目标精定位以及改进空间

最后采取radon变化求倾斜角度，然后旋转，错切

可以达到这样的效果:

同理, 可以应用在车牌倾斜校正

－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－

最后车牌识别界面　可以多设计几个场景　比如傍晚场景　夜晚场景　雨天场景　白天场景　对应所需要的　图像处理　不一样

－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－

做OCR，最好需要先矫正, 这样ocr更准确，不然可能导致识别错，而矫正需要先对车牌做精定位，要么找出四个周角，要么找出上下，左右边缘．

车牌定位的难点不在于找到车牌区域，而在于怎么对车牌区域进行更精确的定位．

于是，思路：粗定位，detect出来目标所在区域，使用关键点检测，检测出车牌的四个周角，做精定位，然后进行仿射变换，进行车牌矫正．

做个笔记，可以关注这几个内容：

openCV的goodFeatureTotrack

Harris角点检测

－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－－

4.11日有一个思路：

可以先用lbp把车牌大致区域找出来，粗定位，然后再次用hsv颜色定位，把车牌边框找出来，然后进行矫正，就不用关键点检测了．

也就是：

lbp做初步定位，然后Ｈｓｖ 二次定位，做精准定位

由于光照影响，可以先采用直方图均衡化预处理，达到像素无论怎么映射，一定要保证原来的大小关系不变，较亮的区域，依旧是较亮的，较暗依旧暗，只是对比度增大，绝对不能明暗颠倒

直方图均衡化效果图：