繆鑫芯　沈雪琴　董夢(mèng)影　蔣振華

【摘 要】數(shù)字化、智能化的當(dāng)今時(shí)代，車輛的大量使用在給人們帶來便利的同時(shí)事故頻發(fā)。由于諸多例如自然因素影響、車輛行駛軌跡與攝像頭位置影響、車牌樣式繁多等原因，相關(guān)技術(shù)人員無法及時(shí)準(zhǔn)確獲得所需車牌號(hào)碼信息。運(yùn)用MATLAB對(duì)所需車牌號(hào)碼進(jìn)行識(shí)別，可以提高獲取車牌號(hào)碼的準(zhǔn)確性和速度，即使車牌本身有所遮掩或者缺損，也可以通過建立相關(guān)數(shù)學(xué)模型、擴(kuò)大字符數(shù)據(jù)庫(kù)等方法，并運(yùn)用字符識(shí)別與數(shù)據(jù)庫(kù)內(nèi)容相互比對(duì)，最終得到所需要的車牌號(hào)碼。

【關(guān)鍵詞】車輛號(hào)碼識(shí)別;圖像處理;設(shè)計(jì);仿真技術(shù)

中圖分類號(hào)： U462 文獻(xiàn)標(biāo)識(shí)碼： A 文章編號(hào)： 2095-2457（2019）32-0019-002

DOI：10.19694/j.cnki.issn2095-2457.2019.32.007

Design of License Plate Recognition System Based on MATLAB

MIAO Xin-xin SHEN Xue-qin DONG Meng-ying JIANG Zhen-hua

（College of Electrical Engineering，Tongling University， Tongling Anhui 244061， China）

【Abstract】In the current era of digitalization and intelligence， the large-scale use of vehicles brings convenience to people while causing frequent accidents. Due to many factors such as natural factors， the trajectory of the vehicle and the position of the camera， and the variety of license plate styles， the relevant technical personnel cannot obtain the required license plate number information in time. Using MATLAB to identify the required license plate number can improve the accuracy and speed of obtaining the license plate number. Even if the license plate itself is obscured or missing， it can also establish related mathematical models， expand the character database， etc.， and use character recognition and database. The content is compared to each other and the required license plate number is finally obtained.

【Key words】Vehicle number identification; Image processing; Design; Simulation technology

0 引言

現(xiàn)行的車牌識(shí)別系統(tǒng)大多由硬件部分及軟件部分組成。就硬件方面而言，通常使用觸發(fā)設(shè)施（用以核實(shí)車輛是否已經(jīng)進(jìn)入最佳圖像采集區(qū)域）、圖像采集裝置、照明用具、進(jìn)行車牌號(hào)碼識(shí)別的計(jì)算機(jī)類似工具等實(shí)體部件，以實(shí)現(xiàn)獲取車牌圖像的目的。而軟件方面，主要針對(duì)對(duì)圖像進(jìn)行預(yù)處理的相關(guān)算法，字符分割、建立字符數(shù)據(jù)庫(kù)并與所需字符進(jìn)行比對(duì)的技術(shù)。該系統(tǒng)流程圖如圖 1。

圖1 系統(tǒng)流程圖

1 設(shè)計(jì)車牌識(shí)別系統(tǒng)

實(shí)際應(yīng)用中，首先通過硬件獲取原始圖像后，車牌識(shí)別系統(tǒng)再將原始車牌圖像進(jìn)行數(shù)據(jù)化，利用MATLAB技術(shù)：（1）讀入圖像文件;（2）圖像變換：使用dwt2（）和idwt2（）函數(shù)即傅里葉變換原理實(shí)現(xiàn)增強(qiáng)圖像;（3）灰度化：由于外界光線條件無法控制，容易出現(xiàn)所獲得圖像偏光問題，即使進(jìn)行加強(qiáng)圖像增強(qiáng)處理，仍存在偏亮或偏暗即對(duì)比度較低的圖像，因此可以通過imadjust（）函數(shù)以實(shí)現(xiàn)對(duì)灰度的變換及擴(kuò)大，以減少光線對(duì)圖像的影響;（4）邊緣檢測(cè)：由于車牌污濁或其他情況導(dǎo)致車牌位置、范圍難以確定，為準(zhǔn)確提取車牌信息，可以利用Roberts算子進(jìn)行邊緣檢測(cè);（5）濾波處理：為去除小圖像，利用filter（）或conv2函數(shù)銳化濾點(diǎn);（6）平滑圖像輪廓處理：由于噪聲以及數(shù)字化誤差導(dǎo)致角點(diǎn)不理想，采用腐蝕函數(shù)imerode（）或利用噪聲技術(shù)手段再求圖像區(qū)域空間的平均值，以使圖像更為清晰;（7）字符分割：校正車牌區(qū)域得到剪切后的字符并去噪;（8）字符識(shí)別存在多種誤差可能，如字符傾斜、隨機(jī)干擾、筆畫融合或缺失等問題，將所得字符與數(shù)據(jù)庫(kù)中信息相對(duì)，最終得到車牌號(hào)碼。

2 測(cè)試車牌識(shí)別系統(tǒng)

本文以圖像預(yù)處理為第一步，即將攝像機(jī)所獲的圖像進(jìn)行格式、畫面對(duì)比度、尺寸、所占內(nèi)存空間等方面進(jìn)行處理，便于后續(xù)運(yùn)用MATLAB進(jìn)行具體識(shí)別。如圖2為通過硬件所獲取的基本原始圖像，本文以該圖作為系統(tǒng)測(cè)試的樣本，檢驗(yàn)本系統(tǒng)能否正常實(shí)驗(yàn)車牌識(shí)別的功能。

2.1 圖像增強(qiáng)

本系統(tǒng)選擇dwt2二維離散小波變換原理及其反變換實(shí)現(xiàn)圖像增強(qiáng)。得到如圖3所示圖像。通過對(duì)增強(qiáng)前后的圖像進(jìn)行對(duì)比，可以明顯發(fā)現(xiàn)所需的主要信息部分有所加強(qiáng)，但仍存在部分次要信息影響系統(tǒng)判斷，因此需要進(jìn)行圖像灰度化。

[ca，cd，ch，cv]=dwt2（a，'db6'）;

B=imadjust（uint8（ca），[]，[]，1.2）;

bb=idwt2（uint8（B），cd，ch，cv，'db6'）;

圖2 原始車牌圖像? ? ? ? 圖3 小波增強(qiáng)后的圖像

2.2 圖像灰度化

圖像灰度化即抑制圖像中次要的信息，如路況、自然景象、車輛裝飾及配件、車牌意外污染物等，并通過幅度增加處理來增強(qiáng)圖像的重要信息。通過rgb2gray函數(shù)，將一副真彩色數(shù)字?jǐn)?shù)字圖像轉(zhuǎn)換成灰度數(shù)字?jǐn)?shù)字圖像，如圖4所示。

c= rgb2gray（uint8（bb）） ;%灰度化

subplot（4，2，3）

imshow（c）;

圖4 灰度化圖像

為加強(qiáng)圖像，選擇通過histeg函數(shù)，進(jìn)行灰度直方圖均衡化，如圖5所示。此時(shí)完成初步灰度化。

d=histeq（c，50）;%直方圖均衡化

subplot（4，2，4）;

imshow（d）;

圖5 灰度均衡化圖像

2.3 邊緣檢測(cè)

邊緣檢測(cè)為確定車牌邊界區(qū)域，通過Roberts算子：

e=edge（d，'roberts'，0.16）;%邊緣檢測(cè)

subplot（4，2，5）;

imshow（e）;如圖6所示。

明顯發(fā)現(xiàn)所需的主要信息部分有所加強(qiáng)，但仍存在部分次要信息影響系統(tǒng)判斷，因此需要進(jìn)行圖像灰度化。

圖6 圖像邊緣檢測(cè)

2.4 濾波處理

通常進(jìn)行濾波處理是去除小信號(hào)為目的，但仍需盡可能的保留細(xì)節(jié)或者是邊緣信息，以避免某些特殊信息的遺漏，造成圖像識(shí)別的嚴(yán)重錯(cuò)誤。為突出圖像的邊緣信息并加強(qiáng)輪廓特征，以便于機(jī)器的識(shí)別，本文采用銳點(diǎn)濾化的思路，以Sobel算子和拉氏算子進(jìn)行圖像處理。如圖7所示。

f1=[1，2，1;0，0，0;-1，-2，-1];%Sobel算子濾波

f=filter2（f1，e）;

subplot（4，2，6）;

imshow（f）;

圖7 圖像濾波處理

2.5 平滑圖像輪廓處理

平滑圖像輪廓處理即減少由于噪聲以及數(shù)字化誤差導(dǎo)致的角點(diǎn)不理想。

閉運(yùn)算進(jìn)行平滑圖像輪廓得到如圖8。

g1=strel（'rectangle'，[10，10]）;%閉運(yùn)算平滑圖像

g=imclose（f，g1）;

subplot（4，2，7）

imshow（g）;

圖8 圖像平滑處理

3 字符切割與識(shí)別

通過第一步的圖像預(yù)處理，系統(tǒng)可以大致確定出車牌信息所在位置。通過行列兩個(gè)方向?qū)嚺七M(jìn)行定位并校正，如圖9再通過二值化及確定閾值并對(duì)比字符寬度進(jìn)行切割如圖10所示。將得到的7個(gè)字符輸出如圖11并與系統(tǒng)字符數(shù)據(jù)庫(kù)進(jìn)行一一匹配，選擇最佳匹配結(jié)果并得出最終結(jié)果如圖12。因所得字符可能由于諸多原因存在問題如：字符存在傾斜角度;字符含有不明黑色區(qū)域干擾;字符筆畫融合、斷裂和部分缺失等，因此在建立數(shù)據(jù)庫(kù)時(shí)因盡可能的全面且完備，才能最終實(shí)現(xiàn)車牌號(hào)碼的準(zhǔn)確識(shí)別，使其能夠真正運(yùn)用到實(shí)際生活當(dāng)中。

圖9 定位后圖像? ? ? ? ? ? ? ? ?圖10 切割后圖像

圖11 輸出字符? ? ? ? ? ? ? ? ? ? ?圖12 最終結(jié)果

4 結(jié)語(yǔ)

本系統(tǒng)基于MATLAB軟件，通過對(duì)圖像進(jìn)行濾波處理、平滑圖像輪廓等原理設(shè)計(jì)了一種車牌識(shí)別系統(tǒng)。本文主要介紹了圖像預(yù)處理和圖像的定位與分割的具體方法和部分代碼，通過實(shí)踐測(cè)試，該系統(tǒng)所得結(jié)果較為清晰可以達(dá)到實(shí)驗(yàn)要求。綜上所述該系統(tǒng)具有良好的識(shí)別功能，可以實(shí)現(xiàn)在部分情況下的車牌識(shí)別需求。

【參考文獻(xiàn)】

[1]張寶強(qiáng)，等.字符分割前車牌圖像的預(yù)處理[J].計(jì)算機(jī)工程與科學(xué)，2008，30（4）：40-42.

[2]駱雪超，劉桂雄，馮云慶，等.一種基于車牌特征信息的車牌識(shí)別方法[J].華南理工大學(xué)學(xué)報(bào)，2003，31（4）：70-73.

[3]劉陽(yáng)，伊鐵源等.數(shù)字圖象處理應(yīng)用于車輛牌照的識(shí)別[J].遼寧大學(xué)學(xué)報(bào)，2004：65-68.

[4]龍巧云.車牌識(shí)別系統(tǒng)的算法研究[J].中南大學(xué)報(bào)，2013，26（5）：45-47.

[5]賽地瓦爾地·買買提，艾尼瓦爾·肉孜.基于Matlab的三種圖像去噪方法的比較研究[J].通信技術(shù)，2016，49（7）：856-861.

[6]朱雙東，張懿，陸曉峰，三角形交通標(biāo)志的智能檢測(cè)方法[J].中國(guó)圖像圖形學(xué)報(bào)，2006，11（8）：1127-1131.

[7]Dong W M，Zhou N，Paul J C.Perspective-aware texture analysis and synthesis [J].The Visual Computer，2008，24（9）：515-523.

[8]Rafaael C Gonzalez， Richard E Woods.數(shù)字圖像處理[M].2版.北京：電子工業(yè)出版社，2006：156-159.

[9]王圓妹.MATLAB在《數(shù)字圖像處理》課程中的輔助教學(xué)[J].電腦知識(shí)與技術(shù)，2016（28）：121-126.

[10]吳敬超，孫成磊，周崇波.基于MATLAB的彩色圖像自動(dòng)分割[J].電子技術(shù)，2016（07）.