【文章內容簡介】 采用方法一由于圖片效果的問題和最小條件值的原因可能 找不到車牌，然后在進行第二種方法的搜索。設定一個矩形框，矩形框的大小是固定的。然后遍歷圖像中的點，找到矩形寬內灰度值總和最大的點。即找到車牌。 圖 10 矩形框法原理圖 圖 11 找到的車牌 實現代碼： public BufferedImage imagLocationMethd(){ for (int i = 0。 i width。 i++) { for (int j = 0。 j height。 j++) { int pixel = (i, j)。 pixels[i][j][0] = getAlpha(pixel)。 pixels[i][j][1] = getRed(pixel)。 pixels[i][j][2] = getGreen(pixel)。 pixels[i][j][3] = getBlue(pixel)。 } } long xwalk = 0。 long ywalk_left = 0。 long ywalk_right = 0。 int acclefttop = 0。 int accrighttop = 0。 int accleftbellow = 0。 int accrightbellow = 0。 int[] fixlefttop = new int[2021]。 int[] fixrighttop = new int[2021]。 int[] fixleftbellow = new int[2021]。 int[] fixrightbellow = new int[2021]。 for(int i=20。i。i++) {for(int j=1。j。j++) {for(int k=0。k70。k++) { xwalk+=[j+k][i][2]。 } for(int m=0。m20。m++) { ywalk_left+=[j][i+m][2]。 } if(xwalk3000amp。amp。ywalk_left1300) { if(acclefttop+22021) { fixlefttop[acclefttop]=i*width+j。 acclefttop++。 } } for(int m=0。m20。m++) { ywalk_right+=[j+70][i+m][2]。 } if(xwalk3000amp。amp。ywalk_right1300) { if(accrighttop+22021) { fixrighttop[accrighttop]=i*width+j+70。 accrighttop++。 } } xwalk=0。 ywalk_left=0。 ywalk_right=0。 } } xwalk=0。 ywalk_left=0。 ywalk_right=0。 for(int i=50。i。i++) { for(int j=1。j。j++) { for(int k=0。k70。k++) { xwalk+=[j+k][i][2]。 } for(int m=0。m20。m++) { ywalk_left+=[j][im][2]。 } if(xwalk3000amp。amp。ywalk_left1300) { if(accleftbellow+22021) { fixleftbellow[accleftbellow]=i*width+j。 accleftbellow++。 } } for(int m=0。m20。m++) { ywalk_right+=[j+70][im][2]。 } if(xwalk3000amp。amp。ywalk_right1300) { if(accrightbellow+22021) { fixrightbellow[accrightbellow]=i*width+j+700。 accrightbellow++。 } } xwalk=0。 ywalk_left=0。 ywalk_right=0。 } } int x = 0, y = 0。 double rate = 0。 int wt, ht boolean fin = false, righttop = false, leftbellow = false。 int temp = 0。 for (。 fixrightbellow[temp] != 0。 temp++) 。 for (int i = 0。 fixlefttop[i] != 0。 i++) { for (int j = temp 1。 j = 0。 j) { ht = (fixrightbellow[j] fixlefttop[i]) / width。 wt = fixrightbellow[j] fixlefttop[i] ht * width。 rate = (double) wt / (double) ht。 if (wt 70 amp。amp。 ht 10 amp。amp。 rate amp。amp。 rate amp。amp。 wt 150 amp。amp。 ht 60) { for (int m = 0。 fixrighttop[m] != 0。 m++) { if (fixlefttop[i] == fixrighttop[m] wt) righttop = true。 } for (int m = 0。 fixleftbellow[m] != 0。 m++) { if (fixrightbellow[i] == fixleftbellow[m] + wt) leftbellow = true。 } if (righttop == true || leftbellow == true) { fin = true。 y = fixlefttop[i] / width。 x = fixlefttop[i] y * width。 break。 } } if (fin == true) break。 } } (x + x + y + y)。 if (x == 0 amp。amp。 y == 0) { int widthed = 。 long max = 0。 long maxi = 0。 for (int a = 0。 a * widthed * 29 85。 a++) { long value = 0。 if (a (a / widthed) * widthed widthed 90) continue。 int xx=0,yy=0,xx0=0,yy0=0。 for (int i = 0。 i 4。 i++) { for (int j = 0。 j 85。 j++) { xx=(int)(a + i * widthed + j)/widthed。 yy=(int)(a + i * widthed + j)xx*widthed。 xx0=(int)(a + i * widthed + j + 25 * widthed 1)/widthed。 yy0=(int)(a + i * widthed + j + 25 * widthed 1)xx0*widthed。 value += [yy][xx][2]。 value += [yy0][xx0][2]。 } } for (int m = 0。 m 22。 m++) { for (int n = 0。 n 4。 n++) { xx=(int)(a + 4 * widthed + m* widthed + n)/widthed。 yy=(int)(a + 4 * widthed + m* widthed + n)xx*widthed。 xx0=(int)(a + 4 * widthed + m * widthed + n + 76)/widthed。 yy0=(int)(a + 4 * widthed + m * widthed + n + 76)xx0*widthed。 value += [yy][xx][2]。 value += [yy0][xx0][2]。 } } if (value = max) { max = value。 maxi = a。 } } x = (int) (maxi / widthed)。 y = (int) (maxi widthed * x)。 (x + x + y + y)。 } int wfix = 140, hfix = 50。 int cutx = 0, cuty = 0。 if (x + wfix 15 + 1 ) wfix = x + 40 1。 if (y + hfix 15 + 1 ) hfix = y + 15 1。 if (x 40 0) cutx = x 40。 if (y 15 0) cuty = y 15。 currentImage = (cutx+5, cuty5, wfix, hfix)。 return currentImage。 } 二值化 一幅圖像包括目標物體、背景還有噪聲，要想從多值的數字圖像中直接提取出目 標物體，最常用的方法就是設定一個閾值 T，用 T 將圖像的數據分成兩部分：大于 T 的像素群和小于 T 的像素群。這是研究灰度變換的最特殊的方法，稱為圖像的 二值化 （ BINARIZATION）。 通過取直方圖的特征灰度值的方法實現二值化。 圖 12 二值化后車牌圖 實現代碼： public BufferedImage binarizationMethd() { int wfix = 140, hfix = 50。 int sum=0。 for (int i = 0。 i wfix。 i++) { for (int j = 0。 j hfix。 j++) { int pixel = (i, j)。 pixels[i][j][0] = getAlpha(pixel)。 pixels[i][j][1] = getRed(pixel)。 pixels[i][j][2] = getGreen(pixel)。 pixels[i][j][3] = getBlue(pixel)。 sum+=pixels[i][j][2]。 } } int totalPixels = wfix*hfix。 double[] densityArray = new double[256]。