基于MATLAB的车牌识别系统的研究

蒋文燕

摘要：车牌识别是现代智能交通系统中的重要组成部分之一，其对汽车防盗、缓解交通紧张等起到了积极的作用，并具有广泛的应用前景。本文研究了有关于车牌识别技术的基本原理。首先，对一幅车辆图片进行预处理，包括灰度化、边缘检测、腐蚀、填充、形态滤波；其次，将车牌中的字符分割出来；然后，将分割出的字符与数据库中存储的字符进行模板匹配；最后，将所匹配的字符依次组合，完成整个车牌的识别。

关键词：图像预处理；车牌定位；字符分割；字符识别；MATLAB；

第一章图像读取及车牌区域提取

1.1图像的采集与转换

考虑到现有牌照的字符与背景的颜色搭配一般有蓝底白字、黄底黑字等，利用不同的色彩通道就可以将区域与背景明显地区分出来。例如，对蓝底白字这种最常见的牌照，采用蓝色B通道时牌照区域为一亮的矩形，而牌照字符在区域中并不呈现。因为蓝色（255，0，0）与白色（255，255，255）在B通道中并无区分，而在G、R通道或是灰度图像中并无此便利。灰度图见图1-1。对于将彩色图像转换成灰度图像时，图像灰度值可由下面的公式[1.2]

计算：G=0.110B+0.588G+0.302R

G=B+G+R3

1.2边缘检测。两个具有不同灰度值的相邻区域之间总存在边缘。所谓边缘，是指其周围像素灰度有变化的那些像素的集合，它是图像分割、目标区域识别等图像分析领域十分重要的基础，而且在车牌识别系统中提取车牌位置占了很重要的地位。

Roberts算子是一种最简单的算子，是一种利用局部差分算子寻找边缘的算子，其采用对角线方向相邻两象素之差近似梯度幅值检测边缘。检测垂直边缘的效果好于斜向边缘，因此本文使用了Robert算子[3]。

1.3图像形态学的基本原理。（1）图像形态学处理的概念[3]。数字图像处理中的形态学处理是指将数字形态学作为工具从图像中提取对于表达和描绘区域形状有用处的图像分量，包括用于预处理或后处理的形态学过滤、细化和修剪等。图像形态学处理中我们感兴趣的主要是二值图像。

在二值图像中，所有黑色像素的集合是图像完整的形态学描述，二值图像的各个分量是Z2的元素。假定二值图像A和形态学处理的结构元素B是定义在笛卡儿网格上的集合，网格中值为1的点是集合的元素，当结构元素的原点移到点（x，y）时，记为Sxy，为简单起见，结构元素为3x3，且全都为1，在这种限制下，决定输出结果的是逻辑运算，即与，或，非。对Z中的集合A和B，B对A进行腐蚀，腐蚀处理的结果是使原来的二值图像减小一圈。

1.4图像平滑处理。图像在生成和传输过程中会受到各种噪声源的干扰。抑制或消除这些噪声称为图像的平滑。本文用的是领域平均法消除噪声。此方法主要缺点是在降低噪声的同时使图像产生模糊，特别在边沿和细节处，领域越大，模糊越厉害。

为了克服这种平均化引起的图象模糊现象，我们给中心点像素值与其邻域平均值的差值設置一固定的阈值，只有大于该阈值的点才能替换为邻域平均值，而差值不大于阈值时，仍保留原来的值。从而减少由于平均化引起的图象模糊1.5牌照区域的分割。对车牌的分割可以有很多种方法，本程序是利用车牌的彩色信息的彩色分割方法。采用彩色像素点统计的方法分割出合理的车牌区域，确定车牌底色蓝色RGB对应的各自灰度范围，然后行方向统计在此颜色范围内的像素点数量，设定合理的阈值，确定车牌在行方向的合理区域。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。

第二章车牌字符分割和识别

2.1字符的分割原理。在汽车牌照自动识别过程中，字符分割有承前启后的作用。它在前期牌照定位的基础上进行字符的分割，然后再利用分割的结果进行字符识别。此处采用的方法为寻找连续有文字的块，若长度大于某阈值，则认为该块有两个字符组成，需要分割。

2.2字符识别与模板匹配法。模板匹配的主要特点是实现简单，当字符较规整时对字符图像的缺损、污迹干扰适应力强且识别率相当高。综合模板匹配的这些优点我们将其用为车牌字符识别的主要方法。

2.3自动识别。本文采用的方法是：用模板库中的字符图像矩阵与待识字符图像矩阵作减法，求最小误差，即其相似度，将最相似的模板库中的字符图像矩阵的代码作为识别结果，并显示出来。

首先取字符模板，接着依次提取待识别字符与模板进行匹配，将其与模板字符相减，得到的0越多那么就越匹配。把每一幅相减后的图的0值个数保存，然后找数值最大的，即为识别出来的结果。

总结

本文主要分别从图像预处理、车牌定位、字符分割以及字符识别几个方面对系统进行分析。主要工作内容及结论如下：（1）本文在区域定位中采用的是边缘检测定位算法，具有广泛的适用性能。（2）本文在字符分割阶段采用最常用的基于模板匹配的字符分割，主要是针对在车牌定位，图像预处理后比较规则的车牌图像。（3）本文在字符识别阶段采用的是模板匹配法，即是将要识别的字符与事先构造好的模板进行比对，根据与模板的相似度的大小来确定最终的识别结果。