基于MATLAB平台下的车牌识别系统设计

楚天鸿，唐瑞尹

基于MATLAB平台下的车牌识别系统设计

楚天鸿1，唐瑞尹2

（1.华北理工大学 电气工程学院，河北 唐山 063210；2.北华航天工业学院 电子与控制工程学院，河北 廊坊 065000）

科技的快速发展使汽车成为现代社会的重要代步工具，促生了新一代的智能交通系统，车牌识别技术作为智能交通的基石，为交通管理提供了技术支撑，使人们的驾车出行更为方便快捷。将车牌识别与计算机软件相结合，在MATLAB平台下，运用数字图像处理技术，对采集到的车辆图像进行相关操作，完成了对汽车牌照的定位和字符的分割。同时，将改进后的模板匹配识别方法运用到字符识别中，使系统正确识别出车牌字符，实现了自动识别汽车牌照的目的。

车牌识别；MATLAB；图像处理；模板匹配

自2013年起，中国汽车保有量逐年递增，2019年中国汽车保有量已经达到2.6亿辆，与2018年相比增长了8.83%。这足以说明汽车已经成为民众生活中不可或缺的工具，给人们的出行带来方便的同时也给交通带来了巨大压力，建立一个完善的智能交通系统的需求愈发强烈。计算机相关的科学技术迅猛发展以及现代网络科技的广泛应用，带动智能信息化功能处理技术不断完善，同时为现代汽车管理手段提供了新思路和新方案[1]。汽车牌照是每辆汽车特有的身份证明，而车牌识别系统也成为了高速路、小区门禁、停车场等场所的必备工具，在交通管制等方面发挥着重要的作用。车牌识别技术主要包括车牌定位、字符分割、字符识别三个部分[2]，通过对采集到的车辆图像进行相关处理就可成功获取车牌号码，完成车牌识别。

本文在MATLAB软件平台下，设计车牌识别系统，对小型汽车蓝底白字的车牌图像进行相关处理，实现车牌识别功能。

1 系统总体设计

本文设计的车牌识别系统利用MATLAB软件进行编程设计和仿真实验。MATLAB软件具有数值分析、计算、设计控制系统等功能，并且在数字图像处理方面有强大的库函数，可以出色地完成图像处理，实现处理图像的可视化操作。对汽车牌照进行识别的具体步骤主要有图像读取、预处理、车牌图像定位、字符分割、字符识别。

总体结构如图1所示。

图1 总体结构

2 车牌识别系统算法实现

2.1 图像读取与预处理

首先，应用imread函数读取已被采集到的带有车牌的车辆图像，其次对该图像进行预处理操作。

预处理操作包括对图像像素的重新设置和图像增强。在实际应用中，为保证图像的清晰度，常使用分辨率较高的摄像机、手机等采集设备，而采集到的图像像素过大，会使识别系统的速度降低，甚至会出现卡顿的情况。所以，为了能够让系统的运行顺畅，提高处理速度，对读取的图像像素进行重置，应用imresize函数将图像大小统一为520×390。同时，由于外界环境的影响，采集到的车辆图像可能存在光线过暗的情况。所以需要对其进行图像增强处理，确保车牌明亮清晰，为后续工作做好准备。

2.2 车牌图像定位

采集到的车辆图像经常有着复杂的背景，所以需要对车牌进行准确的定位，这对后面的操作至关重要。若定位错误或不够准确，就会直接导致车牌识别错误。在中国，车牌底色有多种，包括黄色、蓝色、白色、黑色和绿色。同时，车牌有着固定的外廓尺寸，不同型号的汽车牌照的颜色和尺寸均不相同。国家规定，小型汽车牌照的尺寸为440 mm× 140 mm，颜色为蓝底白字。

基于上述原因，本文将定位过程分为粗定位和精确定位。以小型汽车牌照为对象，根据车牌的底色来粗略寻找图像中的汽车牌照部分，对选中的目标进行形态学处理，通过目标的长宽比例筛选出正确的车牌图像，并且结合投影法完成最终定位。具体步骤如下。

步骤1：将车牌图像进行色彩模型转换，由RGB模型变为HSV模型。HSV表色系由色度（Hue）、饱和度（Saturation）、亮度（Value）三个分量构成[3]。色彩模型转换的公式为：

步骤2：对转换后的HSV图像中的蓝色进行检测，用白色像素将其标记出来，其余背景标记为黑色像素，生成二值图像。在检测蓝色像素点时，、、三者的取值范围决定了颜色筛选的准确度。蓝色在HSV中的范围分别为：0.5≤≤0.72，0.35≤≤1，0.35≤≤1。

步骤3：对颜色筛选后的图像进行形态学处理。二值图像的形态学运算主要包括腐蚀、膨胀、开操作、闭操作，用来提取图像目标分量。在此运用它来简化车牌图像的数据信息。首先，在MATLAB中调用sterl函数来构建腐蚀算子，利用imerode函数将非车牌区域的信息腐蚀尽。再对噪声区域使用闭运算函数imclose进行去除，弥合狭窄的间隙，填充空洞，使目标融为一体，变得光滑。

步骤4：通过Canny算子对图像进行边缘检测，并计算连通域的长宽比，按照预先设定的阈值截取出目标。在实际操作过程中，截取到的目标车牌有倾斜的情况，为了便于后续工作，需要在此利用投影法对其校正。再对目标进行行、列方向上的扫描，使用投影法划分出车牌的具体位置，完成精确定位，避免多余背景的干扰。

车牌定位如图2所示。

2.3 车牌字符分割

在汽车牌照的区域被准确定位出来之后，需要将白色字符切分成7个独立的图像。常用字符分割的技术手段有连通区域字符分割法、垂直投影法、聚类分析法等[4]。具体的字符分割方法分为直接分割和基于先验知识的分割方法等。直接分割即对精准定位后的车牌按照设定的字符位置直接切割7份，这种方法虽然简单，但是对车牌定位和校正的要求较高，并且一旦有少许噪声出现，就会出现分割错误，准确率低。基于先验知识的分割方法则是根据中国车牌字符的大小比例、位置、距离等特征，需根据国家标准设定阈值，此种方法较为有效，不易出错。

图2 车牌定位

根据车牌字符的国家标准，提前设定好阈值，在分割时采取垂直和水平投影法相结合的方式。具体步骤如下：①将车牌图像二值化；②进行垂直投影，统计数值；③根据阈值，确定第一个局部最小值位置，该位置即为车牌在水平方向的边界；④由左到右依次进行上述步骤，找到单个字符的水平边界；⑤在水平方向上重复步骤②③，确定字符的竖直方向边界，并进行切分操作。

分割后的字符如图3所示。

图3 字符分割

2.4 车牌字符识别

目前，主流的车牌字符识别方法有模板匹配法、神经网络法等[5]。由于神经网络的识别方法需要大量的数据进行训练，而识别的准确率很大程度上取决于数据库的大小和内容的丰富度。鉴于收集各地车牌数据的困难性，决定使用模板匹配法。在进行模板匹配之前，需要对分割后的字符图像进行归一化处理，图像大小统一设置为40×20，以保证其与模板大小一致。

传统的模板匹配方法直接把分割后的字符与模板库中的字符图像逐一进行相减，或是相关度计算操作。选取差值最小者或相关度最大者为匹配结果。但是，由于采集图像的复杂性，前面的操作很能将车牌字符完全还原成模板的样子，这种传统的匹配方式就会经常出现简单的汉字识别成字母、数字的情况，或是字母与相似数字之间识别出错。例如“Q”和“0”、“D”和“B”、“云”和“5”等。

为了提高字符识别的准确率，本文将传统的模板匹配法在建库和识别方面进行改进。建库方面，将文字与字母数字分别建立模板库，匹配时第一个汉字字符与后面六个字符分别和相对应的模板库中的图像进行匹配，这样可以避免汉字和字母数字的相互混淆，降低识别的错误率。在识别方面，采取局部匹配的方式。对待识别字符和模板字符增加预处理操作，将字符和模板等分成4小部分，用相应部分分别进行白色像素比对，计算差值。再把4个差值相加，求得的最小差值者即为匹配的结果。车牌识别结果如图4所示。

图4 识别结果

3 实验及分析

实验在MATLAB平台上进行编程和仿真，对采集到的15幅不同背景的车牌图像进行识别。可以正确识别出14幅，识别率达到了93%。根据实验结果可知，本文设计的汽车牌照识别系统可有效地对车牌字符进行识别，且识别率较高。实验采集图像和识别结果分别如图5、图6所示。

4 结束语

本文通过在MATLAB平台上对车辆图像进行相关处理，应用颜色检测与形态学处理相结合的方式定位出车牌图像，利用投影法进行车牌分割。并且在字符识别这一步骤，改进了传统的模板匹配方法，能够有效地识别出正确的车牌字符，实现了车牌字符的自动识别功能。

图5 实验采集图像

图6 识别结果

［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.车牌残缺字符识别系统的研究与设计［D］.沈阳：沈阳理工大学，2013.

［4］张萍.基于MATLAB的汽车牌照自动识别技术研究［J］.自动化技术与应用，2019，38（11）：132-135，149.

［5］张立志.图像处理技术的车牌识别系统研究［J］.电子测试，2020（3）：70-71，10.

TP391.41

A

10.15913/j.cnki.kjycx.2020.14.006

2095－6835（2020）14－0020－03

楚天鸿（1994—），女，华北理工大学硕士研究生，研究方向为机器视觉、图像处理。

唐瑞尹（1976—），女，博士，教授，研究方向为机器视觉、图像处理。

〔编辑：王霞〕