车牌识别中，每一步的效果直接影响总体的识别率，对车牌识别产生干扰的。不仅是车牌的污渍，还有铆钉。

一 、举例说明，铆钉干扰使得车牌识别错误

1、车辆图片

2、通过颜色HSV确认车牌大致位置

3、截取车牌图像

4、二值化后，水平投影，从图片中能够非常清楚看到铆钉

5、字符切割后的车牌

6、提取切割后的车牌字符

7、错误的识别结果

二、改善方法

这里针对车牌识别的干扰去除方法加以改善。

1、原先博文中车牌识别中去除铆钉的方法，仅仅是用投影的方法。

粗略计算铆钉在车牌的上方，白点信息较少。通过水平投影计算每一行的白点数

可是当铆钉嵌入字符中间时。仍然无法去除干扰。

2、这里採用直接出去铆钉的方法，

1)、首先尽量分离字符与铆钉的链接

2)、计算每行的跳变次数。一边铆钉所在行。都是两次。不大于3次。超过7次的，就是字符区域所在行。

这里使用的方法是在跳变次数小于5的行里面，全局搜索白点，然后计算它的宽度和高度。假设宽度大于15个像素，高度大于25个像素(这里车牌归一化后字符大小为20X40)，那么他就不是铆钉，否则就当做铆钉删掉。

全局遍历代码：

img：用了记录车牌的宽度高度信息等

dst：是二值化后的车牌信息。即要遍历查找铆钉的空间

*flag:用来标志是不是铆钉

*x1, *x2 用来计算铆钉宽度  *x2-*x1;

*y1, *y2 同上

xlength，ylength，设置铆钉宽度高度阈值。

4）、正确切割

5)、正确提取字符

6)、正确识别结果

源代码稍后，提供，车牌识别的代码，我将继续优化。提高识别率，尽早可以应用在arm平台上。