基于MATLAB的車牌識別系統

曲阜師范大學物理工程學院 索珠峰 陳敬月 曹曦文 侯秀聰 崔艷景

基于MATLAB的車牌識別系統

曲阜師范大學物理工程學院 索珠峰 陳敬月 曹曦文 侯秀聰 崔艷景

應用MATLAB的圖像處理功能實現對車牌的識別定位和分割匹配，并利用友好的的人機界面模塊將最終識別的結果輸出。通過實驗證明利用MATLAB對車牌的處理更為簡單方便，是一種直觀快捷的車牌識別方法。

Matlab；圖像處理；車牌識別

0 引言

隨著交通事業發展迅速，公路建設力度加大，私家車越來越多。依靠人工已不能滿足對于車輛的管理。由于計算機技術及電子通信行業的進步，車牌自動識別技術逐漸得到人們的關注。車牌識別的處理過程可分為圖像預處理及邊緣提取、車牌定位、字符分割、字符識別四大模塊。鑒于拍攝角度、光線明暗而引起車牌難以識別的問題，本文應用MATLAB的圖像增強功能進行處理，以先對圖像預處理再識別的方式減小錯誤概率，增加圖像的可識性，從而得到一種直觀快捷的車牌識別系統。

1 車牌識別的工作原理

車牌識別的工作原理圖如圖1所示。

圖1 牌照識別的工作原理圖

車牌識別可為牌照定位、字符識別兩部分。牌照定位可分為圖像預處理及邊緣提取、車牌定位模塊；字符識別又可分為字符分割與字符匹配兩個模塊。牌照定位與分割是車牌識別過程中關鍵技術之一，主要目的是：經圖像預處理后，確定原始灰度圖像中車牌的具體位置，并將包含車牌字符的子圖像從整個圖像中分割出來，以供字符子系統識別。字符分割要求必須精確降低錯誤率。字符識別中主要應用模板匹配的方式實現對車牌內容的識別，因此要求字符模板也要十分精確。

2 各模塊的實現

2.1 預處理及邊緣提取

根據車牌顏色類別（藍底白字，黃底黑字，白底黑字，黑牌白字，綠牌白字），通過不同色彩通道可將牌照區域和整體背景明顯區分出來，然后將彩色圖像轉換成灰度圖像。圖像灰度值可由下面的公式計算：

如：r=(50,200) s=(0,255)

則有：

圖2 灰度線性變化

2.2 車牌的定位與分割

因為在原始圖像中，車牌的圖像是橫向近似且水平度較高的長方形，相對位置比較集中，其灰度值與車體間有明顯差異。因此為方便利用邊緣檢測對圖像進行識別分割，在邊緣部分產生灰度值突變的邊界。

圖像經上述處理后，牌照區域已很清楚，其邊緣界線也有所加強深化，之后進一步確定整張圖像中牌照的準確位置。此模塊利用數學形態學的方法，其基本思想是：為了達到對圖像分析和識別的目的，用具有相應形態的機構元素去量度并提取圖像中的相應形狀。

數學形態學可用于簡化圖像數據，維持其根本形態特征，濾除無關結構等。在程序中我們用到兩個基本運算：膨脹、閉合。另外，利用移除對象中多余的小對象。

圖3 從對象中移除小對象

此外，該程序利用車牌的多色彩性采用色彩分割法。即：（1）依據車牌底色等有關的內容，用彩色像素點統計法將牌照區域合理分割，確定RGB（車牌底色）對應的灰度范圍；（2）統計該顏色范圍內，行方向上的像素點量并規定合理閾值確定車牌在行方向上的合理范圍；（3）在分割出的行方向范圍內統計藍色像素點在列方向上的數量以確定出完整車牌區域。

2.3 字符分割與識別

2.3.1 字符分割

車牌識別過程中，字符分割模塊有“過渡”作用。首先，在定位的基礎上進行分割，并利用結果識別字符。由于字符間相隔距離偏大不存在字符粘連情況，因此利用尋找連續文字塊方式（長度大于規定閾值時就認為該文字塊為兩個字符的連續并需要分割）。

圖4 分割出來的七個字符圖像

2.3.2 字符識別

字符識別方面我們采用基于模板匹配的OCR算法。該算法的基本過程如下：（1）選取標準字符建立模板庫；（2）用已分割的字符和模板字符做差，結果中所得0越多則越匹配；（3）保存相減后圖的0值個數，其最大值即為識別結果。

圖5 識別結果

2.4 界面顯示

借由Matlab中的界面功能，通過界面將車牌號碼顯示出來。

3 運行結果分析

運行結果：