基于MATLAB的车牌识别系统

引言

如今，汽车走进寻常百姓家庭已经是常事，汽车的拥有人数也不断增加。但是全世界各国的交通堵塞、交通事故越来越影响着人们生活质量，人们也越来越重视城市道路的交通状况问题，面对这问题，研究技术人员将电子信息技术、计算机理论技术、传感器技术集成运用于道路交通的实际需求，研究开发出了智能交通系统[1]。

车牌识别(VLPR)[2]是智能交通系统中的一个重要组成部分，应用相当广泛。它是以数字图像处理、模式识别、计算机视觉等技术为基础，对所拍摄的车辆图像或者视频序列进行分析，得到每辆汽车唯一的车牌号码，进而完成车牌识别的过程[3]。

一、车牌识别系统设计原理

车牌识别过程大致可以分为：车牌图像获取，图像预处理，对图像中的车牌位置进行粗定位，将车牌从车牌图像中分割出来，对车牌的字符进行比对识别，输出识别的完整车牌图像。以下图1是车牌识别的流程图：

图1 车牌识别系统工作流程

二、车牌图像的预处理

图像的预处理在后面的图像处理中起到非常重要的作用，并且直接决定着图像处理最终的结果。图像预处理包括图像的二值化，图像均衡化处理，图像滤波，图像的腐蚀和膨胀[4～5]等等。

(一)车牌图像的采集

现阶段对车牌图像的采集都是基于CCD摄像头，环境不同，采集的图像受到干扰的程度也不相同，针对不同的环境，比如，光线太强，有雾等等，在后面的要针对这些不同因素选择不同的处理方式，下面以正常光照的条件下的车牌图片为例说明整个处理过程：

图2 原始图像

(二)彩色图像变换为灰度图像

将彩色图像变换为灰度图像对于后续操作更有利，比如变换后图像的对比度增大了，图像更清晰，各个要素易于区分等。如图3所示是讲原始图片变换为灰度图像：:

图3 灰度图像

(三)车牌图像的边缘检测

边缘检测目的是寻找连续的区域，便于车牌的分割。图像进行边缘检测是根据局部灰度值的变化，纹理的改变，来检测出车牌区域内的边缘信息，并提取符合车牌的特征。图像处理中边缘检测有很多检测算法，比如Sobel算子、Prewitt算子等，本文采用的是Canny算子边缘检测算子，结果如图4所示。

图4 Canny算子边缘检测后的图像

(四)图像的增强

图像的增强适用于加强图片中的有用信息，处理结果有利于后续对图像进行的操作。

1.车牌图像的腐蚀和填充

图像腐蚀的目的是扩大边缘检测的结果，并且可以消除一些无用的信息，同时可以改变图像的连通性。腐蚀后的图像如图5所示：

图5 腐蚀后的边缘图像

对腐蚀之后的边缘图像进行填充有利于车牌区域的定位，填充图像如下：

图6 填充后图像

2.形态学滤波

形态滤波方法主要采用形态学开、闭运算进行滤波操作，这点充分利用了形态学运算具有的非常好的几何特征和代数属性。形态学滤波可以滤除边缘图像上的噪声，在车牌识别中采用形态学滤波有利于进行车牌定位的判断。下图是形态学滤波后的图像：

图7 形态学滤波后图像

三、车牌的定位

本文利用车牌区域形成的矩形边框来进行边缘检测后图像的粗定位，如图8就是得到的彩色车牌图像，图粗定位后得到的带色车牌图像在列方向像素点值累计和：

图8 粗定位后的彩色车牌图像及列方向像素点值累计和

然后将得到的粗定位后的彩色车牌图像进行二值化得到下图：

图9粗定位的二值车牌图像

接着，去除二值车牌图像的左侧边框和右侧边框，得到图像如下：

图10去除左侧边框和右侧边框的二值车牌图像

上面得到的去除右侧边框的二值车牌图像也就是精确定位的车牌二值图像，接下来可以对这个二值图像进行字符分割提取了。

四、车牌字符的分割

(一)车牌图像的进一步处理

为了使在进行车牌定位时得到的定位裁剪后的车牌彩色图像在进行字符分割时更加具体清晰，需要对图像进一步处理。对上面得到的精确定位的二值车牌图像进行滤波处理、在进行有选择的腐蚀或者膨胀，然后分析提取有效的信息。最后一步再对进行车牌字符的分割，归一化和后期图像的处理。图像进一步处理获得的效果如图11所示。

图11形态学滤波后的车牌二值图像

(二)基于彩色信息的彩色分割算法

常用的方式有聚类法，边缘检测方式，本文用到的是在车牌区域中找出具有连续字符的一块，然后设置一个阈值，当某一块的长度高于阈值，就判断为该块车牌有两个字符是连着的，然后进行分割。改车牌分割后结果如图12所示。

图12分割出的字符

五、车牌字符的识别

本文采用的字符识别方法是模板匹配法[5]，就是把识别图像当中的区域中的一些特征找出来和自定义模板中相符合的特征进行对比，然后计算出两者的规范化的互相关量，互相关量越大则相似度越高，根据相似度判断是否属于同类。在本次设计模板时笔者采取的方式是一种差值的方式，即先找出字符模板，再找出要识别的字符，两者进行差值计算，如果差值为零，那么相似度就越高，然后存相减为零或者接近零的图片，最后判断相似度最大的便是识别的字符[6]。本文车牌识别结果见如图13：

图13 识别结果

六、结束语

本文利用数字图像处理技术对彩色图像的车牌预处理进行了研究，实验平台是Matlab2018a软件,在图像去噪过程中，主要采用了中值滤波、均值滤波、形态学滤波。进行对比后发现，每种方法都有优缺点，所以进行了改进，把中值滤波、均值滤波及形态学滤波三者结合。通过腐蚀和膨胀处理，提高了后续操作的准确率，采用基于模板匹配法的字符识别，提高了最终结果的准确率。本实验由于模板库的内容只是全国省市的小部分，在未来的工作中，如果继续丰富模板库的内容，以及给实验增加一个GUI界面，本系统将更方便，更高的使用价值。