一種基于MATLAB的車牌提取研究

毛啟 張治榮 楊國榮 崔忠偉

摘要：車牌識別的一般流程是對車牌定位，提取車牌，再對車牌字符分割，最后是進行車牌識別。本文則基于MATLAB對車牌定位進行相應的提取實驗，在定位剪切時取2500像素，使用函數bwareaopen（），得到較好的效果。

關鍵詞：車牌定位;MATLAB

中圖分類號：TP391 文獻標識碼：A

文章編號：1009-3044（2019）16-0189-02

開放科學（資源服務）標識碼（OSID）：

車牌自動識別就是對監控器所采集的圖片進行研究，由于拍攝的環境不同，識別技術也因應用而不同，圖片拍攝環境有各種工作條件，戶外場景、室內場景、靜止背景、非靜止背景、固定照明、天氣、溫度、有限車速、車輛間的距離等等多種因素影響;什么時候出現在圖像中，車牌尺寸大小、位置、是否有車牌，以及背景的復雜更涉及檢測車牌的可能性變得無比挑剔。

基于MATLAB的圖像識別，通過彩色像素點統計法，把圖像有數字矩陣來表示。能解決車牌的定位，分割、識別等一系列過程。在車牌識別中使用MATLAB語言工具，使得編程簡單、快捷，降低了對車牌圖像處理的門檻。采用MATLAB的缺點是，計算機計算速度沒有C語言快，有些圖像處理算法還的重復設計程序。

1車牌定位

一直以來，人們想做一個系統就可以定位所有場景的車牌，對于這個問題難度非常大，而且識別的準確率都不高。所以我們采用根據不同的拍攝環境，制定不同的車牌定位。本文按照如下處理過程來實施。

1.1灰度化處理

灰度化處理是創造灰度化環境，為邊緣檢測算法做準備。有MATLAB系統函數法、加權平均值法、最大值法、平均值法等。本文將不對這些方法作更深一步的摸索，所以選擇了比較常用的系統函數法rgb2gray（）。通過消除圖片飽和度和色調信息，同時不改變其亮度，將圖片的RGB轉換R=G=B，實現灰度化處理。效果如圖2所示。

1.2中值濾波

中值濾波法是對圖像進行平滑處理增強圖像，在一定的條件下能克服線性濾波帶來的圖像細節模糊問題，從而有效的清除圖像的噪聲干擾[3]。將灰度化圖像經過中值濾波器，使用medfilt2（）函數，得出如圖3所示效果。

1.3邊緣檢測

進行圖像邊緣檢測算子有Sobel算子、Roberts算子、Canny算子等，本文采用Roberts算子，Roberts算子是一種利用局部差分算子尋找邊緣的算子[1]，相比其他算子，它的定位更加精準。對于噪聲低的圖片處理效果較好，但沒有平滑處理，對噪聲比較敏感，所以在此之前我們做了中值濾波處理，降低噪聲對它的干擾。

設置edge（） 函數的閾值和方向參數，經過大量試驗，本文采用其閾值為 0.15，方向參數為“both”，對降噪后的圖片進行分析。由檢測圖像中亮度變化差異較大的地方，使其效果更佳明顯，從而檢測車牌的邊緣，實現車牌位置的確認。

1.4腐蝕和平滑圖像的輪廓

邊緣檢測后的圖像往往會存在一些邊界上的點，所以需要對邊界上的點進行腐蝕處理，即消除邊界點，使邊界向內部收縮。腐蝕后的圖像還需要進行平滑處理，使其輪廓明顯化。對圖像進行閉運算處理，獲得結果如圖6所示。

1.5移除小對象和定位剪切

在移除小對象的實際操作中存在著缺陷，如果移除的像素值設置的大小不合適，導致該移除或該保留的達不到預期效果，造成很多的干擾。因此，為了使接下來車牌位置的確定更精確，矩形模型的大小應該按照具體的情況來設置恰當的大小，以便車牌定位的效果達到更佳。

經過我們的大量測試，發現在取用2500的像素值時效果較佳，使用的函數是bwareaopen（） 函數，將二進制圖像中所有少于2500像素的連接對象消除。最后剪切時本文采取常見的掃描藍色像素點法，確定車牌頂點所在的坐標，通過Matlab識別像素點的不同，定位到車牌區域的頂點坐標，剪切出由坐標所圍成的矩形，從而獲取到車牌。最終效果如圖8所示。

2小結

車牌圖像提取在各個車輛管理系統中是重要的一個環節。本文中采用牌照顏色信息引導和許可證號碼組成的語義來確定位置，在絕大多數的情況下都能夠正確的提取車牌，通過實驗像素值取2500時效果較好。這為下一步的車牌字符識別奠定了堅實的基礎，使得整過車牌識別系統的識別率有較大的提高。

參考文獻：

[1] 孫紅艷， 張海英. 圖像邊緣檢測算法的比較與分析[J]. 菏澤學院學報， 2010， 32（2）：49-52.

[2] 王剛， 冀小平. 基于MATLAB的車牌識別系統的研究[J]. 電子設計工程， 2009， 17（11）：72-73.

[3] 田原嫄. 圖像平滑算子對邊緣檢測精度的影響[J]. journal6， 2006， 45（32）：161-163.

[4] 馬晨. 基于MATLAB車牌字符識別的算法研究[J]. 數字技術與應用， 2017（9）：121-123.

[5] 呂顥， 劉峰， 干宗良，等. 基于字典學習的模糊車牌中文字符識別[J]. 計算機技術與發展， 2017， 27（11）：75-78.

[6] Mayan J A， Deep K A， Kumar M， et al. Number plate recognition using template comparison for various fonts in MATLAB[C]// IEEE International Conference on Computational Intelligence & Computing Research. 2017.

【通聯編輯：梁書】