2)．波峰的两个临近波谷之间具有一定宽度，该宽度值由车牌宽度特征决定。
    3)．波谷所占整个图像的高度在一个范围之内，由车牌处于车身较低位置的特点决定。
    在光照均匀和背景不复杂的图像中，车牌的峰值特性十分明显，很容易定位出车牌区域的水平位置。当光照不均匀或者背景复杂的图像中峰值特性不明显，需要选择合理的阈值来准确确定局部最小值是否为谷底问题。本文设定峰顶和峰谷落差的经验阈值为16，峰的宽度阈值为30，即当峰顶和峰谷落差大于16且峰的宽度大于30时，判定该位置为包含车牌区域。车牌下方没有明显的边缘密集区域，所以搜索车牌的时候可以从下往上搜索，当出现的第一个峰值满足上述条件时，该峰值即为车牌的投影区域。由于车牌的底色和车牌字的颜色形成强烈对比，并且在一个相对小的范围内频繁变化，所以可以通过这个特征进行车牌的垂直定位。
(5)．基于数学形态学的定位方法[12]
    基于数学形态学的车牌定位算法是利用开启和闭合这两种运算在图像中进行定位。数学形态学中的开闭运算具有以下特点：
    1) 开运算可以擦除图像中的像素。从而能够去除孤立的小点、毛刺，保持总的位置和形状不变。
    2) 闭运算可以使图像中的像素粘连。这一特点可用于填平小孔、弥合小裂缝，保持总的位置和形状不变。
利用数学形态学中的开闭运算对图像处理，得到多个车牌可能区域，然后用多区域判别法在图像的多个车牌可能区域中找到车牌的正确位置。此算法中结构元素大小的选取至关重要。结构元素过大，会使非车牌区域的边缘点粘连在一起，可能的车牌区域增多，给随后的多区域判别算法带来困难；结构元素过小，车牌区域无法粘连在一起，可能使真正的车牌区域不包含在可能车牌区域集合中。
1.3    车牌定位技术的发展现状
2.1    灰度化
图像的灰度化是将彩色图像转化成为灰度图像的过程称为图像的灰度化处理[1]。彩色图像中的每个像素的颜色有R、G、B三个分量决定，而每个分量有255种值可取，这样一个像素点可以有1600多万（255*255*255）的颜色的变化范围。而灰度图像是R、G、B三个分量相同的一种特殊的彩色图像，其一个像素点的变化范围为255种，所以在数字图像处理种一般先将各种格式的图像转变成灰度图像以使后续的图像的计算量变得少一些。灰度图像的描述与彩色图像一样仍然反映了整幅图像的整体和局部的色度和亮度等级的分布和特征[1]。
灰度化的函数为RGB2gray（）；灰度化能够减小系统对图像的运算量，真彩色的图像由于每个像素值的可取值多，因此图像的值较大，在转换为灰度图像后计算量明显的减少了。一般有以下四种方法对彩色图像进行灰度化：
1）分量法
将彩色图像中的三分量的亮度作为三个灰度图像的灰度值，可根据应用需要选取一种灰度图像。
                    f1(i,j)=R(i,j) f2(i,j)=G(i,j)f3(i,j)=B(i,j)       （2.1）
其中fk(i,j)(k=1,2,3)为转换后的灰度图像在（i,j）处的灰度值。
2）最大值法
将彩色图像中的三分量亮度的最大值作为灰度图的灰度值。
                    f(i,j)=max(R(i,j),G(i,j),B(i,j))                    （2.2） Matlab车牌定位算法的设计+文献综述(6):http://www.youerw.com/yanjiu/lunwen_10150.html