应用MATLAB的车牌识别算法研究

王丽静，李飞过

（西安石油大学电子工程学院，陕西西安，710065）

1 总体设计

车牌识别系统包括图像采集、数字图像预处理、车牌定位、字符分割、字符识别和图像编码、数字传输和更新程序。可分为硬件和软件部分，车辆图像的采集主要在硬件部分完成，软件部分完成对采集到的图像处理，然后通过管理系统对信息管理。

本文实现了拍摄车辆照片的车牌识别,重点是研究和识别算法。硬件部分应在图像采集完成后考虑图像的存储格式。该软件系统使用计算机视觉和图像处理算法。首先将采集到的汽车图像进行灰度化用来增加车牌部分的对比度[1]。然后，分解提取图像边缘，进行初步定位，进而提取出车牌图像。将提取出的车牌图像进行二值化处理，利用其垂直投影图中字符显示出的峰群的特点进行字符切分[2]。最后，有效模板用于完成整个车牌字符的识别。

2 设计与实现

车牌进行图像的预处理是为了降噪点。R=G=B的值是灰度值，并且使R、G和B分量相等的过程称为灰度。实现图像的灰度化的算法有最大值法、平均值法、加权平均值法三种[3]。这里采用加权平均值法即：按照一定的权值，对R、G、B的值加权平均：

其 中，R、G、B的 权 值 用 ωR、ωG、ωB表 示。ωR、ωG、ωB分别取0.588、0.302、0.11即：

车牌定位包括图像预处理、边缘提取、车牌定位和分割[4]。基于边缘检测的车牌定位方法：先突出图像的某些信息，然后进行边缘检测[5]。预处理后确定原始灰度图像中牌照的具体位置是车牌定位和分割的主要目的。包含用于由字符识别子系统识别的牌照字符的子图像被从整个图像分割。然后以分割的结果来进行字符的识别。最后进行车牌字符识别。将系统分切归化得到的字符设为模板替换原字符模板库中的模板，使字符模板与分割归化得到的字符更吻合，模板的特征量更加鲜明，有利于提高车牌字符识别的准确性。

图1 系统针对陕ACT953车牌的识别过程

3 测试结果与分析

3.1 测试结果

在理想情况下采集普通车牌图像进行测试。图1是其中一幅图片的识别过程，能够看到结果正确。

3.2 结果分析

表1列出了部分测试结果,可以看出汉字的成功识别率是66.67%；英文字母的成功识别率为达到了94.11%；数字的成功识别率达到了94.73%，总体效果良好。

表1 测试结果

4 总结与展望

本文对汽车牌照识别系统进行了探讨和研究，通过了解其软硬件结构，利用加权平均值法进行计算，分析典型车牌识别方法，勇敢创新。通过在实际场景下进行测试，表明此识别方法有较好的稳定性和可靠性。