基于MATLAB的车牌识别研究

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MATLAB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：MATLAB；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 intelligent transportation 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。

人们更多地将图像信息的自动检测，自动识别技术运用到生活的方方面面，带来更多的方便。

基于社会经济的飞速发展，汽车已经成为生活中不可缺少的一种交通工具，已经和人们的生活融为一体了，汽车保有量的不断增加，也带来了一系列的问题，比如：交通堵塞严重、交通事故频发、交通污染严重、交通环境恶化和收费制度混乱等。

简单的进行人工现场指挥和管理已经不能满足现实的需求，所以智能交通系统地建立是最好的解决方法，智能交通系统就是一项以信息通信技术为基础，使得道路、车辆、使用者三者紧密协调、和谐统一起来而建立起的在大范围内，全方位发挥作用的实时、准确、高效的运输管理系统[1]。

车牌识别技术是智能交通系统的核心，以下几个领域都应用到了车牌识别：
（1）停车场管理系统。

利用车牌识别技术对出入车辆的号牌进行识别和匹配，与停车卡结合实现自动计时、计费的车辆收费管理系统。

（2）高速公路超速自动化管理系统。

以车牌自动识别技术为基础，与其他高科技手段结合，对高速公路交通流状况进行自动监测、自动布控，从而降低交通事故的复发生率，确保交通顺畅。

（3）公路布控。

采用车牌识别技术实现对重点车辆的自动识别，快速报警，既可以有效查找被盗车辆，同时又为公安、检察机关提供了对犯罪嫌疑人的交通工具进行远程跟踪与监查的技术手段。

（4）城市十字交通路口的“电子警察”。

可以对违章车辆进行责任追究，也可以辅助进行交通流量统计，交通监测和疏导。

(5）小区车辆管理系统。

社区保安系统将出入社区的车辆通过车牌识别技术进行记录，将结果与内部车辆列表对比可以实现防盗监管[2]。

因此车牌识别问题已经成为现代交通工程领域中的重点和热点问题之一。

本次研究主要是理解基于MATLAB的车牌识别的实现方法。

本次研究的重点在汽车牌照定位、车牌字符分割以及车牌字符识别技术的实现。

1.2 国内外研究现状
车牌识别技术研究在国外起步比较早，早在20世纪80年代，便有一些零零散散的图像处理方法用于车牌识别的某些具体应用。

在这个阶段，车牌识别技术的研究还没有形成完整的系统体系，一般采用简单的图像处理方法来解决某些具体问题，并且最终结果需要人工干预。

进入20世纪90年代后，国外的研究人员就已经开始了对汽车牌照识别的研究。

典型的如A.S.Johnson等提出车辆牌照的识别系统分为图像分割、特征提取和模板构造、字符识别等三部分，完成车辆牌照的识别。

R.A.Lotufo把获得了的图像使用视觉字符识别技术进行分析，第一步是要在二值化图像中把车牌找到，第二步是用边界跟踪技术把字符特征出来，第三步是比较字符库中的字符和统计最邻近分类器，最后会得出一些候选的车牌号码，再核实和检查这些候选的车牌号码，确定某个候选的车牌号码是否和该车的车牌号码一致，最终就可以确定出该车的车牌号码了。

这个时期的车牌识别在识别车牌的正确率上已经远远高于从前了，但是识别实时性的要求还没有考虑到，识别速度有待进一步提高。

从80年代中期开始，ARGUS英国Alphatech公司就开始了名为RAUS的车牌识别系统的研制。

ARGUS的车牌识别系统的识别时间为100毫秒，通过ARGUS的车速可高达每小时100英里。

还有Hi-Tech公司的See/Car system，新加坡Optasia公司的VLPRS 等。

另外日本、加拿大、德国等发达国家都有适用于本国的车牌识别系统。

各国的车牌识别产品虽然不同，但基本上都是基于车辆探测器的系统，设备投资都是相当的巨大。

但是以上的系统都不适用于我国的车牌识别，主要原因包括：我国的车牌缺乏统一的标准、我国车牌悬挂位置不统一、我国汽车牌照中的汉字识别比英语字符和数字字符的识别困难等。

我国在20世纪90年代后期以后，随着汽车数量的急剧增加，车牌识别技术应用的范围越来越广，车牌识别技术已成为一个热门的研究课题，人们对其进行了广泛的研究。

目前，比较成熟的产品有中科院自动化研究所汉王公司的“汉王眼”，香港亚洲视觉科技有限公司的慧光车牌号码识别系统等。

另外西安交通大学的图像处理和识别实验室、上海交通大学的计算机科学和工程系、清华大学人工智能国家重点实验室、浙江大学自动化系等都做过类似的研究[3]。

虽然这些车牌识别系统的识别率大多都比较高，但是这些车牌识别系统的识别检测
结果大多数是在简单受限制的场景下取得的，而在实际的交通场合以及更加复杂的背景环境下，这些车牌识别系统的识别率往往很低。

所以车牌识别技术将来的发展趋势是能在实际的交通场合以及更加复杂的背景环境的情况下，提高车牌识别系统的识别率。

1.3 我国车牌分析
我国汽车牌照是由车辆管理机关经过申领牌照的汽车进行审核、检验、登记后，核发的带有注册登记编码的硬质号码牌，它们都具有统一的格式、统一的式样。

我国车牌号的第一个是汉字：代表该车户口所在省的简称：如川就是成都，粤就是广州，京就是北京，渝就是重庆等，第二个是英文字母：它代表该车所在地的地市一级代码，规律一般是这样的，A是省会，B是该省第二大城市，C是该省第三大城市，依此类推,车牌号的后五位是汽车的编号，一般为5位数字，即从00001～99999，编号超过10万时，就由A、B、C等英文字母代替，即A代表10万，B代表11万，C代表12万，最后一个字母及Z代表33万，英文字母中的O和I避而不用，以免和数字中的0和1混淆。

目前我国所使用的车辆牌照主要分为六大类，
第一类是底色为蓝色字为白色的牌照是小型民用汽车所用的牌照；
第二类是底色为黄色字为黑色的牌照是大型民用汽车所用的牌照；
第三类是底色为白色字为红色的牌照是试车和车临时所用的牌照，而且数字之前分别标有“临时”和“试”字标志；
第四类是底色为白色字为黑色的牌照是汽车补用牌照；
第五类是底色为黑色字为白色的牌照是使馆、领事馆所使用的外籍汽车牌照；
第六类是底色为白色字为红字、黑字的牌照是武警或军队专用汽车的牌照[4]。

本次设计我使用的车辆牌照是蓝底白字的小型民用汽车牌照，它是1992式号牌，共计7个字符，车牌的外轮廓尺寸都是440mm×140mm，字符高90mm，宽45mm，字符间距12mm，间隔符宽10mm，整个字符的高宽比例近似为3:1，车牌的边缘是线段围成的矩形。

1.4 本文章节安排
本文以MATLAB程序为基础，介绍车牌识别技术的原理、方法、结果等内容。

本文第1章主要介绍车牌识别技术的研究目的和意义、车牌识别技术的发展以及对
我国车牌的分析。

第2章主要介绍数字图像的组成要素、数字图像的基础以及MATLAB软件在数字图像中的应用。

第3章主要简述了车牌识别技术的原理以及基于MATLAB的车牌识别的实现过程。

第4章主要介绍了基于MATLAB的车牌识别代码以及对仿真结果的分析。

第5章主要是对本次设计和论文的总结。

2 数字图像处理概述
2.1 图像及其组成要素
图像是对客观对象的一种相似性的、生动的描述或表示。

在其自然的形式下，图像并不能直接由计算机进行分析。

图像按明暗程度和空间坐标的连续性可以分为两大类，分别是数字图像和模拟图像。

明暗程度和空间坐标都是连续变化的、计算机无法直接处理的图像是模拟图像。

数字图像是一种空间坐标和灰度均不连续的、用离散的数字表示的图像，它的基本组成单元包括像素和灰度，计算机能直接处理的图像是数字图像。

因此，数字图像可以理解为图像的数字表示，是空间和时间的非连续函数（信号），是为了便于计算机处理的一种图像表示形式。

它是由一系列离散单元经过量化后形成的灰度值的集合，即像素的集合[5]。

图像按波段多少来分，又可以分为单波段、多波段和超波段图像。

我们平时常见的彩色图像是在每个点具有红(R)、绿(G)、蓝(B) 3个亮度值，这3个值表示在不同光波段上的强度，比如：纯红色R值为255，G值为0，B值为0；灰色的R、G、B 3个值相等（除了0和255）；白色的R、G、B 都为255；同理黑色的R、G、B 都为0，所以人眼看来就是不同的颜色。

一般情况下只考虑平面、单色、静止图像，此时图像可表示为一个二维函数：
（2-1）
I f x y
(,)
2.2 数字图像及其表示
传统意义上的图像是连续的，即式（2-1）中的x y f
、、是连续的，表示的物体辐射能量在空间上的连续分布，连续图像也称为模拟图像。

为了便于利用计算机对图像进行进一步的加工和处理，需要把模拟图像在空间上、幅值上进行离散化，将其转换为对应的数字形式，离散化的图像称为数字图像。

图像离散化过程包括两种处理：取样和量化。

一幅模拟图像的坐标及幅度都是连续的，为了把它转换为数字形式，必须对坐标和幅度都作离散化操作。

数字化坐标值称为取样，它确
定了图像的空间分辨率；数字化幅度值称为量化，它确定了图像的幅度分辨率。

对于灰度图像，量化是对取样所得的离散样本点上的灰度值进行离散化，将原图像的连续灰度用2k L =（k 为整数）个等间距的灰度级进行表示。

连续图像被取样和量化后可以用一个M N ⨯矩阵来表示，即
(0,0)(0,1)(0,1)(1,0)(1,1)(1,1)(,)(1,0)(1,1)(1,1)f f f N f f f N f x y f M f M f M N ⎡⎤⎢⎥⎢⎥⎢⎥⎢⎥⎣⎦
--=---- (2-2) 此时等式右边的(,)f x y 被称为数字图像，矩阵中的每一个元素称为像素。

2.3 数字图像处理基础
数字图像处理就是利用计算机对各种图像信息进行处理，以期得到某种预期的效果或从图像中提取有用的信息。

数字图像处理系统基本由三个部分组成：计算机、图像数字化仪和图像显示设备。

数字图像处理的基本过程是由图像数字化器中产生的数字图像先进入一个适当装置的缓存中，然后根据操作员的指令，计算机调用和执行程序库中的图像处理程序。

在执行过程中，输入图像被逐行的读入计算机。

对图像进行处理后，计算机逐行按像素生成一幅输出图像，并将其逐行送入缓存[6]。

图2-1 数字图像处理 2.4 MATLAB 在数字图像处理中的应用
MATLAB 软件是matrix&laboratory 两个词的组合，意为矩阵工厂（矩阵实验室）。

是由美国mathworks 公司发布的主要面对科学计算、可视化以及交互式程序设计的高科技计算环境。

它将数值分析、矩阵计算、科学数据可视化以及非线性动态系统的建模和仿真等诸多强大功能集成在一个易于使用的视窗环境中，为科学研究、工程设计以及必须进行有效数值计算的众多科学领域提供了一种全面的解决方案，并在很大程度上摆脱了传统非交互式程序设计语言（如C 、Fortran ）的编辑模式，代表了当今国际科学计算软件的先进水平[7]。

MATLAB是一种基于向量（数组）而不是标量的高级语言，因而从本质上就提供了对图像的支持。

MATLAB为从事图像处理的工程师和研究人员提供了直观、可靠的一体化开发工具。

这些开发工具在医学、公安和国防、遥感遥测、生物技术、显微镜技术、半导体测试、图像传感器设计等图像处理领域得到了广泛的应用[8]。

MATLAB中图像最基本的数据结构是数组。

在MATLAB中大多数图像用二维数组double（64位）浮点型、或uint8（8位无符号整数）、uint16（16位无符号整数）存储的，以减少图像的存储量。

在默认状态下，MATLAB通常用双精度浮点类型数组存储数据。

例如：一个由100行和50列不同灰度值的点组成的图像可以用一个100×50的矩阵来存储。

对于彩色图像，如RGB图像，需要用三维矩阵来存储，第一维表示红色像素的深度值，第二维表示绿色像素的深度值，第三维表示蓝色像素的深度值。

MATLAB的图像处理工具箱提供了一整套用于图像处理、分析、可视化和算法开发的工具。

用户可根据自身需求对图像进行一系列的处理，其中包括特征提取、分析形状和纹理以及对两幅图像进行匹配等。

真彩色图像、索引色图像、灰度图像、二值图像都是MATLAB的图像处理工具箱可以支持图像类型。

由于在MATLAB中用到的某些函数对所使用的图像的图像类型有限制，所以这四种图像类型可以相互转换，所用的转换方式是使用MATLAB的图像处理工具箱的类型转换函数。

BMP、HDF、JPEG、PCX、TIFF、XWD等格式都是可以在MATLAB中进行操作的图像文件格式[9]。

目前MATLAB 软件已广泛运用到数字图像处理领域，故本次研究以MATLAB软件为平台实现车牌识别。

3 车牌识别系统的原理及方法
3.1 车牌识别系统简述
车牌识别技术是基于计算机图像处理为基础，通过对原始图像的预处理，对车牌进行定位，然后再对字符进行分割，最后对分割出的字符进行识别，再输出识别的结果[10]。

车牌识别系统的流程图如图3-1所示
图3-1 车牌识别系统流程图
汽车牌照识别技术主要包括车牌定位、字符分割、字符识别等。

汽车牌照识别的第一步首先要通过图像预处理（边缘检测、腐蚀、填充、滤波）之后正确的从原始图像中分割出车牌区域，其过程是将灰度图像以sobel算子检测边缘；再对边缘图像进行腐蚀，去除掉细的，间断的边缘；对剩下的区域进行闭合以填充图像，此时车牌区域形成了一个大的连通域；在调用bwareaopen函数去掉小的连通域，此时整个二值图像只剩下了车牌区域。

在将此车牌区域的点的坐标放入数组location_of_1中，对这些坐标进行计算，寻找x坐标与y坐标之和最大的点a与最小的点b，a即为车牌的左上角，b为车牌的右下角，通过这两个坐标将车牌分割出来[11]。

第二步是将前面车牌里的7个字符分割出来，其过程是从左向右像按列计算每一列之和，没有白点的列和为0，有白点的列和非零，转换为逻辑1，记录下所有列和在0与1转换的列，即为需要切割的列，共有14列，可切出7个字符。

切割出单个字符后，放入char_(i)中，并切割掉每个字符的上下的空白区域，完成精确切割。

第三步是对前面分割出的字符进行识别，运用的是模板匹配字符识别算法，这过程是把切割出的字符与库里的汉字和字符的模板做减法运算，找到差别点最少的模板为对应模板，输出该模板对应的字符，最后识别出车牌。

3.2 车牌图像预处理
3.2.1 图像灰度化
图像一般可以分为一下的三类。

（1）灰度图像
当一幅图像有灰度级时，通常称该图像为k比特图像。

例如，一幅图像有256个可能的灰度级，称其为8比特图像。

灰度图像矩阵元素的取值范围通常为[0,255]，因此其数据类型一般为8位无符号整数，这就是人们经常提到的256级灰度图像。

“0”表示纯黑色，“255”表示纯白色，中间的数字从小到大表示由黑色到白色的过渡色[12]。

（2）二值图像
一幅二值图像的二维矩阵仅由0、1两个值构成，“0”代表黑色，“1”代表白色。

由于每一像素的取值仅有0、1两种可能，所以计算机中二值图像的数据类型通常为一个二进制位。

二值图像通常用于文字、线条图的扫描识别（OCR）和掩模图像的存储。

二值图像可以看成是灰度图像的一个特例。

（3）RGB彩色图像
RGB图像用来表示彩色图像。

它分别用红（R）、绿（G）、蓝（B）三原色的组合来表示每个像素的颜色。

图像中每一个像素的颜色值（由RGB三原色表示）直接存放在图像矩阵中，由于每一像素的颜色需由R、G、B三个分量来表示，因此RGB图像的图像矩阵与其他类型的图像矩阵不同，是一个三维矩阵，可用M×N×3表示，M、N分别表示图像的行、列数，三个M×N的二维矩阵分别表示各个像素的R、G、B三个颜色分量。

RGB图像的数据类型一般为8位无符号整型，通常用于表示和存放真彩色图像，当然也可以存放灰度图像[13]。

通常，通过数码相机拍照所获的图像是彩色图像，在彩色图像里，如果R=G=B，则图像中的颜色都为一种灰度颜色，其中R=G=B的值叫做灰度值，图像的灰度化处理是指图像由彩色转换为灰度的过程，灰度图像中只包含了强度信息，而并没有颜色信息。

3.2.2 边缘检测
所谓边缘，是指其周围像素灰度有变化的那些像素的集合，它是图像分割、目标区域识别、区域形状提取等图像分析领域十分重要的基础，而且在车牌识别系统中提取车
牌位置占了很重要的地位。

其中边缘检测的算子有很多，如Roberts 算子、Sobel 算子、Prewitt 算子、Zerocross 算子、Log 算子以及Canny 算子。

Sobel 算子是对图像进行差分和滤波运算，且它对噪声具有一定的抑制能力，所以本设计运用Sobel 算子对图像进行边缘检测。

Sobel 边缘算子：
图3-2 Sobel 边缘算子模板
如图3-2所示，两个卷积核形成了Sobel 边缘算子。

图像中的每个点都用这两个核做卷积。

通常，一个核对垂直边缘响应最大，而另一个核则对水平边缘响应最大，两个卷积的最大值作为该点的输出值，运算结果是一幅边缘幅度图像。

对于边缘清晰的图像，Sobel 提出一种检测边缘点的算子。

对数字图像{(,)}f i j 的每一个像素点考察它上、下、左、右相邻点灰度的加权差，与之接近的邻点权重大。

据此，定义的Sobel 算子表示为
(,)|[(1,1)2(1,)(1,1)]
[(1,1)2(1,)(1,1)]|
|[(1,1)2(,1)(1,1)]
[(1,1)2(,1)(1,1)]|S i j f i j f i j f i j f i j f i j f i j f i j f i j f i j f i j f i j f i j =--+-+-+-+-++++++--+-++---++++++ （3-1）
适当取阀值T,做如下判断：若(,)S i j T ≥，则(,)i j 点为边缘点，所有边缘点的集合{(,)}S i j ，为边缘图像[14]。

3.2.3 形态学图像处理
数学形态学以形态为基础对图像进行分析，其基本思想是用具有一定形态的结构元素去度量和提取图像中的对应形状以达到对图像分析和识别的目的。

数学形态学的基本运算有4个：膨胀（或扩张）、腐蚀（或侵蚀）、开启和闭合[15]。

膨胀运算符号为⊕，假设A 为图像集合，用B 为结构元素来对A 进行膨胀，则记作A B ⊕，定义为：
ˆ{|[()}x
A B x B A ⊕=≠∅ （3-2） 其中ˆB
表示B 的映像，即与B 关于原点对称的集合。

上式表明，用B 对A 进行膨胀的运算过程如下：首先作B 关于原点的映射，再将其映像平移x ，当A 与B 映像的交集不为空时，B 的原点就是膨胀集合的像素。

膨胀运算会使图像的区域进行扩张。

腐蚀的运算符号为Θ，A 用B 来腐蚀记作A B Θ错误！未找到引用源。

，其定义为:
{}|()x A B x B A Θ=⊆ （3-3）
上式表明，腐蚀的过程为结构元素B 平移x 后，结构元素B 仍在集合A 中的参考点的集合。

腐蚀运算会使图像的区域进行收缩。

使用同一结构元素对图像先进行膨胀运算，然后对结果进行腐蚀运算的运算方法成为闭运算，闭运算的符号为∙。

A 用B 的闭运算记作A B ∙，其定义为：
()A B A B B ∙=⊕Θ （3-4）
闭运算可以平滑图像的轮廓，它一般用来填充目标内的细小空洞和裂缝、连接断开的临近目标。

采集数字图像过程中通常会会受到多种噪声的污染。

另外，如果在过程中产生污染则会将要处理的图像上表现出一些较强的视觉效果孤立像素点和像素块。

一般情况下，这些噪声在研究对象中一般都是无用的信息，而且还会对研究对象造成干扰，极大降低了图像质量，影响图像分割、图像识别等后继工作的进行。

为了有效的去除这些噪声，并且有效的保存研究对象的图像形状、大小及特定的几何和拓扑结构特征，我们就要采取滤波。

滤波，即在尽量保留图像细节特征的条件下对目标图像的噪声进行抑制，是图像预处理中不可缺少的操作，其处理效果的好坏将直接响到后续图像处理和分析的有效性和可靠性。

3.3 车牌定位原理
我们已经对车牌在图像中的位置作了初步的定位，移除小对象后的二值图像中白色区域基本就是车牌的位置了。

二值图像是指整幅图像画面内仅黑、白二值的图像，每一个像素取两个离散数值（0或1），其中0代表黑色，1代表白色。

灰度图像二值化在图像处理的过程中有着很重要的作用，他不仅能使数据量再一次变小，而且还能突出需要的目标轮廓，从而进行图像的处理与分析。

所谓的二值化处理就是将车牌图像上的像素点的灰度值设置为0或255，从而让整张图片变成黑白的效果，将灰。