课程设计——基于MATLAB的车牌识别（数字图像处理）

前言

本设计基于MATLAB与数字图像处理实现对于车牌的定位，分割与识别。大家可用于课程设计等。

如需要帮助与指导，技术解答，欢迎私信留言！

识别过程介绍

由于识别的图像为我国现行的车牌，具有较强的规范性，借助车牌的先验知识进行针对性设计。本设计主要分为四个模块：图像预处理模块、车牌定位及分割模块、字符分割模块、字符识别模块。并设计了相应的GUI处理界面。

1、图像预处理

由于拍摄时间，角度，光线各不相同，故先对图像行进灰度化处理以及二值化处理，往往会显示出图像重点，增强对比度，便于接下来的操作。并采用边缘提取等操作来对车牌进行定位以及分割。这里采用方案是roberts算子，对两个方向进行边缘提取，其中，阈值设置为0.15。经过边缘提取后的图片如图所示：

2、车牌定位与提取模块

在完成边缘提取后，除了车牌的边缘，往往还会有车身等其他图像边缘。此时通过腐蚀操作，对提取出的边缘进行腐蚀，进一步去除掉细小的边缘以及其他影响因素，紧接着，再对图像进行膨胀操作，此时，车牌部分就会被标注出来。再与原图对比即可提取出车牌部位。车牌位置以及提取出的车牌如下图所示：

3、字符分割模块

由先验知识可知，一张车牌共有七个字符，所以共需要切除七次，故将切割字符的程序封装为一个函数，以避免主程序的冗余。
关于字符切割函数：主要利用的是先验知识，通过先验知识知道，每两个字符之间都是有固定间距的，从字符最左侧开始，逐列统计每列的像素数，直到没有字符（即空白区域），则该列就是字符的最右侧。经过切割后的字符如下图所示：

4、字符识别模块

用了字符模板的方式来进行识别。基本原理是使用差运算。将切割下来的字符与字符模板进行差运算，统计两幅图片不同点的个数，并保存下来，找到图片差别最少的图像，根据字库，对应到识别的字符，完成识别。

GUI界面构建

使用MATLAB完成整个程序界面的构建，并将全部流程融入到界面中。此外，还添加了系统信息用于确定处理系统的处理过程，并且添加了历史数据可以将过去提取的信息进行保存。

结语

本设计主要是针对数字图像处理的一次练习与应用，其识别精度较差，只有拍摄角度，拍摄光线均较为理想时才会有较高的识别精度。若希望得到更高的识别精度，可以通过深度学习等方式实现。可参见另外一篇文章：

• 基于深度学习的车牌识别
  填坑中，敬请期待···

部分代码展示

%%
clear;
close all;
clc;

%% 自动弹出提示框读取图像
[filename filepath] = uigetfile('.jpg', '输入一个需要识别的图像');
file = strcat(filepath, filename);
img = imread(file);
figure;
imshow(img);
title('车牌图像');

%% 灰度处理
img1 = rgb2gray(img);    % RGB图像转灰度图像
figure;
subplot(1, 2, 1);
imshow(img1);
title('灰度图像');
subplot(1, 2, 2);
imhist(img1);
title('灰度处理后的灰度直方图');

%% 边缘提取
img4 = edge(img1, 'roberts', 0.15, 'both');%  对两个方向进行边缘提取，阈值选取为0.15
figure('name','边缘检测');
imshow(img4);
title('roberts算子边缘检测');

%% 图像腐蚀
se=[1;1;1];
img5 = imerode(img4, se);%使用提取的边缘图片进行腐蚀
figure('name','图像腐蚀');
imshow(img5);
title('图像腐蚀后的图像');

%% 平滑图像，图像膨胀
se = strel('rectangle', [30, 30]);
img6 = imclose(img5, se);     %图像膨胀
figure('name','平滑处理');
imshow(img6);
title('平滑图像的轮廓');

%% 从图像中删除所有少于2350像素8邻接
img7 = bwareaopen(img6, 2350);
figure('name', '移除小对象');
imshow(img7);              
title('从图像中移除小对象');

最后——毕设，课设帮助

由于篇幅有限，仅进行了部分展示，希望对大家有所帮助！

如需要帮助与指导，技术解答，欢迎私信留言！