基于matlab的车牌识别系统的设计与实现

基于matlab的车牌识别系统的设计与实现内容摘要：

图 42 灰度图 图 43 Robert 算子边缘检测 该系统的摄像头 拍摄的图片是整个机动车的图片，而只有车牌部分是对系统有用的。 所以我们要对照片进行车牌定位和分割。 车牌的定位和分割是从经过图像预处理后的灰度图像中确定牌照位置，并将车牌部分从整个图像中分割出来，从而进行字符识别。 车牌图像的灰度图的车牌部分是一个水平度很高的长方形图样，在原图中比较集中，且灰度值和周围图样有明显差异，因此很容易用边缘检测来对图像进行分割。 车牌定位和分割的准确度直接关系到最后的字符识 别的质量。 图 44 车牌定位流程图 车牌定位 机动车图像经过灰度化和边缘检测的处理后，边缘得到了加强，牌照区域已经非常明显。 本文采用的是用数学形态学来进行图像处理和模式识别。 数学形态学 用具有一定形态的机构元素去量度和提取图像中的对应形状以达到对图像分析和识别的目的，能有效的去除噪声，保留图像原有信息的同时提取的边缘比较平滑，提取的图像骨架也比较连续，断点少。 现在我们将经过预处理的图像进行图像腐蚀以及去除杂质，就可以得到相对准确的车牌位置。 对图像进行图像腐蚀 除去图像杂质 通过计算寻找 X 和Y 方向车牌的区域 完成车牌定位 对定位后的彩色车牌的进一步处理 图 45 腐蚀后的图像 图 图 47 从对象中移除小对象后图像 车牌分割 本文车牌部分的分割采用的是利用车牌彩色信息的彩色分割法。 使用统计彩色像素点的方法分割出车牌区域，确定车牌底色蓝色 RGB 对应的灰度范围，然后统计在行方向的颜色范围内的像素点数量，确定车牌在行方向的区域。 然后，在分割出的行区域内，统计列方向蓝色像素点的数量，最终确定完整的车牌区域。 图 48 车牌对位的图像 对定位后的彩色车牌的进一步处理 定位后车牌图像是彩色 的，会占用较大的存储空间，加重计算机负担。 且车辆图片不可避免存在噪声，所以要对图像进行灰度化，二值化以及滤波处理。 图像的二值化处理就是将图像上的点的灰度置为两个数值 ， 通常为 0 或 255， 使整个图像呈现出明显的黑白效果。 也就是将 256 个亮度等级的灰度图像通过适当的门限值选取而获得仍然可以反映图像整体和局部特征的二值化图像。 滤波则是为了除去图像噪声。 滤波方法有多种，本文采取的滤波方法为均值滤波。 均值滤波是典型的线性滤波算法， 指在图像上对目标像素给一个模板，该模板包括了其周围的临近像素。 再用模板中的全体像素的平均值 来代替原来像素值。 图 49 车牌的进一步处理 图 字符分割 将得到的车牌区域图像进行二值化处理后 ， 对图像进行垂直投影 ， 投影图上有明显的类似于峰谷的波形起伏变化 ， 通过对投影图上的波形从左向右进行扫描 ，根据谷和峰的特征就可以判断出每个字符的位置 ； 计算垂直峰 ， 检测合理的字符高宽比。 在字符切割时 ,往往由于阈值取得不好 ， 导致字符切割不准确 ， 针对这种情况 ， 可以对切割出的字符宽度进行统计分析 ， 用以指导切割 ， 对因错误切割过宽的字符进行分裂处理。 图 [m， n]=size（ d），逐排检查有没有白色像素点，设置1=jn1，若图像两边 s（ j） =0，则切割，去除图像两边多余的部分 切割去图像上下多余的部分 根据图像的大小，设置一阈值，检测 图像的 X 轴，若宽度等于这一阈值则切割，分离出七个字符 归一化切割出来的字符图像的大小为40*20，与模板中字符图像的大小相匹配 字符归一化处理 由于数码相机拍摄的汽车图像大小不一样 ， 所以得到的牌照上的字符大小就不一样 ， 为了便于字符的识别 ， 需要对字符进行归一化处理。 归一化处理的目的就是使车牌字符同标准模块里面的字符特征一样。 而大小归一是指在长度和宽度方向上分别乘以一个比例因子 ， 使其等于标准模块的字符大小 ， 本文采用的 大小归一的方法是分别从水平投影和垂直投影两个方向上对字符象素的大小进行归一化处 理。 图 412 字符归一化后的图像 5．实验结果和分析 ： 通过以上实验步骤，我对多幅车牌图像进行了字符分割，字符分割的效果比较理想。 下图为另一组实验组图。 图 51 另一组实验结果组图 字符分割效果理想主要取决于识别系统前期工作的到位。 将得到的机动车照片进行灰度化和边缘检测处理，运用良好的技术手段进行车牌定位，将定位好的图像进行字符分割处理，得到七个字符，将字符归一化处理。 整个过程使用 MATLAB编程实现，能够直接调用 函数，大大缩短了实验时间和编译难度。 对于分割出的车牌，我们进行了均值滤波，膨胀和腐蚀处理，这样可以把字符之间的杂色点去掉，只留下白色的字符以及黑色的背景，这对于字符的分割是相当的必要的。 在实验过程中，也出现了字符分割错误的情况，根据分析，造成错误情况的原因主要有： ，导致分割出的车牌字符大小不一。 失败，尤其是车牌上第一个字符汉字的分割，常常因为过大或者过小导致分割失败。 总体来说，分割出正确的字符的成功率还是蛮高的，如果再能够提高图像质量，分割正确字符的成功率还能够得到提升。 6．实验总结 通过对车牌识别的设计与研究，我觉得有几个方面还可以进行改进。 首先如何将车牌进行定位以及将定位好的车牌分割出来。 常见的车牌定位方法有边缘检测定位算法，利用哈夫变换进行车牌定位以及色彩分割提取车牌等，本文采用的是边缘检测定位算法。 还有字符的分割，本文采用的是投影分割法，常见的方法聚类分割法以及基于模板匹配的分割方法。 我认为对于以上各模块的实现，应该采用多种实验对照，看对于不同情况的照片质量，哪种算法更好，因为，以上处理方法都有自己的侧重方面，对于不同的图片，各种算法的优势是不同的，所以我觉得 ，对于实际应用的车牌识别系统，应该是具有复杂结构，对于拍摄到的车辆照片进行分析，选择更适合的算法来实现车牌的识别，这才是未来车牌识别系统的发展方向。 主要参考文献 1. 白利波 车牌检测与识别算法研究 [D]北京交通大学， 2020， 3031. 2. 谢盛嘉 梁竞敏 车牌识别系统的设计与实现 [J]微计算机信息 2020（ 6） 3. 王刚 冀小平 基于 MATLAB的车牌识别系统的研究 [J]电子设计工程 2020（ 11） 4. 王广宇 车辆牌照识别系统的原理及算法研究 [D]郑州大学 2020 江 王友仁 .车牌自动识别方法中的关键技术研究 [J]计算机测量与控制，（ 4） 6. 许志影 李晋平 .MATLAB 在图像处理中的应用 [J].计算机与现代化， 2020（ 4） MATLAB 程序设。