基于MATLAB的車牌識別系統(tǒng)設(shè)計

劉超 宋丹丹 苗瑾超

摘要：該設(shè)計利用MATLAB為實驗平臺，通過車牌定位，字符分割，字符識別三個步驟，實現(xiàn)車牌的有效識別。經(jīng)實驗表明表明，設(shè)計的車牌識別系統(tǒng)有較好的識別效果，對于采用MATLAB開發(fā)數(shù)字圖像處理系統(tǒng)使用者具有一定的參考價值。

關(guān)鍵詞：MATLAB;車牌定位;字符分割;車牌識別

中圖分類號：TP311? ? ? ? 文獻(xiàn)標(biāo)識碼：A? ? ? ? 文章編號：1009-3044（2019）01-0198-02

隨著經(jīng)濟的快速發(fā)展和人們生活水平的提高，汽車逐漸成為主要交通工具。隨之帶來了嚴(yán)重交通問題，如交通堵塞、交通事故等，智能交通系統(tǒng)應(yīng)運而生，其中車牌識別技術(shù)占有重要位置。車牌識別技術(shù)可應(yīng)用于停車場管理、高速 公路不停車收費、超速管理、道路交通監(jiān)控系統(tǒng)、城市“電子警察”、小區(qū)車輛智能化管理等各個領(lǐng)域。本文給出了車牌識別系統(tǒng)的主要結(jié)構(gòu)以及各模塊完成的主要功能。

1 車牌定位

本設(shè)計拍攝是車輛的整體圖片，只有車牌部分包含有用信息。因此需要對車牌進行定位和提取。首先根據(jù)RGB彩色原始圖像（圖1所示）的三原色比例搜索整個圖像中具有車牌紋理特性的區(qū)域，粗定位出車牌的候選區(qū)域。然后基于給定基準(zhǔn)車牌的長寬比，以及車牌中藍(lán)白區(qū)域比對，對候選區(qū)域的車牌進行多次定位，最終確定并切割出車牌如圖2所示。

2 字符分割

對得到的車牌區(qū)域需要進行預(yù)處理，好的處理方法可以有效提高分割的正確率。由于彩色圖像包含的信息量比較大，不利于后期圖像的處理。首先對利用rgb2gray算法對彩色車牌圖像進行灰度化處理得到如圖3所示的灰度圖像，使得圖像更加清晰容易被識別。在拍攝過程中車牌會有一定程度的傾斜，如果不進行處理會對后期字符的分割和識別造成一定成都的影響，因此利用rando變換對車牌進行傾斜角度計算，對傾斜圖片進行修正，得到如圖4所示水平的圖片。

將得到的水平圖片進行二值化，車牌圖像經(jīng)過二值化之后將變?yōu)楹诘装鬃郑蛘甙椎缀谧?。根?jù)黑點所占的比例將圖像統(tǒng)一為白底黑字。此時的圖像不可能精確的在邊框的位置，通過Y方向處理消除水平方向上的干擾。

為了識別字符，需要將圖像中的每個字符進行準(zhǔn)確的分割。利用車牌縱向投影統(tǒng)計每一列的像素點個數(shù)。字縫間隙沒有像素點或者像素點很少，在投影圖中會呈現(xiàn)波谷的狀態(tài)。利用波谷就可以將字符分割出來。但是在車牌中的漢字比如“豫”，在進行分割時經(jīng)常會出現(xiàn)把漢字分開的現(xiàn)象。系統(tǒng)將分割出來的字體的寬度與整個車牌寬度進行對比，并進行合并，達(dá)到修正的效果。實際字符分割效果如圖7所示：

3 字符識別

字符識別是最后一步也是最關(guān)鍵的一步。在中國的車牌中規(guī)定一共有七個字符，第一個為漢字代表省或者直轄市等特定含義的簡稱，接下來的為字母或者數(shù)字。字符的識別常用的有兩種算法神經(jīng)網(wǎng)絡(luò)法和模糊匹配法。本系統(tǒng)采用模糊匹配的方法，直接將分割后字符作為特征，與樣本庫中的樣本進行一一對比，選取相似度最高的樣本作為識別結(jié)果。識別結(jié)果如下圖所示：

4 結(jié)束語

本設(shè)計中利用數(shù)字圖像處理的各種基本算法對圖像進行處理，利用MATLAB進行仿真，最終實現(xiàn)車牌的識別。本文通過顏色劃分算法車牌定位、利用灰度算法、rando算法，二值化算法實現(xiàn)彩色車牌預(yù)處理，然后利用垂直投影法實現(xiàn)字符分割、最后運用模板匹配法最終實現(xiàn)字符識別。但是本設(shè)計只針對藍(lán)底白字的車牌進行的識別，對顏色依賴度較高，對藍(lán)色的車輛識別率較低，這也是下一步要進行努力的方向。

參考文獻(xiàn)：

[1] 徐航，丁柏秀.基于 MATLAB 的車牌識別系統(tǒng)的研究[J].通訊世界，2015（11）.

[2] 康健新.基于圖像的車牌識別系統(tǒng)的設(shè)計和實現(xiàn)[J].吉林大學(xué)，2014.

[3] 崔詩晨，遲宗濤.基于MATLAB的車牌識別的設(shè)計[J].工業(yè)控制計算機，2017（8）.