基于MATLAB平臺下的車牌識別系統設計

楚天鴻，唐瑞尹

基于MATLAB平臺下的車牌識別系統設計

楚天鴻1，唐瑞尹2

（1.華北理工大學 電氣工程學院，河北 唐山 063210；2.北華航天工業學院 電子與控制工程學院，河北 廊坊 065000）

科技的快速發展使汽車成為現代社會的重要代步工具，促生了新一代的智能交通系統，車牌識別技術作為智能交通的基石，為交通管理提供了技術支撐，使人們的駕車出行更為方便快捷。將車牌識別與計算機軟件相結合，在MATLAB平臺下，運用數字圖像處理技術，對采集到的車輛圖像進行相關操作，完成了對汽車牌照的定位和字符的分割。同時，將改進后的模板匹配識別方法運用到字符識別中，使系統正確識別出車牌字符，實現了自動識別汽車牌照的目的。

車牌識別；MATLAB；圖像處理；模板匹配

自2013年起，中國汽車保有量逐年遞增，2019年中國汽車保有量已經達到2.6億輛，與2018年相比增長了8.83%。這足以說明汽車已經成為民眾生活中不可或缺的工具，給人們的出行帶來方便的同時也給交通帶來了巨大壓力，建立一個完善的智能交通系統的需求愈發強烈。計算機相關的科學技術迅猛發展以及現代網絡科技的廣泛應用，帶動智能信息化功能處理技術不斷完善，同時為現代汽車管理手段提供了新思路和新方案[1]。汽車牌照是每輛汽車特有的身份證明，而車牌識別系統也成為了高速路、小區門禁、停車場等場所的必備工具，在交通管制等方面發揮著重要的作用。車牌識別技術主要包括車牌定位、字符分割、字符識別三個部分[2]，通過對采集到的車輛圖像進行相關處理就可成功獲取車牌號碼，完成車牌識別。

本文在MATLAB軟件平臺下，設計車牌識別系統，對小型汽車藍底白字的車牌圖像進行相關處理，實現車牌識別功能。

1 系統總體設計

本文設計的車牌識別系統利用MATLAB軟件進行編程設計和仿真實驗。MATLAB軟件具有數值分析、計算、設計控制系統等功能，并且在數字圖像處理方面有強大的庫函數，可以出色地完成圖像處理，實現處理圖像的可視化操作。對汽車牌照進行識別的具體步驟主要有圖像讀取、預處理、車牌圖像定位、字符分割、字符識別。

總體結構如圖1所示。

圖1 總體結構

2 車牌識別系統算法實現

2.1 圖像讀取與預處理

首先，應用imread函數讀取已被采集到的帶有車牌的車輛圖像，其次對該圖像進行預處理操作。

預處理操作包括對圖像像素的重新設置和圖像增強。在實際應用中，為保證圖像的清晰度，常使用分辨率較高的攝像機、手機等采集設備，而采集到的圖像像素過大，會使識別系統的速度降低，甚至會出現卡頓的情況。所以，為了能夠讓系統的運行順暢，提高處理速度，對讀取的圖像像素進行重置，應用imresize函數將圖像大小統一為520×390。同時，由于外界環境的影響，采集到的車輛圖像可能存在光線過暗的情況。所以需要對其進行圖像增強處理，確保車牌明亮清晰，為后續工作做好準備。

2.2 車牌圖像定位

采集到的車輛圖像經常有著復雜的背景，所以需要對車牌進行準確的定位，這對后面的操作至關重要。若定位錯誤或不夠準確，就會直接導致車牌識別錯誤。在中國，車牌底色有多種，包括黃色、藍色、白色、黑色和綠色。同時，車牌有著固定的外廓尺寸，不同型號的汽車牌照的顏色和尺寸均不相同。國家規定，小型汽車牌照的尺寸為440 mm× 140 mm，顏色為藍底白字。

基于上述原因，本文將定位過程分為粗定位和精確定位。以小型汽車牌照為對象，根據車牌的底色來粗略尋找圖像中的汽車牌照部分，對選中的目標進行形態學處理，通過目標的長寬比例篩選出正確的車牌圖像，并且結合投影法完成最終定位。具體步驟如下。

步驟1：將車牌圖像進行色彩模型轉換，由RGB模型變為HSV模型。HSV表色系由色度（Hue）、飽和度（Saturation）、亮度（Value）三個分量構成[3]。色彩模型轉換的公式為：

步驟2：對轉換后的HSV圖像中的藍色進行檢測，用白色像素將其標記出來，其余背景標記為黑色像素，生成二值圖像。在檢測藍色像素點時，、、三者的取值范圍決定了顏色篩選的準確度。藍色在HSV中的范圍分別為：0.5≤≤0.72，0.35≤≤1，0.35≤≤1。

步驟3：對顏色篩選后的圖像進行形態學處理。二值圖像的形態學運算主要包括腐蝕、膨脹、開操作、閉操作，用來提取圖像目標分量。在此運用它來簡化車牌圖像的數據信息。首先，在MATLAB中調用sterl函數來構建腐蝕算子，利用imerode函數將非車牌區域的信息腐蝕盡。再對噪聲區域使用閉運算函數imclose進行去除，彌合狹窄的間隙，填充空洞，使目標融為一體，變得光滑。

步驟4：通過Canny算子對圖像進行邊緣檢測，并計算連通域的長寬比，按照預先設定的閾值截取出目標。在實際操作過程中，截取到的目標車牌有傾斜的情況，為了便于后續工作，需要在此利用投影法對其校正。再對目標進行行、列方向上的掃描，使用投影法劃分出車牌的具體位置，完成精確定位，避免多余背景的干擾。

車牌定位如圖2所示。

2.3 車牌字符分割

在汽車牌照的區域被準確定位出來之后，需要將白色字符切分成7個獨立的圖像。常用字符分割的技術手段有連通區域字符分割法、垂直投影法、聚類分析法等[4]。具體的字符分割方法分為直接分割和基于先驗知識的分割方法等。直接分割即對精準定位后的車牌按照設定的字符位置直接切割7份，這種方法雖然簡單，但是對車牌定位和校正的要求較高，并且一旦有少許噪聲出現，就會出現分割錯誤，準確率低。基于先驗知識的分割方法則是根據中國車牌字符的大小比例、位置、距離等特征，需根據國家標準設定閾值，此種方法較為有效，不易出錯。

圖2 車牌定位

根據車牌字符的國家標準，提前設定好閾值，在分割時采取垂直和水平投影法相結合的方式。具體步驟如下：①將車牌圖像二值化；②進行垂直投影，統計數值；③根據閾值，確定第一個局部最小值位置，該位置即為車牌在水平方向的邊界；④由左到右依次進行上述步驟，找到單個字符的水平邊界；⑤在水平方向上重復步驟②③，確定字符的豎直方向邊界，并進行切分操作。

分割后的字符如圖3所示。

圖3 字符分割

2.4 車牌字符識別

目前，主流的車牌字符識別方法有模板匹配法、神經網絡法等[5]。由于神經網絡的識別方法需要大量的數據進行訓練，而識別的準確率很大程度上取決于數據庫的大小和內容的豐富度。鑒于收集各地車牌數據的困難性，決定使用模板匹配法。在進行模板匹配之前，需要對分割后的字符圖像進行歸一化處理，圖像大小統一設置為40×20，以保證其與模板大小一致。

傳統的模板匹配方法直接把分割后的字符與模板庫中的字符圖像逐一進行相減，或是相關度計算操作。選取差值最小者或相關度最大者為匹配結果。但是，由于采集圖像的復雜性，前面的操作很能將車牌字符完全還原成模板的樣子，這種傳統的匹配方式就會經常出現簡單的漢字識別成字母、數字的情況，或是字母與相似數字之間識別出錯。例如“Q”和“0”、“D”和“B”、“云”和“5”等。

為了提高字符識別的準確率，本文將傳統的模板匹配法在建庫和識別方面進行改進。建庫方面，將文字與字母數字分別建立模板庫，匹配時第一個漢字字符與后面六個字符分別和相對應的模板庫中的圖像進行匹配，這樣可以避免漢字和字母數字的相互混淆，降低識別的錯誤率。在識別方面，采取局部匹配的方式。對待識別字符和模板字符增加預處理操作，將字符和模板等分成4小部分，用相應部分分別進行白色像素比對，計算差值。再把4個差值相加，求得的最小差值者即為匹配的結果。車牌識別結果如圖4所示。

圖4 識別結果

3 實驗及分析

實驗在MATLAB平臺上進行編程和仿真，對采集到的15幅不同背景的車牌圖像進行識別。可以正確識別出14幅，識別率達到了93%。根據實驗結果可知，本文設計的汽車牌照識別系統可有效地對車牌字符進行識別，且識別率較高。實驗采集圖像和識別結果分別如圖5、圖6所示。

4 結束語

本文通過在MATLAB平臺上對車輛圖像進行相關處理，應用顏色檢測與形態學處理相結合的方式定位出車牌圖像，利用投影法進行車牌分割。并且在字符識別這一步驟，改進了傳統的模板匹配方法，能夠有效地識別出正確的車牌字符，實現了車牌字符的自動識別功能。

圖5 實驗采集圖像

圖6 識別結果

［1］CHAIRA T，PANWAR A.An atanassov's intuitionistic fuzzy kernel clustering for medical image segmentation ［J］.International Journal of Computational Intelligence Systems，2014，7（2）：360-370.

［2］FU R H.The research and design of vehicle license platerecognition system in traffic management system［J］.International Journal of Signal Processing，Image Processing and Pattern Recognition，2016，9（3）：445-456.

［3］王哲.車牌殘缺字符識別系統的研究與設計［D］.沈陽：沈陽理工大學，2013.

［4］張萍.基于MATLAB的汽車牌照自動識別技術研究［J］.自動化技術與應用，2019，38（11）：132-135，149.

［5］張立志.圖像處理技術的車牌識別系統研究［J］.電子測試，2020（3）：70-71，10.

TP391.41

A

10.15913/j.cnki.kjycx.2020.14.006

2095－6835（2020）14－0020－03

楚天鴻（1994—），女，華北理工大學碩士研究生，研究方向為機器視覺、圖像處理。

唐瑞尹（1976—），女，博士，教授，研究方向為機器視覺、圖像處理。

〔編輯：王霞〕