Puede echar un vistazo a uno de los ejemplos de emgucv que le muestran un mundo real ejemplos de trabajo de detección de placas de vehículos utilizando OCR

Http://www.emgu.com/wiki/index.php/License_Plate_Recognition_in_CSharp

Hice un proyecto similar hace unos años en Java, primero apliqué el operador Sobel y luego enmascaré toda la imagen con una imagen de una placa (con el operador Sobel aplicado también). La región de máxima coincidencia es donde está la placa. Luego aplique un OCR a la región seleccionada para obtener el número.

Así es como te sugiero que hagas esta tarea. Lea mi respuesta detallada aquí .

1. Convertir a escala de grises.
2. Desenfoque gaussiano con filtro 3x3 o 5x5.

3. Aplique el filtro Sobel para encontrar bordes verticales.

   Sobel(gray, dst, -1, 1, 0)

4. Umbral de la imagen resultante para obtener una imagen binaria.
5. Aplique una operación de cierre morfológico utilizando un elemento de estructuración adecuado.
6. Encuentra los contornos de la imagen resultante.
7. Encuentra minAreaRect de cada contorno. Seleccione rectángulos basados en la relación de aspecto y el área mínima y máxima.
8. Para cada contorno seleccionado, busque la densidad del borde. Establezca un umbral para la densidad del borde y elija los rectángulos que rompan ese umbral como posibles regiones de la placa.
9. Pocos rectángulos permanecerán después de esto. Puede filtrarlos según la orientación o cualquier criterio que considere adecuado.
10. Recorta estas porciones rectangulares detectadas de una imagen después de adaptiveThreshold de la imagen original (escala de grises) y aplica OCR.

Este es claramente un tipo de problema de visión artificial. Echa un vistazo a OpenCV . Está en C++, pero probablemente podrás interactuar con él de alguna manera.

El Reino Unido ya tiene un sistema que hace eso. Recuerdo haber visto un programa de televisión en el que demostraron que pueden encontrar un coche dentro de Londres en 10 minutos (suponiendo que saben el número y el coche está conduciendo alrededor) Solo leer Wikipedia te da los consejos que necesitas para empezar a pensar en el tema: http://en.wikipedia.org/wiki/Automatic_number_plate_recognition

Te dice exactamente cómo calcular la transformación de sombrero inferior(algo así como una transformada de umbral graduado invertida para mí).

Lo primero que hay que hacer es implementar las dos funciones morfológicas dilatación y erosión.

Para hacer esto necesita su f y b, luego calcula la función sobre una pequeña región de la imagen en un punto manteniendo el valor más grande encontrado.

(f ⊕ b)(s, t) = max{f (s − x, t − y) + b(x, y)
|(s − x), (t − y) ∈ Df ; (x, y)∈Db}

Lo que esto dice es, tomar el máximo de la expresión sobre todos los puntos en la región de dominio(como un pequeño rectángulo centrado en su punto (s, t).

El pseudo código simple sería

max = -infinity // for the point (s,t) on the image, must compute this for all points
for(x = -5 to 5)
for(y = -5 to 5)
max = Max(max, f(s - x, t - y) + b(x,y))

Efectivamente ahora tenemos una nueva imagen de los valores máximos.

En realidad es bastante simple,así que no lo hagas más difícil de lo que es(simplemente estamos agregando b(x, y) a cada punto de la región y averiguando cuál da el valor máximo).

Usted hace lo mismo para la erosión(muy similar a la anterior)

Ahora la apertura y el cierre es la composición de los dos

Puedes piense en ello primero como la realización de una dilatación y luego una erosión para una abertura.

Dice finalmente restar el cierre de la imagen original y usted debe tener su transformación.

Si está interesado en el problema de detectar la presencia de una matrícula (en lugar de reconocerla), probablemente debería mirar la detección de texto en las imágenes, ya que está relacionada con lo que está haciendo.

Esta pregunta está relacionada con la suya: Algoritmo para detectar la presencia de texto en la imagen

Puede usar la detección de rectángulos en opencv o entrene características similares a haar para detectar placas que también están presentes en opencv

También puede referirse a Biblioteca de Reconocimiento Automático de Matrículas & esta consulta . Esto también le dará alguna idea sobre cómo abordar las cosas y cómo son las soluciones existentes.

Pero como respondió Paul, primero debe tratar de encontrar la placa de número rectangular de la imagen completa y luego binarizarla y luego usar las bibliotecas de OCR disponibles (se recomendaría Tesseract)

Puede consultar este enlace que le ayudará a encontrar el placa rectangular. Necesita usar bibliotecas OpenCV, por lo que no necesitará mucha matemática, pero sí una comprensión básica de lo que está sucediendo detrás de escena puede ayudarlo a resolver el problema de una mejor manera.

Es posible que desee comprobar hacia fuera www.openalpr.com como punto de partida. Utiliza una serie de técnicas para encontrar y analizar la matrícula.