小。

预处理过程为：OSTU二值化，统一底色（亮底暗字或者暗底亮字），去噪（中值滤波），倾斜校正（hough变换确定倾斜角度，旋转时双线性插值），去边框（水平或垂直投影） 

垂直切分法：基于连通域的垂直切分方法，利用了车牌字符中除了部分汉字外的字符都是联通的这一先验知识。 

对铆钉、噪声不是很敏感，对字符连接很敏感，左右结构的汉字也很容易出错。 

先垂直方向上分割得到初步的结果，在水平分割进一步精确确定字符区域，减少边框或者背景元素。 

在基本方法基础上的改进方法：

轮廓特征+垂直投影：先进行垂直投影，根据某个阈值T，进行分割，可以得到初始分割下的起始列和终止列，若分出来的数目刚好==7，结束；若小于7，则以2个步长增加阈值T，继续进行分割，若等于7则结束，反之，小于7 继续递增步长分割，大于7则考虑区域的合并。求区域的平均宽度，分析各个宽度过大或过小的区域，看能否进行分割或者合并。从上往下和从下往上扫描，扫描到第一次遇到的字符像素高度为止，可以得到字符出现的上下轮廓线，根据这些轮廓下的波峰波谷可以进行分割。将垂直投影和轮廓线相结合。 

CC+垂直投影：利用车牌中字符中大多数为联通的以及其间间距的先验知识。

 模板匹配+垂直投影的自适应方法：根据具体情况自适应的选择使用模板匹配还是垂直投影。先进行初步的垂直投影，看分割之后的数目是否为7，若等于7，直接垂直投影进行分割，反之，使用模板匹配方法。分割点的确定在《基于垂直分割》中有给定的公式去确定。

 另一种模板匹配和垂直投影相结合的方法：针对单行车牌而言，第二个字符和第三个字符之间的间距明显的大，根据这个先验知识，先粗分割为两部分，分别包括 2 个字符和 5 个字符，（建立在已经去除车牌边框的基础上），然后在对这两部根据其宽度以及对字符数目和间距情况已知的基础上确定模板，进行模板匹配，同时以垂直投影作为验证或辅助。

还有类似的方法，所谓的基于车牌字符固有特征与投影相结合的方法，粗分为 2 个字符区域+5个字符区域，然后在每个区域内部分别进行细分。也是需要在预处理，如二值化，倾斜校正，去边框的基础上。

 根据垂直投影面积法：同样是垂直投影，只是分割点确定的公式不同。 

基于水平投影的方法：

对车牌的质量要求很高，不能很好的解决字符连接和汉字不连通的问题。 

水平切分+垂直切分+结果鉴定。水平投影确定字符的上下边界，即高度，垂直切分确定各个字符的左右边界，即宽度。关于鉴定 ？ 怎么鉴定的 ？

 聚类分析字符分割法：

受噪声影响小，可以解决字符连接和汉字不连通的问题，可以解决两行字符的车牌中字符分割的问题，但执行效率低，对车牌的宽度有限制。

 基于Renyi熵+数学形态学边缘检测：先用二维Renyi熵最大阈值法对车牌图像做二值化处理，然后用形态学腐蚀运算进行边缘检测，在去除车牌边框，最后通过投影分割提取车牌字符，投影时先垂直投影，得到字符的左右边界，在水平投影，定位其上下边界。 

基于伴生和互补颜色特征的方法：利用车牌固有的颜色搭配特征，根据伴生与互补的特点，直接从车牌图像中提取符合字符颜色的字符区域和背景区域的负片，将二者融合得到二值化图像，在利用垂直积分投影进行字符分割。 

基于差分投影与优割字符：需要进行预处理，利用水平差分投影图进行倾斜校正和水平切割，同时进行倾斜校正和水平切割，OSTU二值化，然后结合连通域算法和垂直投影，生成滑动的分割模板进行字符的垂直分割，其中有评判函数来确定某个块儿的分割是否是好的，来决定是作为分割字符保留结果还是继续进行。 

利用反馈对字符进行精确分割的方法：先进行粗分割，然后根据字符个数与字符宽度反馈和字符识别反馈进行精确分割。

 预处理过程：

增强（去噪，校正不均匀光照，增强对比度）

去噪（中值滤波），校正不均匀光照（低通滤波获得图像背景的照度估计，再从原始图像中减去此照度以实现校正），增强对比度（对比拉伸变换）

倾斜校正

       《一种新的面向字符分割的车牌图像预处理方法》（04年）中罗列了各种倾斜校正方法，同时提出了新的倾斜校正的方法。

 二值化（边缘增强 ？？ 需要吗 ？ 目的 ？ ）

       OSTU 

这些方法大都需要预处理过程，包括：去噪，二值化（使用OSTU更多），倾斜校正（用Hough较多），去除车牌的边框等，个别的还需要对车牌图像进行对比增强。 

处理流程：灰度化，去噪，不均匀光照校正，对比增强，二值化，车牌上下边框的去除，垂直投影字符分割等。 

其中车牌边框去除的方法有：根据跳变的次数（从 1/3 高度开始向上扫；从2/3高度开始向下扫，根据跳变的次数确定哪些 row 是背景或者边框row，直接去掉）；连续的前景长度（因车牌边框也是以前景的身份存在的，不同于字符的是，其连续前景长度比字符要长，根据这点也可以确定哪些 row 是边框或背景，长度阈值可以是相应车牌宽度或高度的几分之几）等。