我的平台是vs2017和opencv3.4
opencv下载链接点这里
写这个是因为实验课布置了一个车牌识别的作业，
但是网上车牌识别的教程都很复杂，也没有太实际。
对于完全没有接触过的人，完全是一头雾水。
所以我在摸索了一个星期后，终于把这个车牌识别了出来，
希望给新手一个指导，怎么一步步地实现一个简单的车牌识别。
(暂时写个大概，有时间后继续完善！觉得有用的话可以给我一个star)
2018.7.13
好久都没有来更新，为自己的懒惰感到深深的自责。这次来更新一下说明吧！
任务:识别下图中的车牌
要实现车牌识别，一共分为两大步。
第一，车牌定位，就是在图片中确定出车牌的位置；
第二，字符识别，将提取出来的字符图片进行识别。
为什么要高斯滤波呢？原因很简单，因为要平滑图像，去除噪声点。
至于什么是sobel呢？ 我先引用百度的一句话吧：
Sobel算子是像素图像边缘检测中最重要的算子之一，在技术上，它是一个离散的一阶差分算子，用来计算图像亮度函数的一阶梯度之近似值。在图像的任何一点使用此算子，将会产生该点对应的梯度矢量或是其法矢量。
那我们用sobel算子干嘛呢？我们的目标是定位车牌，因为车牌的周围轮廓分明，使用sobel可以清晰的提取边缘，效果如图所示：
这时我们就可以看到车牌成为了图像中亮度最大的区域，所以我们这次再来进行二值化，只保留高于一定阈值的点，效果图如下：
图像中的这些点我们怎么利用呢？这时我们需要将这些点所在的区域连通起来，所以会用到闭运算。
什么是闭运算呢？
在数学形态学中，闭运算被定义为先膨胀后腐蚀。
了解上面的之后，相信你也知道这里该怎么做啦！
我们在上面已经找到了车牌所在区域，现在我们需要找到车牌的边界点。
我们有这一堆点集，我们可以迭代寻找出最左边且靠上的点之类的。
因为我们下一步要做仿射变换，需要三个边界点，所以我们找出如图所示的三个点就行了。
蓝色框可以点下面了解一下，后面会很有用。
绘制最小外接矩形
原理还是看博客吧，仿射变换能做到对图像旋转，平移和缩放。
这里根据提取到的点，再对高斯滤波后的图进行仿射变换，只保留车牌部分。
这里先对图像二值化，再寻找最小外接矩形。
当然汉字可不是很简单，因为有很多独立的笔画，所以还需要在容器中移除小于一定面积的矩形。
这样一些点啊，就不会在我们需要识别的对象中。
当时做这个时间因素，采用了最简单也是很有效的一种方法，对每个字符变换到标准大小，和模板点与点之间逐个计算，最后输出与之匹配度最高的字符。
输出结果如下：
