基于Matlab的車牌識別系統設計

王常衡 謝志進 盧曼 李嘉偉 羅欽

摘? 要：近年來，汽車的增多加重了道路交通的負擔，車主的不文明行為將會對行車造成很大影響。智能監管系統的使用使車主的行為得到了很好的約束，而車牌識別又是道路智能監管系統的重要部分。該文首先提出了車牌識別系統的整體設計方案，而后使用Matlab實現車牌識別系統的設計，最后通過一個實例測試其識別結果較為準確，最后提出了該設計中的不足以及改進方法。

關鍵詞：車牌識別? Matlab? 圖像處理

中圖分類號：TP391.41? ? ? ? ? ? ? ? ? ? ? ? ? ? ?文獻標識碼：A? ? ? ? ? ? ? ? ? ? ? ? ?文章編號：1672-3791（2019）03（b）-0017-02

隨著城市人口的增加和生活水平的提高，汽車成為人們出行的主要交通工具。但日漸增多的汽車給道路交通帶來了嚴重的問題，例如交通堵塞、交通事故和停車問題。解決交通問題的根本是提高人們的自覺性，要通過督促手段培養自覺意識。車牌識別系統便能起到很好的監督作用，通過抓拍違法違章車輛的照片，對其車牌進行識別，可確定車主信息以便對其做出相應的處罰。因此該文介紹了一種車牌識別系統的設計方案。

1? 整體設計方案

該系統使用Matlab實現車牌識別系統的設計，系統主要包含圖像預處理、車牌定位、字符分割、字符識別等部分，系統框圖如圖1所示。

2? 分步設計方案

2.1 圖像預處理

為去除原始圖像中的噪音，加強所需要的車牌信息，首先要對圖像進行預處理。預處理包括灰度轉換、灰度加強和邊緣檢測。定義變量picture為需要識別的照片中的數據，使用rgb2gray函數將原始圖像轉換為灰度圖像。之后使用imadjust函數和histeq函數對灰度圖像進行灰度增強和均勻化。再使用edge函數的sobel算子進行邊緣檢測。雖然Sobel算子在精度上較canny算子低，但效率較高，不會產生過多的邊界線條。邊緣檢測后圖像如圖2所示。

2.2 初步定位車牌

為將車牌從邊緣檢測后圖像中識別出來，需要進行車牌的初步定位。首先選用se1=[1;1;1]三行一列的算子使用imerode函數對圖像進行腐蝕。定義一個長方形算子進行閉操作，填充車牌腐蝕后的間隙。再使用bwareaopen函數去除小面積區域。最后將車牌部分切割出來完成初步定位。

2.3 調整傾斜角度和去邊框處理

為將水平或垂直傾斜的車牌校正，使用radon變換得到其不傾斜時水平軸各點的線積分。Radon變換的本質是將原函數作空間轉換，從原來的平面上移到新的平面上，使位于原平面同一直線上的點都位于新平面的同一點上。計算新平面上點的累加厚度，即可知道原平面上線的分布。為精確識別出車牌中的字符，需要對車牌進行去邊框處理。計算調整后車牌各行列差分的累加和，變化最大的位置即為車牌的邊框。

2.4 分割字符

首先將精準定位的車牌進行二值化和均勻化處理，經測量后將整個車牌水平分為15等份，每個字符占2份，圓點占1份。然后進行歸一化切割，計算車牌的權重圖，分割成具有相同顏色的區域，方便之后的字符識別。

2.5 識別字符

由于車牌上的字符較為工整，因此運用模板匹配的方法進行字符識別。將分割出來的字符與事先準備好的模板進行像素點比較，每個字符模板具有黑白兩種像素點顏色和相同的像素點數，一個像素點相同累加1，最后輸出匹配值最高的模板為車牌字符。最終識別結果如圖3所示。

3? 結語

該文給出車牌識別系統的整體及分步設計方案，并且使用一張略微傾斜的車牌照片對系統進行測試，結果準確。但此設計僅為初步研究，仍有許多不足需要改進：若捕捉到的照片光線較暗，需要對圖片進行增強處理后再進行后續工作;采用模板匹配進行字符識別準確率較低，可使用BP神經網絡的方法，是系統反復學習訓練，提高識別的準確性。

參考文獻

[1] 朱芳.基于改進Sobel算子和數學形態學的車牌定位研究[J].電子技術與軟件工程，2018（23）：87-88.

[2] 賴道亮，趙平，鐘昆，等.面向車牌字符分割的圖像預處理方法研究[J].計算機測量與控制，2018，26（9）：250-254.

[3] 魯揚.基于BP神經網絡的車牌識別算法研究[D].東北石油大學，2018.①作者簡介：王常衡（1997，12—），男，漢族，山東淄博人，本科在讀，研究方向：通信工程。