我正在尝试在车牌本地化过程中使用Hough Transform。我看过一些关于用它查找矩形的文章和想法，但几乎每个示例都非常简单 - 图像上的一个矩形，通常是游戏卡或电视。当我想在我的系统中实现它时，它不能很好地工作。我发现通常超过3000条线，以及更多的交叉点。我正在使用Canny边缘过滤器。我用一些不同的参数（Canny Filter和HoughLinesP函数）进行了测试，并且总是得到非常大的点数。当我们的图像上有很多环境信息时，是否有可能找到那个板块？还是有其他选择可以取得一些好的结果？我将不胜感激任何答案和想法。OpenCV中的一些代码示例也将非常有用。
检测许多线段是霍夫变换的典型特征。 例如，板上的字母可能包含直线段，板的周围环境（汽车？）等等。
因此，您应该尝试在板检测中利用更多上下文信息，例如
- 印版的背景颜色（例如，它是白色的？还是黑色的或黄色的，或者其他什么？你的图像数据是彩色的吗？）因此，请尝试过滤颜色
- 图像上的典型盘子尺寸是多少？它总是大致相同的尺寸吗？然后，您可以分别按长度过滤找到的霍夫段。查找共线线段集，这些线段可能是单条但虚线的部分。
- 板的方向是什么？与图像主轴平行？或者它们可以通过深度投影旋转甚至扭曲吗？在第一种情况下，斧头平行板，限制为角度方向为 0° 或 90° 的所有霍夫线。
您是否在原始图像上应用了对比度归一化？Canny边缘图像是什么样子的，它们已经适合寻找板了吗？你能看到边缘图像上的板吗，或者它们隐藏在这么多边缘之间或被分开太多？坎尼探测器的阈值呢？
最后，您是否在谷歌上搜索过有关寻板算法的论文？