基于MATLAB的车牌识别的设计

基于matlab的车牌识别系统一、对车辆图像进行预处理1.载入车牌图像：function [d]=main(jpg)[filename, pathname] = uigetfile({'*.jpg', 'JPEG 文件(*.jpg)'});if(filename == 0), return, endglobal FILENAME %定义全局变量FILENAME = [pathname filename];I=imread(FILENAME);figure(1),imshow(I);title('原图像');%将车牌的原图显示出来结果如下：2.将彩图转换为灰度图并绘制直方图：I1=rgb2gray(I);%将彩图转换为灰度图figure(2),subplot(1,2,1),imshow(I1);title('灰度图像');figure(2),subplot(1,2,2),imhist(I1);title('灰度图直方图');%绘制灰度图的直方图结果如下所示：3. 用roberts算子进行边缘检测：I2=edge(I1,'roberts',0.18,'both');%选择阈值0.18，用roberts算子进行边缘检测figure(3),imshow(I2);title('roberts 算子边缘检测图像');结果如下：4.图像实施腐蚀操作：se=[1;1;1];I3=imerode(I2,se);%对图像实施腐蚀操作，即膨胀的反操作figure(4),imshow(I3);title('腐蚀后图像');5.平滑图像se=strel('rectangle',[25,25]);%构造结构元素以正方形构造一个seI4=imclose(I3,se);% 图像聚类、填充图像figure(5),imshow(I4);title('平滑图像');结果如下所示：6. 删除二值图像的小对象I5=bwareaopen(I4,2000);% 去除聚团灰度值小于2000的部分figure(6),imshow(I5);title('从对象中移除小的对象');结果如下所示：二、车牌定位[y,x,z]=size(I5);%返回I5各维的尺寸，存储在x,y,z中myI=double(I5);%将I5转换成双精度tic %tic表示计时的开始，toc表示计时的结束Blue_y=zeros(y,1);%产生一个y*1的零阵for i=1:yfor j=1:xif(myI(i,j,1)==1)%如果myI(i,j,1)即myI的图像中坐标为(i,j)的点值为1，即该点为车牌背景颜色蓝色 %则Blue_y(i,1)的值加1Blue_y(i,1)= Blue_y(i,1)+1;%蓝色像素点统计endendend[temp MaxY]=max(Blue_y);%Y方向车牌区域确定%temp为向量white_y的元素中的最大值，MaxY为该值的索引PY1=MaxY;while ((Blue_y(PY1,1)>=5)&&(PY1>1))PY1=PY1-1;endPY2=MaxY;while ((Blue_y(PY2,1)>=5)&&(PY2<y))PY2=PY2+1;endIY=I(PY1:PY2,:,:);%x方向车牌区域确定%%%%%% X方向 %%%%%%%%%Blue_x=zeros(1,x);%进一步确定x方向的车牌区域for j=1:xfor i=PY1:PY2if(myI(i,j,1)==1)Blue_x(1,j)= Blue_x(1,j)+1; endendendPX1=1;while ((Blue_x(1,PX1)<3)&&(PX1<x))PX1=PX1+1;endPX2=x;while ((Blue_x(1,PX2)<3)&&(PX2>PX1))PX2=PX2-1;endPX1=PX1-1;%对车牌区域的校正PX2=PX2+1;dw=I(PY1:PY2-8,PX1:PX2,:);t=toc;figure(7),subplot(1,2,1),imshow(IY),title('行方向合理区域');%行方向车牌区域确定figure(7),subplot(1,2,2),imshow(dw),title('定位裁剪后的车牌彩色图像');的车牌区域如下所示：三、字符分割及处理1.车牌的进一步处理对分割出的彩色车牌图像进行灰度转换、二值化、均值滤波、腐蚀膨胀以及字符分割以从车牌图像中分离出组成车牌号码的单个字符图像，对分割出来的字符进行预处理（二值化、归一化），然后分析提取，对分割出的字符图像进行识别给出文本形式的车牌号码。

《基于MATLAB的车牌识别系统研究》篇一一、引言随着智能化交通系统的不断发展，车牌识别技术在现代交通管理中发挥着越来越重要的作用。

基于MATLAB的车牌识别系统研究，能够为智能交通系统提供准确、高效的车牌信息处理手段。

本文旨在介绍基于MATLAB的车牌识别系统的基本原理、方法以及实际应用。

二、车牌识别系统基本原理车牌识别系统主要包括图像预处理、车牌定位、字符分割和字符识别四个基本环节。

基于MATLAB的车牌识别系统采用数字图像处理技术，对采集到的车牌图像进行处理，以实现车牌的准确识别。

1. 图像预处理图像预处理是车牌识别系统的第一步，主要目的是去除图像中的噪声、增强图像的对比度，以便于后续的车牌定位和字符分割。

MATLAB提供了丰富的图像处理函数，如滤波、二值化、边缘检测等，可以有效地实现图像预处理。

2. 车牌定位车牌定位是车牌识别系统的关键环节，主要采用颜色分割、形态学方法、投影分析等方法。

在MATLAB中，可以通过颜色空间转换、阈值分割等手段，提取出车牌区域，为后续的字符分割和识别提供基础。

3. 字符分割字符分割是将车牌图像中的每个字符进行分离的过程。

在MATLAB中，可以采用投影法、连通域法等方法进行字符分割。

首先对车牌区域进行垂直投影，根据投影峰值的分布情况，确定每个字符的位置，然后进行水平投影，进一步确定每个字符的宽度，从而实现字符的精确分割。

4. 字符识别字符识别是车牌识别系统的最后一步，主要是对分割后的字符进行识别。

在MATLAB中，可以采用模板匹配、神经网络等方法进行字符识别。

模板匹配法是通过将待识别的字符与标准字符模板进行比对，找出最相似的字符作为识别结果。

神经网络法则是通过训练大量的样本数据，建立字符识别的模型，从而实现高精度的字符识别。

三、MATLAB在车牌识别系统中的应用MATLAB作为一种强大的数学计算软件，在车牌识别系统中发挥着重要作用。

首先，MATLAB提供了丰富的图像处理函数和算法库，可以方便地实现图像的预处理、车牌定位、字符分割和字符识别等过程。

基于MATLAB的车牌识别系统设计
在1 汽车牌照识别系统总体设计与主要功能模块设计
基于MATLAB 汽车牌照识别系统，主要实现了数字
2 沥青混合料数字2.1 由于汽车长期置于户外环境中，使降低了车牌的
清洁度，另外还有自然光照的条件、照相机与汽车牌照之间的矩离以及角度等因素的影响，汽车牌照
2.2 车牌定位与分割模块
由于本系统采集到的汽车牌照数字同时可通过峰谷分析中车牌的水平、垂直投影确定车牌字符高度的范围，为之后的字符提取打好基础。

如
2.3 字符分割与识别模块
字符提取主要通过对旋转后的车牌进行水平投影和垂直投影分析，计算出汽车牌照字符的高度、宽度、字符顶行、字符尾行以及字符的中心位置来进行实现。

由于汽车车牌字符间的间隔较大，较少出现字符粘连现象，所以本文采用查找连续有文字区域的方法实现字符分割。

通过字符分割，得到单个字符，其中包三大类汉字、字母和数字。

由于分割得到的单个字符大小不一，所以需要对单个字符进行归一化处理，防止因为牌照倾斜导致的单个字符在位置和大小上的误差。

目前字符识别主要有两种识别方法：模板匹配法和神经网络法。

本文主要是运用模板匹配法对分割出来的字符进行识别。

字符提取、分割和识别的效果如
3 结语
本文主要以数字图像处理技术在汽车牌照识别中的应用为基础，基于MATLAB 平台开发了汽车牌照识别系统。

并给出了汽车牌照识别系统的总体。

基于MATLAB的车牌智能识别设计摘要：车牌智能识别技术是智能交通系统中的重要组成部分，能够提高交通管理效率和安全性。

本文基于MATLAB平台，设计了一种车牌智能识别系统，通过图像处理和模式识别技术实现车牌号码的准确识别。

该系统能够实现对车辆行驶过程中的车牌信息进行实时提取和识别，具有较高的准确性和稳定性，可以有效应用于停车场管理、交通违法抓拍等领域。

关键词：车牌智能识别；MATLAB；图像处理；模式识别一、引言随着汽车数量的快速增长，交通拥堵和交通管理成为社会发展中的一大难题。

为了提高交通管理效率和安全性，智能交通系统得到了广泛的关注和应用。

车牌智能识别技术作为智能交通系统中的重要组成部分，能够实现对车辆行驶过程中的车牌信息进行实时提取和识别，为交通管理和监控提供了重要的支持。

二、相关技术及方法1. 图像处理技术图像处理技术是车牌智能识别系统中的核心技术之一，主要包括灰度化、二值化、边缘检测、形态学处理等操作。

灰度化是将彩色图像转换为灰度图像，简化了图像信息的处理；二值化将灰度图像转换为二值图像，方便进行特征提取和分割操作；边缘检测可以准确提取车牌的轮廓信息；形态学处理可以用于去除图像中的噪声点和填充孔洞，提高字符的连通性。

2. 字符分割与特征提取字符分割是指将车牌图像中的字符分离出来，是车牌识别的关键步骤之一。

在字符分割后，需要进行字符的特征提取，包括字符的大小、形状、像素点分布等特征。

这些特征可以用于字符的识别和分类，提高识别的准确性和鲁棒性。

3. 模式识别算法模式识别算法是车牌智能识别系统中的另一个核心技术，主要包括基于模板匹配的模式识别、基于统计学习的模式识别、基于深度学习的模式识别等方法。

这些算法能够对字符进行准确的识别和分类，为车牌智能识别系统提供了强大的分析和识别能力。

三、车牌智能识别系统设计基于MATLAB平台，设计的车牌智能识别系统主要包括图像预处理、字符分割与特征提取、模式识别和结果输出四个主要模块。

毕业设计基于MATLAB的车牌识别系统的设计摘要：汽车车牌的识别系统是现代智能交通管理的重要组成部分之一。

车牌识别系统使车辆管理更智能化，数字化，有效的提升了交通管理的方便性和有效性。

车牌识别系统主要包括了图像采集、图像预处理、车牌定位、字符分割、字符识别等五大核心部分。

本文主要介绍图像预处理、车牌定位、字符分割三个模块的实现方法。

本文的图像预处理模块是将图像灰度化和用Roberts算子进行边缘检测的步骤。

车牌定位和分割采用的是利用数学形态法来确定车牌位置，再利用车牌彩色信息的彩色分割法来完成车牌部位分割。

字符的分割采用的方法是以二值化后的车牌部分进行垂直投影，然后在对垂直投影进行扫描，从而完成字符的分割。

本文即是针对其核心部分进行阐述并使用MATLAB软件环境中进行字符分割的仿真实验。

关键词：MATLAB、图像预处理、车牌定位、字符分割一、发展背景车辆的牌照是机动车的识别标志，在交通管理中有着重要的作用。

通过汽车车牌识别系统可以监控车辆的信息和行驶状况，可以最迅速的实现车辆控制以及交通状况的调控，所以对于现代智能交通至关重要。

该系统主要有两大模块：图像处理模块和字符识别模块。

本文主要对图像处理模块进行设计和研究。

图像处理模块的质量好坏更是衡量整个系统成功与否的关键。

MATLAB语言对于图像的处理非常方便，能够直接调用编好的函数，为整个系统提供了保障。

二、系统框架结构以及流程汽车车牌自动识别系统主要包括触发拍照、图像采集、图像预处理、车牌定位、字符分割、字符识别、输出结果等单元。

触发拍照：该单元会自动检测车辆在指定区域的存在，现有的成熟技术的有线圈触发、视频触发、红外触发、雷达触发以及激光触发。

其中线圈触发和视频触发得到了广泛的应用。

图像采集：该单元是指道路上安装的摄像头在检测到有车辆通过的同时进行拍照并借助网络传送到汽车自动识别系统。

图像预处理：该单元是指车牌识别系统对拍摄的汽车图片进行灰度化和边缘检测等处理。

MATLAB课程设计报告书课题名称基于MATLAB的车牌识别课程设计姓名学号学院专业指导教师2016年6月21日基于MATLAB的车牌识别课程设计目录一．课程设计目的……………………………………………二．设计原理…………………………………………………三．详细设计步骤……………………………………………四. 设计结果及分析…………………………………………五. 总结………………………………………………………六. 设计体会…………………………………………………七. 参考文献…………………………………………………一、课程设计目的车牌定位系统的目的在于正确获取整个图像中车牌的区域，并识别出车牌号。

通过设计实现车牌识别系统，能够提高学生分析问题和解决问题的能力，还能培养一定的科研能力。

二、设计原理:牌照自动识别是一项利用车辆的动态视频或静态图像进行牌照、牌照颜色自动识别的模式识别技术。

其硬件基础一般包括触发设备、摄像设备、照明设备、图像采集设备、识别车牌的处理机等，其软件核心包括车牌定位算法、车牌字符分割算法和光学字符识别算法等。

某些牌照识别系统还具有通过视频图像判断车辆驶入视野的功能称之为视频车辆检测。

一个完整的牌照识别系统应包括车辆检测、图像采集、牌照识别等几部分。

当车辆检测部分检测到车辆到达时触发图像采集单元，采集当前的视频图像。

牌照识别单元对图像进行处理，定位出牌照位置，再将牌照中的字符分割出来进行识别，然后组成牌照输出。

三、详细设计步骤:1. 提出总体设计方案:牌照、颜色识别为了进行牌照识别，需要以下几个基本的步骤：a.牌照定位，定位图片中的牌照位置；b.牌照字符分割，把牌照中的字符分割出来；c.牌照字符识别，把分割好的字符进行识别，最终组成牌照。

牌照识别过程中，牌照颜色的识别依据算法不同，可能在上述不同步骤实现，通常与牌照识别互相配合、互相验证。

(1）牌照定位:自然环境下，汽车图像背景复杂、光照不均匀，如何在自然背景中准确地确定牌照区域是整个识别过程的关键。

车牌识别技术研究摘要：车牌识别是现代智能交通系统中的重要组成部分之一，应用十分的广泛。

它以数字图像处理、模式识别、计算机视觉等技术基础，对摄像机所拍摄的车辆图像进行分析，得到每一辆汽车唯一的车牌号码，从而完成识别过程，它对汽车防盗、缓解交通紧张等起到了积极的作用。

本文主要介绍了有关于车牌识别技术的原理，以及基于MA TLAB的车牌识别的设计，对一张车辆图片进行一系列的预处理（灰度化、边缘检测、腐蚀、填充、形态滤波）之后，将车牌中的字符分割出来，最后将分割出的字符与数据库中存储的字符进行模板匹配。

通过以上的步骤的实现，该系统便能完成牌照图像的定位分割和牌照字符的自动识别。

关键词：MA TLAB；图像预处理；车牌定位；字符分割；字符识别License plate recognition technology research Abstract：License plate recognition is one of the modern intelligenttransportation system is an important part of a wide range of applications. It is technology-based digital image processing, pattern recognition, computer vision, vehicle camera captured images were analyzed, only every car license plate number, thus completing the identification process, its car security, relieve stress and other traffic from to a positive role. This paper introduces the principle of license plate recognition technology and design based on MATLAB license plate recognition, for a series of vehicle image preprocessing (gray, edge detection, corrosion, fill, morphological filtering) after the license plate characters split up, and finally split the data stored in the character and the character template matching. By implementing the above steps, the system will be able to complete the positioning of the vehicle license plate image segmentation and automatic license plate character recognition.Key words：MA TLAB；image preprocessing; license plate location; character segmentation; character recognition目录1 绪论 (1)1.1研究目的和意义 (1)1.2国内外研究现状 (2)1.3我国车牌分析 (3)1.4本文章节安排 (3)2 数字图像处理概述 (5)2.1图像及其组成要素 (5)2.2数字图像及其表示 (5)2.3数字图像处理基础 (6)2.4MATLAB在数字图像处理中的应用 (6)3 车牌识别系统的原理及方法 (8)3.1车牌识别系统简述 (8)3.2车牌图像预处理 (9)3.2.1 图像灰度化 (9)3.2.2 边缘检测 (9)3.2.3 形态学图像处理 (10)3.3车牌定位原理 (11)3.4车牌字符分割 (13)3.4.1 字符分割 (13)3.4.2 字符归一化处理 (13)3.5字符识别 (13)3.5.1 字符识别简述 (13)3.5.2 字符识别分类 (14)3.5.3 基于模板匹配的字符识别 (14)4 运用MATLAB实现车牌识别 (17)4.1车牌图像灰度化 (17)4.1.1 程序分析 (17)4.1.2 结果分析 (18)4.2车牌图像预处理 (19)4.2.1 程序分析 (19)4.2.2 结果分析 (20)4.3牌照定位 (22)4.3.1 程序分析 (22)4.3.2 结果分析 (23)4.4字符分割 (24)4.4.1 程序分析 (24)4.4.2 结果分析 (25)4.5字符识别 (25)4.5.1 程序分析 (26)4.5.2 结果分析 (27)5 总结 (29)附录 (30)参考文献 (34)致谢 (35)1 绪论1.1 研究目的和意义随着计算机、通信技术、计算机网络技术在人们日常生活中的不断发展和应用，带来了经济的快速发展，社会已经进入了信息化时代，自动处理信息的能力不断提高并在人们生活的各个领域中得到广泛的应用。

基于Matlab的车牌识别摘要:车牌识别技术是智能交通系统的重要组成部分，在近年来得到了很大的发展。

本文从预处理、边缘检测、车牌定位、字符分割、字符识别五个方面，具体介绍了车牌自动识别的原理。

并用MATLAB软件编程来实现每一个部分,最后识别出汽车车牌。

一、设计原理车辆车牌识别系统的基本工作原理为：将摄像头拍摄到的包含车辆车牌的图像通过视频卡输入到计算机中进行预处理，再由检索模块对车牌进行搜索、检测、定位，并分割出包含车牌字符的矩形区域，然后对车牌字符进行二值化并将其分割为单个字符，然后输入JPEG或BMP格式的数字，输出则为车牌号码的数字。

车牌自动识别是一项利用车辆的动态视频或静态图像进行车牌号码、车牌颜色自动识别的模式识别技术。

其硬件基础一般包括触发设备、摄像设备、照明设备、图像采集设备、识别车牌号码的处理机等，其软件核心包括车牌定位算法、车牌字符分割算法和光学字符识别算法等。

某些车牌识别系统还具有通过视频图像判断车辆驶入视野的功能称之为视频车辆检测。

一个完整的车牌识别系统应包括车辆检测、图像采集、车牌识别等几部分。

当车辆检测部分检测到车辆到达时触发图像采集单元，采集当前的视频图像。

车牌识别单元对图像进行处理，定位出车牌位置，再将车牌中的字符分割出来进行识别，然后组成车牌号码输出。

二、设计步骤总体步骤为：基本的步骤：a.车牌定位，定位图片中的车牌位置；b.车牌字符分割，把车牌中的字符分割出来；c.车牌字符识别，把分割好的字符进行识别，最终组成车牌号码。

车牌识别过程中，车牌颜色的识别依据算法不同，可能在上述不同步骤实现，通常与车牌识别互相配合、互相验证。

(1）车牌定位:自然环境下，汽车图像背景复杂、光照不均匀，如何在自然背景中准确地确定车牌区域是整个识别过程的关键。

首先对采集到的视频图像进行大范围相关搜索，找到符合汽车车牌特征的若干区域作为候选区，然后对这些侯选区域做进一步分析、评判，最后选定一个最佳的区域作为车牌区域，并将其从图象中分割出来。

车牌识别matlab实验报告标题：基于Matlab的车牌识别实验报告摘要：车牌识别是计算机视觉领域的一个重要研究方向，具有广泛的应用前景。

本实验基于Matlab平台，设计并实现了一个简单的车牌识别系统。

实验采用了图像处理和模式识别的技术，通过对车牌图像的预处理、字符分割和字符识别等步骤，成功地实现了对车牌的自动识别。

实验结果表明，该系统在不同场景下的车牌识别效果良好。

一、引言随着交通问题的日益突出，车牌识别技术在交通管理、安防等领域得到广泛应用。

车牌识别系统的核心是对车牌图像进行处理和分析，从中提取出车牌的信息。

本实验旨在利用Matlab平台，实现一个简单的车牌识别系统，并对其性能进行评估。

二、实验方法1. 数据收集：收集包含不同角度、光照条件和车牌类型的车牌图像，并建立一个图像库。

2. 图像预处理：对采集到的车牌图像进行预处理，包括图像增强、灰度化、二值化等操作，以减小光照和噪声对后续处理的影响。

3. 车牌定位：利用边缘检测和形态学处理等方法，对预处理后的图像进行车牌定位，提取出车牌区域。

4. 字符分割：对提取到的车牌区域进行字符分割，将车牌中的字符单独切割出来，以便后续的字符识别。

5. 字符识别：利用模式识别算法，对字符进行识别。

本实验采用了支持向量机（SVM）算法进行训练和分类。

6. 性能评估：对实验结果进行评估，包括准确率、召回率和F1值等指标。

三、实验结果与讨论经过实验测试，我们的车牌识别系统在不同场景下表现出良好的性能。

在收集的测试集上，系统的准确率达到了90%，召回率为85%。

在实际应用中，我们注意到系统对于光照条件较好、车牌清晰的图像处理效果更佳，对于遮挡、模糊的车牌图像处理效果有待改进。

四、结论本实验基于Matlab平台，设计并实现了一个简单的车牌识别系统。

通过图像预处理、车牌定位、字符分割和字符识别等步骤，我们成功地实现了对车牌的自动识别。

实验结果表明，该系统在不同场景下的车牌识别效果良好，并能够较为准确地提取出车牌中的字符信息。