图像中包含很多有用的信息,如新闻字幕,车牌字符,广告标语等,准确地从自然场景中定位出文本是数字图像处理中一个重要的研究内容。本文针对图像中三类典型的文本进行了定位研究：基于小波变换的新闻视频中的字幕检测算法、基于颜色模型的车牌定位算法以及基于笔画宽度变换的自然场景中的文本定位算法。针对图像中大小、位置、颜色等具有极大相似性的视频字幕,本文使用基于小波变换纹理分析的方法对新闻视频中的字幕进行定位。算法首先对视频帧进行小波变换,提取变换结果的LH、HL和HH子带统计特征,然后分别使用SVM和K-Means对特征进行分类。论文分别对5段中文新闻视频和5段英文视频进行了检测：SVM中文分类器的检测率为0.867,SVM英文分类器的检测率为0.863；K-Means分类器中文视频文本检测率为0.817,英文视频文本检测率为0.803。最后对两种分类方法进行了优缺点分析。对于图像中的蓝底白字车牌字符,由于字符边缘两侧像素点对颜色均为蓝色-白色,本文根据颜色对的分布特点拟合颜色模型。算法基于该模型滤除掉不符合分布模型的边缘点,得到候选文本像素点。然后使用水平扫描连接并填充候选边缘对,并对它们进行形态学处理,最后根据图像中车牌的几何特征定位车牌。实验结果表明,算法对曝光正常车牌图像,车牌定位率为0.91。对于自然场景中的任意文本,场景中处于同一语义的文本其字符笔画宽度、颜色—样,字符也处于同一水平线上。本文根据这些特征,首先对图像进行笔画宽度变换,求出图像中有边缘物体两段边缘之间的像素点数,即笔画宽度,然后根据自然场景中处于同一语义的文本的特征,定位出场景文本。实验结果表明该算法对语种不敏感,并且其文本定位率为0.66。