车牌定位的算法有哪些，有什么特点？

这篇课文不一般。建议你下载研究生论文和期刊。懒的话就去百度文库看看，会有很多。

1)基于车牌图像颜色信息的定位方法[12]。中国的车牌主要由四种类型组成:蓝底白字和黄底。

黑字，白底红字，黑底白字。根据车牌的背景信息，可以准确定位车牌的边界。这种方法识别滤波器高，适应性强，但易受光照条件和背景干扰，计算量一般较大，不适合实时性要求高的环境。

2)基于边缘检测的定位方法[13]。车牌字符区域灰度频率的变化是车牌区域最稳定的特征。

标志，你可以用它的变化来定位车牌。首先对车辆图像进行增强，然后提取边缘，最后利用水平扫描线等方法检测出车牌区域。这种方法定位精度高，反映时间快，能有效去除噪声，适用于背景复杂的车辆图像。但是在车牌褪色严重的情况下，定位会因为检测不到字符笔画的边缘而失败。

3)基于车牌几何特征的车辆定位方法[14]。中国的车牌标准轮廓尺寸为440*140，为长方形。

整个车牌的长宽比约为3: 1。利用这一固有特征，提取出车牌帧。这种方法只有在车牌位置基本水平，边框清晰明显的情况下才有效。但是，如果车牌本身的边框破损、不完整或者采集的图像偏离水平角度较大，就会影响定位的精度，因此应用范围较窄。

4)基于频谱分析的车牌定位方法[15]。该方法将图像从空间域变换到频率域进行分析，

例如DFT变换和小波变换。小波分析可以在不同的分辨率级别对图像进行分割，并在低分辨率级别执行粗分割，这节省了时间并缩小了精细分割的检测范围。在高分辨率水平上实现了车牌区域的精确定位。但是当车辆图像中存在噪声时，会对准确识别车牌区域带来很大的干扰，影响车牌定位的准确性。