基于MATLAB的车牌图像的计算机识别系统设计

刘艳华

（盐城工学院信息工程学院，江苏 盐城224051）

随着科技与经济的发展，汽车的数量在逐年增加，给城市带来很多的压力，急需应用现代科技对车辆进行管理。目前，在交通管理、智能停车、各单位、各小区的门禁系统等很多方面都开始逐步采取车牌识别进行智能管理，可以大大减少人力的消耗。这时候一个比较良好的车牌识别系统就至关重要，车牌识别在未来将随处可见，因为它为人类生活带来极大的便利，也成了智能交通系统必不可少的一部分。

本文以MATLAB为平台，研究了车牌识别系统的整个处理过程，包括：（1）汽车头部车牌信息图片采集；（2）对车牌图像进行预处理；（3）在图片上定位并剪切出车牌部位；（4）对车牌号进行字符分割；（5）对分割后的字符图片进行字符识别[1-2]。

1 图像采集和预处理

图像采集通过摄像头清晰地拍摄包含车牌信息的照片，并存入待识别图库中，然后进行预处理。预处理的目的是使采集到的彩色图片能更准确地通过计算机进行识别。

预处理步骤：

（1）将图片由彩色图变为灰度图；

（2）进行图像增强，本设计中采用灰度变化法实现；

（3）进行图像去噪，设计中采用中值滤波法进行去噪；

（4）进行边缘检测，设计中采用罗伯茨梯度法实现；

（5）形态学处理：全1模板的图像腐蚀和闭运算。

2 进行车牌定位

图像预处理后，需要找出车牌信息在整幅图片中的位置，将车牌部分剪切出来。这时需要结合我国车牌的一些已知特征：（1）车牌形状均为长方形；（2）车牌字符颜色与背景颜色均对比明显；（3）车牌号码各字符之间间距的特点，即第二个字符与第三个字符间距比较大，其余间隔均相等。

照片中的车牌位置的定位会受到天气情况、拍照设备、拍照光线、角度、距离等情况的影响。本设计中，首先使用数学形态学的腐蚀运算和闭运算进行车牌侯选区的定位。然后采用投影法来确定车牌的水平与垂直边界。

2.1 上下边界定位

通过扫描腐蚀和闭运算之后的车牌图像，计算出图像中每一行像素值总和，找到并记录像素总和最大值和所在行的位置，从像素最大值位置向上和向下扫描找到与最大像素点连通的区域的上边界和下边界。

2.2 左右边界定位

左右边界的定位具体算法与上下边界定位原理相同。先计算每一列的像素值总和，找到并记录像素总和最大的值和所在列的位置，然后分别向左向右扫描找到与最大像素点连通的左边界和右边界。

找到上下左右边界后再根据经验进行微调整。

3 车牌字符分割

对分割出的彩色车牌图像进行灰度变换、二值化、均值滤波和腐蚀。处理结果依次如图1所示。

图1 车牌图像的预处理结果

为了能够准确地识别每个字符，接下来需要将整体的字符图像分割成单个的字符图像。这里采用垂直投影法来进行切割。算法原理是：根据车牌的先验知识，车牌图像在垂直方向上的投影取得局部最小值的位置一定是字符之间的间隙处，所以字符切割的位置应该在垂直投影的局部最小值附近。

4 车牌字符识别

采用模板匹配法来进行字符识别，原理是将要识别的字符图片与事先准备好的模板字符图片进行逐个相减，取得他们两者最小差值的绝对值即为最优解。

根据我国内地车牌可能出现的字符信息，建立好字符库图片，包含汉字、英文字母和数字三类字符，对每个图片进行分类和编码。本设计中采用的字符库图片大小为40×20像素。

如果切割后的字符图片与字符库图片大小不一致，在两张图片相减时会出现错误，所以在进行比对之前，要先进行单个字符图片的归一化处理，将图片尺寸调整成同一尺寸。

字符分割完成后，归一化大小为40×20像素。字符匹配按照从左到右的顺序进行逐个匹配，一般车牌包含汉字、字母和数字，如果检测到是汉字，就自动匹配汉字库，检测到字母或数字，就匹配字母数字库。匹配完成依次输出图片对应的编码。

5 系统测试结果

按照前面介绍的各种处理算法依次写好程序代码，从网络上找一个车牌图片进行测试，关键部分测试结果如下。

图2给出了原始图片，经过灰度变换、中值滤波和边缘检测后得到的结果，以及形态学处理后的结果。

图2 部分预处理结果

然后采用投影法定位出车牌的具体位置，进行预处理后的图像和字符分割的结果如图3所示。

图3 定位的车牌（上）和字符分割结果（下）

把分割后的字符归一化大小为40×20像素，然后与字符库中的图片进行比对，即可识别出车牌号码。

经过测试，系统可以正确识别大多数车牌图像，但是一些特殊角度拍摄的或者不太清晰的图片识别会出现一些错误，这也是以后要继续进行深入研究和改进的地方。车牌识别系统的关键在于车牌的定位和车牌字符切割，分别对应了多种处理算法，今后要深入进行研究，对比各种方法的优缺点，以提高车牌识别的准确率。