基于Matlab的车牌识别，步骤完整思路

原创于 2026-04-29 12:11:02 发布 · 371 阅读

7 ·

本内容遵循CC 4.0 BY-SA版权协议

GEO检测

标签

#matlab #开发语言 #其他

文章目录

车牌识别是数字图像处理常见课程设计题目，用 Matlab 做整个流程不难，主要分几步：预处理、车牌定位、字符分割、字符识别。本文把每步思路理清楚，代码结构清晰，照着做就能做出来。

整体流程

读取原图，转灰度
预处理：去噪、边缘增强
车牌定位：找到车牌所在区域
倾斜校正：把歪的车牌摆正
字符分割：把每个字符切出来
字符识别：识别每个字符是什么
输出结果

每一步都能用到 Matlab 自带函数，不用从零写算法。

第一步：读取图像预处理

img = imread('car.jpg');
gray = rgb2gray(img);
% 高斯去噪
gray = imgaussfilt(gray, 2);
% 边缘检测
bw = edge(gray, 'canny');

转灰度去掉颜色信息，高斯模糊去噪声，Canny 边缘检测得到轮廓，后面定位车牌用。

第二步：车牌定位

车牌是矩形，长宽比大概 4.5:1，根据这个特征找候选区域。

步骤：

找所有轮廓，bwboundaries 提取连通域
对每个连通域算外接矩形，算长宽比面积
过滤掉不符合长宽比，面积太小太大的
剩下最像车牌那个就是候选

代码框架：

[~, L] = bwboundaries(bw, 8);
stats = regionprops(L, 'BoundingBox', 'Area');
% 遍历找候选
for i = 1:length(stats)
    bbox = stats(i).BoundingBox;
    w = bbox(3);
    h = bbox(4);
    ratio = w/h;
    % 车牌比例大概 2-5 之间，过滤
    if ratio > 2 && ratio < 5
        % 看看面积对不对，保存候选
        candidate = [candidate; stats(i)];
    end
end

选最大最符合的那个，裁剪出来就是车牌区域。

第三步：倾斜校正

车牌拍歪了要校正，用 Hough 变换检测直线，找倾斜角度，然后旋转：

% 车牌二值
level = graythresh(plate_gray);
bw_plate = imbinarize(plate_gray, level);
% 边缘检测找直线
[H, T, R] = hough(bw_plate);
P = houghpeaks(H, 10);
lines = houghlines(bw_plate, T, R, P);
% 算平均角度
angle = mean([lines.theta]);
% 旋转校正
plate_rotated = imrotate(bw_plate, -angle, 'bilinear');

校正完车牌就是正的了，后面分割字符准确。

第四步：字符分割

校正完二值，投影分割：

垂直方向投影，算每一列黑像素个数，从左到右找间隙，分开每个字符：

proj = sum(bw_plate, 1); % 垂直投影，每一列和
% 找谷点，就是间隙
% 分割得到每个字符区域
for i = 1:num_chars
    char_img = bw_plate(:, start(i):end(i));
    char_img = imresize(char_img, [16 8]); % 归一化大小
    chars{i} = char_img;
end

一般车牌七个字符，切出来七个，大小归一化送识别。

第五步：字符识别

切好的字符，用模板匹配，或者神经网络识别。新手做课程设计模板匹配最简单：

提前准备好每个字符标准模板，输入字符和每个模板算相关系数，最大那个就是识别结果。

% templates 是预存的模板，每个字符一个
labels = {'0','1',...,'Z'};
max_corr = 0;
result = '';
for i = 1:length(templates)
    corr = corr2(char_img, templates{i});
    if corr > max_corr
        max_corr = corr;
        result = labels{i};
    end
end