基于Matlab的車牌識別技術的仿真

魏明哲

(唐山學院 智能與信息工程學院，河北 唐山 063000)

?

基于Matlab的車牌識別技術的仿真

魏明哲

(唐山學院 智能與信息工程學院，河北 唐山 063000)

車牌識別系統包括五個核心部分，分別是圖像采集、圖像預處理、車牌定位、字符分割、字符識別。此系統的工作過程為：首先對車牌進行預處理，確定車牌水平位置和垂直位置，即車牌的具體位置；接下來經字符分割工作提取車牌字符；最后采用模板匹配的方法完成車牌字符的識別。Matlab仿真實驗結果表明，本系統的車牌識別率可達96%。

Matlab仿真；車牌識別系統；車牌定位；字符分割；字符識別

當前車輛管理制度的日趨完善，為智能交通管理系統進入實際運行提供了良好的基礎，智能交通系統(ITS)因此成為未來道路交通管理的必然發展趨勢。在智能交通管理系統中，車牌識別系統是實現交通管理智能化、現代化不可或缺的環節，車牌識別系統的成功應用可以很好地解決原本存在于道路計費、車輛稽查、繁忙路口和停車場管理中的諸多問題[1]。

車牌識別系統的根本作用在于自動識別車牌號碼，擺脫傳統人工識別車牌號碼的龐大工作量。這一智能化技術可使車輛管理的技術水準大幅提升，在降低人工工作量、提高管理效率、增加管理的客觀性等方面起到了顯著的推動作用。本文采用Matlab仿真驗證系統的識別效果。

1 車牌識別系統總體方案

完整的車輛牌照識別系統是一個復雜的復合系統，包括圖像采集、圖像預處理、車牌區域定位、字符分割、字符識別五個部分。

車牌識別系統的工作流程如圖1所示。

圖1 車牌識別系統的工作流程

一個完整的車牌識別系統硬件基本配置由圖像采集器、存儲器、傳輸設備組成。硬件設備用來完成車輛牌照圖像的采集傳輸工作。當車輛到達圖像采集區域時，系統自動采集當前的圖像信息，隨后傳輸到牌照識別單元依次對圖像進行處理[3]。

軟件部分主要工作首先是完成對采集的圖像進行車牌定位、車牌字符分割與字符識別等工作，然后將識別結果進行數據傳送和存儲，處理后的識別信息被傳送到總部系統進行管理。整個車牌識別軟件部分主要由車牌定位系統和字符識別系統兩個重要部分組成。其中車牌定位系統分為圖像預處理、車牌邊緣提取、車牌定位及區域分割；字符識別系統又分為車牌字符分割與單個字符的識別兩個部分。

2 圖像預處理

2.1 圖像預處理的內容

圖像預處理是指在圖像分析中對輸入的圖像在進行特征抽取、分割和匹配前所進行的一系列相關處理工作。圖像預處理的主要目的就是消除圖像之中無關的信息，恢復有用真實的信息，增強主要信息的可檢測性，最大程度地將數據簡化，進而提高特征抽取、字符分割、匹配和識別的可靠性。圖像預處理過程一般包括灰度化、二值化、提取背景圖像、圖像增強、平滑圖像等方面的處理工作[4]。車牌的預處理和邊緣提取的流程大體如圖2所示。

圖2 車牌的預處理及邊緣提取流程圖

2.2 圖像灰度處理

由于輸入的彩色圖像包含有大量顏色信息，會占用比較多的存儲空間，而且處理時會降低系統運行速度，因此常將彩色圖像事先轉換為灰度圖像，以加快圖像處理的速度。現在各種車輛牌照的字符與背景的搭配大約分為以下幾種：藍底白字、黃底黑字、白底紅字、綠底白字和黑底白字等[5]。我們可以利用不同的色彩通道將車牌的區域與背景很明顯地分辨出來。我國車牌顏色及其RGB值如下：藍底(0，0，255)白字(255，255，255)；黃底(255，255，0)黑字(0，0，0)；黑底(0，0，0)白字(255，255，255)；紅底(255，0，0)黑字(0，0，0)。將彩色圖像轉換成灰度圖像時，圖像灰度值由如下公式確定[6]：

H=0.229R+0.587G+0.114B。

上式使用了權值加重的方法，權重法的好處就是可以把某個通道突出，通過灰度轉化后就可以利用邊緣檢測的方法明顯地區分出車牌與背景環境存在的差異，通過對比輸入彩色圖像，如圖3所示，進行灰度處理便得到原始的灰度圖像，如圖4所示。

圖3 圖像的原圖

圖4 圖像的灰度圖

2.3 圖像的增強

圖像的增強一般包括灰度變換、平滑銳化、濾波等一系列工作。將車輛圖像進行灰度化處理后，由于車牌部分本身和非車牌部分圖像的對比度并不是特別高，很難取到車牌邊緣，致使車牌難以準確定位。為增強車牌部分圖像和其他部分圖像的對比度，以便將特征明顯地顯示出來，提高識別率，需要增強車輛的圖像。本設計對原始圖像進行運算得到背景圖像，如圖5所示，然后應用灰度圖像與背景圖像作減法，得到增強后的灰度圖像，如圖6所示。

圖5 圖像的背景

圖6 圖像增強后的灰度圖像

2.4 圖像的邊緣檢測及平滑處理

圖像的邊緣指的是圖像灰度發生空間突變或者在梯度方向上發生突變的像素的集合。由硬件設備采集到的車輛牌照圖像因為受到背景干擾以及車輛自身圖案的影響，所獲得的圖像質量并不是十分令人滿意，因此需要先對車輛牌照圖像進行邊緣檢測，以期達到提高圖像質量的目的。

邊緣提取有許多較為經典的算法，其中Roberts算子是最簡單的一種算子，而且效果較好。Roberts算子是一種利用局部差分算子尋找邊緣的算子[7]，即根據任一相互垂直位置方向上的差分來估計梯度，可采用對角方向相鄰兩像素之差。Roberts邊緣檢測算子相當于用兩個不同的二位矩陣對圖像進行卷積。垂直的邊緣效果好于斜向的邊緣，定位精度相對較高。經處理后得到的牌照邊緣檢測圖像如圖7所示。

圖7 邊緣檢測圖像

觀察經邊緣檢測處理之后的效果圖，此時汽車牌照的基本輪廓已經十分明顯，車輛牌照區域和汽車標志邊緣呈現出白色條紋，達到了邊緣檢測的預期效果。然而，汽車的外廓及汽車牌照相鄰的其他區域由于各種干擾影響的原因也存在一些不期望的白色區域，這樣使得圖像的質量下降，需要對圖像進行平滑處理來抑制圖像噪聲、改善圖像的質量。而后再對圖像做進一步的處理，用灰度圖腐蝕的方法來消除多余的邊界點及汽車外廓的白色區域[8]。

這樣，經腐蝕處理之后的圖像中連通區域的面積小于2 000的對象就會被去除掉，小物體被消除，在纖細點處分離物體，平滑較大物體邊緣的同時并沒有明顯改變其面積，剩余的區域自然就是我們要尋找的車牌區域。經去除小區域操作之后的圖像效果如圖8所示。

圖8 進行腐蝕處理后的圖像

將去除小對象后的車牌灰度圖像與處理之前的圖像進行對比，可見去除小對象后圖像中最后只保留了車牌區域，其他的圖像已經完全濾除掉了。車輛牌照的大概位置已經被確定出來，接下來需要對車輛牌照進行進一步的定位就可以準確地在圖像中找出車牌的位置。

3 車牌區域確定

車輛牌照的定位工作對于整個車牌識別系統是至關重要的一部分，其定位速度和準確度直接影響到整個系統在這之后的識別過程。本文根據車牌的紋理特征，提出基于邊緣檢測和數學形態學的定位算法，在算法中先對車牌圖像進行灰度化，再進行邊緣提取，最后運用基于車牌特征的連通域分析，剔除偽車牌區域，從而準確地定位車牌[9]。

經上述處理后的行方向像素點的灰度值累計和與列方向的像素點的灰度值累計和圖像如圖9所示。

圖9 行方向與列方向像素點灰度值累計和

從定位后的圖像可以看出，車牌的4個邊界基本被確定下來，這樣就可以準確地從原始圖像中直接確定出車牌區域，如圖10所示。

圖10 定位剪切后的彩色車牌圖像

4 字符分割及字符歸一化

4.1 字符分割

本文中使用的車牌字符分割方法是當前用的比較成熟的水平投影和垂直分割法。該算法分為兩個部分，首先進行水平投影，統計每一行的白點數，如果從上向下掃描某一行的白點數大于設定的值，那么就認為該行是車牌字符的上界；如果從下向上掃描某一行的白點數大于設定值，那么該行就認為是車牌字符的下界。然后考慮找出的上界和下界的區域是否大于車牌區域的一個比例，如果大于車牌區域的一個比例，那么則找出了準確的車牌字符的上界和下界；如果小于該比例，那么該車牌字符的上界和下界不準確，需將范圍擴大，進入下一步[10]。經字符分割得到的圖像如圖11所示。

4.2 字符歸一化

在對車牌字符進行準確字符分割之后，車牌的7個字符被提取了出來。但是由于本設計在字符識別的時候用到的是模板匹配法，所給的模板是一定的，為了準確地與模板匹配出結果，我們必須要將分割出的字符和模板的大小和格式統一，所以就用到歸一化的處理。

本設計選用nearest最近鄰插值法，通過對字符進行分割和歸一化得到了32×16大小的字符結果，經過歸一化后的字符如圖12所示。

圖12 歸一化后字符的圖像

5 字符識別

由于在識別的過程中有許多相似的字符，例如：B和8，數字0和字母O，R和P，0和D，等等，為了進一步提高系統識別率，系統要把它們進行進一步的比較，相差最小的則識別出來，這樣做可以大幅提高識別效率。車牌識別中模板匹配模塊流程圖如圖13所示。

圖13 模板匹配模塊流程圖

此處采用逐點比較的方法來求得字符與模板中的哪一個字符最為相似，然后找到相似度最高的結果輸出。車輛牌照中的字符一般都有7個，大部分車牌第一位是漢字，通常是車輛所歸屬的省份的簡寫，或是軍種、警別等有特定含義的字符簡稱，緊接其后的為字母或者數字。在建立車牌字符識別模板庫的時候應該考慮需要用到的漢字共約50個，大寫英文字母26個，數字10個，模板較少，所以建立字符模板庫也極為方便。

在識別過程中，首先取出所有的字符模板，接著依次取待識別字符與模板進行匹配，將其與模板字符相比較，如果相同則置“0”；不同的則為白點，進而統計白點的個數，得到的“0”越少那么就越匹配，最終找到結果相差最少的即為識別出來的結果。經識別后得到的車牌圖像如圖14所示。

圖14 經識別后得到的車牌圖像

6 結論

基于Matlab的車牌識別技術仿真，通過對相機采集到的500張車牌圖像使用本設計提出的程序方法進行識別，最終僅有20張車牌未能正確識別，識別率達到96%。綜合分析未能識別的原因，主要是由于在程序的設計和編寫過程中一系列參數設置存在問題，尚需今后不斷完善。

總之，本文所提出的識別方法性能良好，為車牌識別技術在電子收費、交通違規管理、高速公路監測、安全停車管理、被盜車輛辨識等諸多重要領域的應用提供了實用的理論基礎。

[1] 廖金周，宣國榮.車輛牌照的自動分割[J].微型電腦應用，1999(7)：32-34.

[2] 王大印.基于數字圖像處理的車牌識別系統[D].北京：北京工業大學，2003.

[3] 高勇.車牌識別系統中的字符分割與識別[D].合肥：安徽大學，2007.

[4] 袁志偉，潘曉露.車輛牌照定位的算法研究[J].昆明理工大學學報，2001，26(2)：56-60.

[5] 潘中杰，譚洪舟.模板匹配法和垂直投影相結合的一種新的車牌字符分割的方法[J].應用技術，2007(2)：2-13.

[6] 郎瑤，孫延鵬，許冰，等.車牌定位與字符分割方法研究[J].2011，28(2)：56-57.

[7] 朱秀昌，劉峰，胡棟.數字圖像處理與圖像通信[M].北京：北京郵電大學出版社，2008.

[8] 許志影，李晉平.Matlab在圖像處理中的應用[J].計算機與現代化，2004(4)：64-69.

[9] 徐輝.基于Matlab實現汽車車牌自動識別系統[J].電腦知識與技術，2010，17(6)：4752-4754.

[10] 陶軍.車牌識別技術的研究與應用[D].南京：南京理工大學，2007.

(責任編校：夏玉玲)

On the Matlab-based Simulation of License Plate Recognition Technology

WEI Ming-zhe

(College of Intelligence and Information Engineering， Tangshan University， Tangshan 063000， China)

The license plate recognition system proposed in this paper is composed of five key parts: image acquisition， image preprocessing， license plate location，character separation and character recognition. It works as follows: firstly， the license plate is pretreated， secondly， the horizontal and vertical positions (the precise location) of the license plate are determined， thirdly， the characters on the plate are separated and obtained， and finally， the characters are recognized with template matching method. Matlab simulation results show that the recognition rate of the system is 96%.

Matlab； license plate recognition system； license plate location； character separation； character recognition

魏明哲(1983-)，男，河北安平人，講師，碩士，主要從事多媒體信息處理研究。

TP391.9

A

1672-349X(2016)06-0065-04

10.16160/j.cnki.tsxyxb.2016.06.017