基于MATLAB的車牌識別設計

中圖分類號：TP311 文獻標識碼：A 文章編號：2096-4706（2025）16-0094-06

License Plate Recognition Design Based on MATLAB

LIUFengge，ZHANGHao， CHENLiguo （ShandongHuayuUniversityofTechnology，Dezhou 253o34，China）

Abstract： In order to reduce the impact of shooting angle，light and environmentalcolor on the current license plate recognitionsystems，alicenseplaterecognitionsystembasedonMATLABisdesigned，andaGUinterfaceisonstructedfor efect testing.Interms ofrecognitionalgorithms，the vehicle imagesarefirstpreprocessed toreducememoryusage，mprove image informationqualityandsystemoperationspeedThen，thlicenseplatesarelocatedandsegmented，andcharacteratur areextractedtoachievecharacterrecognition.Finallycharactersareoncatenatedtodisplaythecompletelicenseplateumbe TheGUI interface includes functionsforlicense plateimagerecognition，vehicleentryandexit，andtimeandfeecalculation. Users click the“CarEntry”and“CarExit”butons tooperate，and therecognitionresultsare displayed incorresponding components.Aftervalidation，thesystemcancorrecttilted license plates andachieve fastandaccuraterecognitionesults.

Keywords：MATLAB;GUI interface; license plate recognition; character extraction

0 引言

車牌識別技術是現代交通管理系統中普遍應用的一種技術，其可以實現車輛自動識別、車輛分類、車輛追蹤等功能，為城市交通運行提供了重要的支持。近年來，隨著計算機視覺和圖像處理技術的不斷發展，基于MATLAB的車牌識別技術在物流企業、停車場管理、公安交通管理等領域得到了廣泛的研究和應用。因此，研究基于MATLAB的車牌識別技術，對于推動智能交通和智慧城市建設具有重要的意義和作用。但鑒于漢字識別的復雜性以及自然環境和人為因素的影響，國內車牌自動識別系統尚未發展到完善水平。

1 設計思路

1.1 算法選擇

本設計基于數學形態學的檢測方法，突出車牌字符區域特征，然后利用水平投影法除去車牌上下邊框，垂直投影法突出單個字符區域，最終實現對字符的分割。在字符識別上，先將字符歸一化，消除車牌圖像中字符大小不一致的問題，然后利用模板匹配的方法完成對字符的識別。

1. 2 流程概述

車牌識別系統包含兩個核心的部分：圖像預處理和字符識別。通過圖像預處理，可以實現多種功能，如圖像灰度化、圖像去噪、圖像增強、圖像二值化和邊緣檢測等，從而減小圖像占用系統內存的空間并提升圖像的信息質量和系統的運行速度。結合投影算法和模板匹配技術，該系統可以準確檢測出車牌上的每一個字符。車牌識別系統的運行流程圖如圖1所示。

2 車牌識別原理

2.1車牌圖像預處理

在自然環境下，車牌識別系統所采集到的車牌圖像會受到環境光線、車牌清潔度、拍攝角度等多方面因素的影響，最終會導致車牌圖像出現模糊不清、傾斜和破損等嚴重問題。為了獲得更加準確的車牌信息，對其先進行圖像預處理就顯得尤為必要，這樣做不僅可以盡可能地減少噪聲對圖像處理的干擾，而且還能提高圖像的質量，使得車牌識別系統的精確度進一步提升。

2.1.1 圖像灰度化

常用的攝像設備所采集到的汽車圖像大多都是彩色的，而彩圖存儲容量大，圖像處理復雜，系統程序計算時間長，無法滿足準確快速并正確地識別汽車牌照上的字符并實時處理的要求。若將彩色圖像灰度化以后，占用的存儲空間大大減小，不僅方便下一步處理，并且有用信息也不會因此而減少，反而會使處理過程更加簡便和省時[1]。

從理論上來講，未經過處理的原始圖像就是一個RGB圖像。車牌識別采用了MATLAB內部的一種處理圖像函數—rgb2grayO函數進行灰度轉換，調用這個功能的格式是I=rgb2gray（RGB），車輛的原始圖像及其經過灰度化處理后的圖像如圖2所示。

圖2圖像的灰度化

2.1.2 圖像去噪

在圖像采集、傳輸和處理過程中，由于存在一些不必要的信號，它們會嚴重影響圖像的質量，導致圖像變得模糊不清，從而使得圖像識別更加困難。因此，圖像去噪也是圖像預處理過程的重要環節之一。對圖像進行去噪，提高圖像的質量，這也為更好地進行下一步圖像預處理奠定了基礎。

車牌識別采用中值濾波法對灰度化后的圖像進行去噪。中值濾波去噪相當于一個統計濾波器，首先把其鄰域內的所有像素按灰度值的大小進行排序，然后找出中間值作為像素處理的輸出值。作為一種非線性平滑濾波手段，在保障降噪效果的同時，可以避免由于像素值差別過大帶來的圖像失真，能夠最大限度地保留原始圖像中的細節特征。在這種情況下，經過中值濾波處理的汽車圖像，就能夠更加清晰地展現出來，如圖3所示。

圖3中值濾波圖像

2.1.3 圖像增強

經過灰度化處理的圖像，在車牌部分和非車牌部分之間的對比度相差的并不是很明顯，因此，系統很難提取到車牌的邊緣。通過圖像增強，可以顯著改善車牌圖像的對比度，從而大大提升系統的識別準確性，有效地減少了后續車牌字符定位與分割的復雜性。

直方圖均衡化通常用來增加圖像的局部對比度，尤其是當圖像的有用數據的對比度相當接近的時候，使用此方法，亮度可以更好地在直方圖上分布，這樣就可以增強局部的對比度而不至于影響整體的對比度[2]。使用直方圖均衡化技術處理之后的中值濾波圖像如圖4所示。

圖4圖像增強

2.1.4 圖像二值化

圖像二值化可以將圖像中的每一個點的灰度值調節至0或255，從而使得整幅圖像呈現出明顯的黑白效果。然后對閾值進行適當的調試，可以將256個亮度等級的灰度圖像轉換為一種更加準確、全面的二值化圖像，以反映圖像的整體和局部特征。二值圖像在數字圖像處理中扮演著至關重要的角色，針對車牌識別的系統流程，將直方圖均衡化后的圖像再進行二值化，以便更好地控制圖像的幾何特征，僅考慮像素值為0或255的點的位置，避免了多級值的影響，從而大大減少了圖像的數據量，更加清晰地展示出目標的輪廓[3]。經過二值化處理后的圖像如圖5所示。

圖5圖像二值化

2.1.5 邊緣檢測

邊緣檢測技術，可以幫助發現并確定圖像中亮度變化最為明顯的區域。它可以捕捉到圖像的細節，并讓系統更好地理解和識別出圖像的主要特征，從而更有效地提升圖像的性能。在邊緣檢測中，許多算子，如Roberts、Sobel、Laplace 和Canny等都被廣泛應用。Roberts算子是一種高效的邊緣檢測算子，它可以有效地檢測出圖像邊緣的線條，特別是當圖像邊緣接近正45度或負45度時，它的準確性和可靠性會大大提高，從而使得圖像處理更加高效[。對二值化后的車輛圖像進行Roberts邊緣檢測得到如圖6所示的結果。

圖6Roberts邊緣檢測

2.2 車牌定位及分割

車牌定位是汽車車牌識別系統中的關鍵環節之一，它是進行字符分割工作的前提。用攝像設備采集到的圖像都是整個機動車的照片，在進行車牌識別時，需要將車牌區域從整張照片中分離出來，以便系統能夠更加準確地識別到車牌信息，這就稱為車牌定位，而分離效果將直接對字符識別的質量產生影響。

數學形態學是一種廣泛應用于圖像處理領域的技術，可以幫助人們提取圖像中有價值的信息，使人們更好地理解目標對象的形狀特征[5。既可以有效地減少圖像的復雜性，又可以有效地抑制多余的細節，從而極大地提升系統對圖像的分析與處理效率。在這里，首先對邊緣檢測圖像進行閉操作，即先對圖像進行膨脹操作，再進行腐蝕操作，以填補圖像中的空洞或斷裂，使圖像更加連通，增強其可視性；經過閉操作的車牌區域幾乎變成一個白色區域，之后的車牌定位都是根據車牌的這個白色區域來進行定位；接著再進行開操作，即先對圖像進行腐蝕操作，然后再進行膨脹操作，去除圖像中的小物體或噪聲，保留車牌信息。最后使用最小外接矩形算法框出已選出的區域，根據車牌長寬比設定閾值，將滿足閾值的矩形篩選出來，如圖7所示。

使用攝像采集設備時，經常會發生因為拍攝角度的變化而造成車牌出現傾斜的現象。基于這種情況，就有必要對車牌進行校正，車牌識別采用的是Radon變換對有傾斜角度的車牌進行校正，其原理是通過計算一個圖像在不同方向的直線上的投影來糾正偏移[。設 為一個二維函數， 的Radon變換的幾何關系如圖8所示，它是 平行于 y^′ 軸的線積分。當 f（x，y） 表示一個圖像矩陣時，Radon變換的實質是求任意方向 θ 上矩陣的投影。

圖7形態學操作后矩形框篩選

圖8Radon變換原理圖

通過將圖像 沿角度 θ 投影到 x^′ 軸上，可以得到 R_θ（x^′） ，其中包括：

經過Radon變換校正后的車牌圖像如圖9所示。

用bwareaopen（函數刪除二值圖像中面積小于130的對象，此處為去除圖像中的噪點，再用imclearborder（函數去除邊緣像素，最后對圖像進行形態學閉運算，使車牌區域連在一起，后續只要對篩選出的白色區域進行識別即可完成車牌的精準定位，如圖10所示。

圖10車牌的精準定位

由圖10（b）可知，車牌的上下邊框會對后續車牌的字符分割造成一定的影響，其次，字符與字符之間的間隙還是傾斜的，這對于垂直切割來說會造成字符的不完整性。所以還需要用投影法去除車牌的上下邊框，首先，用代碼計算圖像在水平方向上的投影，對其進行平滑處理（使用了窗口大小為50的平滑濾波器），然后通過設置一個閾值（閾值為投影的最大值的一半），找到投影圖中第一個超過閾值的位置，即為上邊框，接著將上邊框位置之上的所有像素設置為0，將其變為黑色，從而去除了上邊框；同理，用代碼計算圖像在垂直方向上的投影，也進行平滑處理，再設置一個閾值（閾值為投影的最大值的0.55倍），找到投影圖中最后一個超過閾值的位置，即為下邊框，將下邊框位置之下的所有像素設置為0，同樣將其變為黑色，從而去除了下邊框[7]。最后再用 imrotateO函數對車牌進行傾斜，如圖11所示，方便后續的字符分割。

2.3傾斜車牌數據集測試實驗報告

傾斜車牌定位處理數據實驗旨在通過構建傾斜車牌數據集，測試汽車在不同傾斜角度下車牌識別算法的性能，重點分析識別時間與識別準確率的變化規律，為快速準確的車牌識別系統提供數據支撐。

2.3.1數據集構建

數據集構建過程如下：

1）傾斜處理。使用圖像編輯工具對原始車牌圖像進行角度變換，生成傾斜角度分別為 0^° （水平）、10^° ， 20^° 、 30^° 、 40^° 的五組數據集，每組2000張。傾斜方向包含左傾和右傾兩種，模擬車輛在彎道、坡道或拍攝角度傾斜時的真實場景[8]。

2）數據標注。采用人工標注方式，為每張圖像標注車牌字符內容及傾斜角度真值，確保標注準確率達 100% 。

2.3.2 實驗方法

實驗方法如下：

1）預處理。對圖像進行灰度化、高斯模糊去噪、自適應閾值二值化處理，增強車牌區域對比度。

2）車牌定位。采用基于邊緣檢測與形態學運算的定位算法，結合傾斜校正（基于霍夫變換檢測車牌邊框直線，計算傾斜角度后進行仿射變換校正）。

3）字符識別。使用卷積神經網絡（CNN）結

合雙向長短期記憶網絡（biLSTM）及注意力機制（Attention）的端到端識別模型，對校正后的車牌圖像進行字符分割與識別。

4）性能指標。識別準確率 Σ=Σ （正確識別樣本數/總樣本數） ×100% 。平均識別時間 Σ=Σ 總處理時間／樣本數（單位：毫秒/張）。

2.3.3 實驗結果與分析

不同傾斜角度下的識別性能如表1所示。

表1不同傾斜角度下的識別性能

結果分析如下：

1）準確率變化趨勢為，當傾斜角度為 0^° 時，車牌處于水平狀態，算法能準確提取車牌區域及字符特征，識別準確率最高為 98.5% ；隨著傾斜角度增大至10^°～20^° ，識別準確率下降至 96.2%～92.8% ，此時車牌邊框發生輕度形變，但通過霍夫變換仍能有效檢測傾斜角度并校正，僅部分字符因透視變形導致特征提取偏差；傾斜角度達 30^°～40^° 時，準確率顯著下降至 87.5%～79.1% 。嚴重傾斜導致車牌區域邊緣略模糊、字符粘連或斷裂，校正后圖像質量上升[。

2）識別時間變化趨勢為， 0^° 水平車牌無須傾斜校正，預處理與定位流程耗時最短為 12.3ms ；傾斜角度每增加 10^° ，平均識別時間增加約 3～6ms 。這是由于傾斜校正過程引入霍夫變換計算量，角度越大，需檢測的直線數量越多，計算復雜度呈指數級增長[10]。此外，字符分割時需對變形字符進行形態學修復，進一步延長處理時間。

2.3.4 實驗結論

關于準確性，在傾斜角度 ?20^° 的場景下，MATLAB系統仍能保持 92% 以上的識別準確率，滿足實際交通監控需求；當傾斜角度超過 30^° 時，準確率顯著下降，需進一步優化算法。

關于速度，識別時間隨傾斜角度增大而增加，但在 ?30^° 范圍內，平均耗時控制在 25ms 以內，滿足實時性要求[]（一般實時系統要求 ?50ms ）。

2.3.5 字符分割

字符分割實質上就是把車牌的字符分割成單一字符。為了準確地辨認出汽車號牌中的任何一個字符文本，必須把這每個字符分開并進行單獨的檢索。選擇投影法可以提高精度和便于使用[12]。

垂直投影技術，可以將車牌圖像的每個字符精確地劃分為獨立的部分，這些字符可能是不同的形狀、大小或其他特征。該投影方法首先上下掃描以獲得車牌圖像的高度，然后左右掃描，找到第一個字符的關鍵點，并繼續進行掃描，直到所有字符都被完整地檢測到[13]。如圖12所示，可以看到，這種字符分割的優點在于設計簡潔、運行效率高，能夠很好地滿足車牌識別系統實時性的要求。

2.4 車牌字符識別

車牌識別采用基于模板匹配的方法來進行字符識別。

首先需要把漢字、字母和數字結合起來，形成圖像庫的符號模型。采用字符歸一化處理，可以有效地消除車牌圖像中字符大小不一致的問題，從而使模板庫中的字符可以直接相減或進行相關計算，獲得最優的識別結果[14]。由于采集圖像的復雜性，直接匹配通常會引起錯誤。通過引入新的模板庫，可以大幅提升車牌字符的識別準確性，并且通過將漢字、字母和數字分開存儲，可以有效地縮小匹配范圍，從而大大加快識別效率，如圖13所示。使用標準模板庫，可以實現對整個字符集的模板匹配，這種方式對字符完整性的要求較低，且算法相對簡單、檢測效率更高。

基于MATLAB的車牌識別設計，經過GUI調試最終呈現的結果如圖14所示，從圖中可以看到汽車的原始圖像、經過處理后獲取的車牌圖像、車牌識別結果、汽車出入庫時間、字符分割圖像、停車位總數、收費標準、車位剩余數、停車時長以及停車費用等信息，界面簡潔且操作簡單[15]。

該汽車出入庫計時計費GUI界面的成功演示，給開發者提供了一種更好的啟示和思路，其不僅僅只能應用于汽車出入庫計時計費這一方面，還可以將代碼和GUI界面的設計相結合，以此來應用到更廣闊的領域。

3結論

車牌識別基于MATLAB設計了一套車牌識別系統，并用相應的GUI界面來進行效果測試。該系統的核心在于對車牌進行快速精確的識別，后續通過GUI界面顯示識別結果及相關信息，為停車場計時收費、小區門崗出入車輛識別、車輛超速、汽車被盜以及肇事車輛逃逸等方面的車牌識別技術發展提供了一種較好的思路。

參考文獻：

[1]蘇春燕.復雜環境下綜合多種特征的車牌定位算法研究[D].蘭州：蘭州交通大學，2021.

[2]楊士東.特殊環境下的車牌識別算法[D].大慶：東北

石油大學，2020.

[3]尹恒杰，曹妍.基于MATLAB的車牌識別系統研究[J].

電子產品世界，2021，28（12）：42-44.

[4]楚天鴻，唐瑞尹.基于MATLAB平臺下的車牌識別

系統設計[J].科技與創新，2020（14）：20-22.

[5]張松蘭.基于MATLAB的汽車牌照自動識別技術研

究[J].新鄉學院學報，2022，39（6）：40-43.[6]史建偉.基于深度學習的車牌識別系統的設計與實現

[D].南京：南京郵電大學，2020.

[7]姜超友.車輛牌照識別關鍵技術的研究與實現[D].大

慶：東北石油大學，2017：1-3.

[8]崔江，王友仁.車牌自動識別方法中的關鍵技術研究

[J].計算機測量與控制，2003（4）：260-262.

[9]周妮娜，王敏，黃心漢，等.車牌字符識別的預處理

算法[J].計算機工程與應用，2003（15）：220-221+232.

[10]陳亞.基于MATLAB的車牌識別系統研究[J].軟件

導刊，2020，19（1）：50-54.

[11]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.

[12]李宏偉，羅自航，張賀磊.車牌識別系統的關鍵技術分析[J].物聯網技術，2022，12（6）：14-15+19.

[13]HUANGX，LIL，LIUR，etal.BinarizationofDegraded Document Images with Global-local U-Nets [J/OL].Optik，2020，203：164025[2025-01-06].https：//doi.0rg/10.1016/j.ijleo.2019.164025.

[14]JINZM，WUYM，MINLH，etal.ARetinex-basedTotalVariationApproach for Image SegmentationandBiasCorrection[J].AppliedMathematicalModelling，2020，79：52-67.

[15]HEMX，HAOP.RobustAutomaticRecognitionofChinese License Platesin Natural Scenes [J].IEEE Access，2020，8：173804-173814.

作者簡介：劉鳳閣（1976—），男，漢族，山東德州人，工程師，講師，汽車維修鑒定考評員，本科，研究方向：汽車網聯技術與電動汽車研發。