基于MATLAB的多方法车牌识别识别系统【GUI，多方法，论文，对比，语音播报，出入库，剩余车位】

一、课题介绍
随着汽车数量的增加，城市交通状况日益受到人们的重视，如何进行有效的交通管理更是成为了人们关注的焦点。智能交通系统通过车辆检测装置对过往的车辆实施检测，提取有关交通数据，达到监控、管理和指挥交通的目的。因此，它已成为世界交通领域研究的重要课题。 车牌识别系统作为智能交通系统的一个重要组成部分，已在高速公路、城市交通和停车场等项目的管理中占有无可取代的重要地位。它在不影响汽车状态的情况下，由计算机自动完成车牌的识别，从而降低交通管理工作的复杂度。
该课题为基于MATLAB的多方法车牌识别识别系统，带有丰富的人机交互GUI界面。目前毕业设计选题中，传统的中规中矩的车牌识别不易得到高分，必须要在此基础上有所创新方得可以避开其他雷同课题，不会轻易被导师被否决而导致毕设不过。因此建议在车牌识别基础上加入多种方法的对比，看看哪种方法的精度高。虽然目前有很多方法的车牌识别，但是都是在各自的测试库里面测试的，比如测试的车牌图像不同，字符库不同，导致无法做对比。整个设计在一个GUI界面上完成。
传统基础版：中规中矩的车牌识别【只看到车屁股】
靓点1版本：可做成 复杂背景的车牌识别【可以看到全车以及周边其他物体】
靓点2版本：可做成 具备判断是否为库内车牌的车牌识别，并且计时计费（智慧停车场）
靓点3版本：可做成 具备语音播报的车牌识别，把识别结果通过声音方式播报出来
靓点4版本：可做成 两种方法的对比，本课题为模板匹配和bp神经网络方法的对比
二、基本流程
车牌识别部分：
①图像预处理：在整个车牌识别系统中，由于采集进来的图像为真彩图，再加上实际采集环境的影响以及采集硬件等原因，图像质量并不高，其背景和噪声会影响字符的正确分割。和识别，所以在进行车牌分割和识别处理之前，需要先对车牌图像进行图像预处理操作。
②车牌定位：首先对车牌的二值图片进行形态学滤波，使车牌区域形成一个连通区域，然后根据车牌的先验知识对所得到的连通区域进行筛选，获取车牌区域的具体位置，完成从图片中提取车牌的任务。
③车牌分割：首先对车牌进行水平投影，去除水平边框；再对车牌进行垂直投影。通过对车牌进行投影分析可知，与最大值峰中心对应的为车牌中第二个字符和第三个字符的间隔，与第二大峰中心距离对应的即为车牌字符的宽度，并以此为依据对车牌进行分割。
④字符识别：
神经网络：先用bp神经网络训练测试集中涉及到的字符，如粤、闽等，A-Z,0-9；进行比对识别；
模板匹配：来对车牌进行识别。识别过程中，首先建立标准字库，再将分割所得到的字符进行归一化，将归一化处理后的字符与标准字库里的字符逐一比较，最后把误差最小的字符作为结果显示出来。
三、GUI设计图（学习好GUI，有助于毕业后从事UI界面设计类工作，如深圳创维，康佳，彩虹电视等需要大量该类岗位，适合女孩子居多，该类工作居于程序员和文员之间）

GUI界面设计图

GUI制作说明：GUI是MATLAB的人机交互式GUI界面，有GUI界面，所有操作可在一个界面上完成，可以为毕设增分不少。GUI可在MATLAB命令行窗口输入guide回车快速打开，GUI常用的控件有axes，edit，putton，text几个组件，不同组件之间通过回调函数来进行连接，触发操作，可教学GUI制作，以及友情推荐同类岗位工作。

四、主函数附录
1、车牌载入
[filename,filepath]=uigetfile(’.jpg’,‘输入车牌图像’);% 直接自动读入%
file=strcat(filepath,filename); %strcat函数：连接字符串；把filepath的字符串与filename的连接，即路径/文件名
I=imread(file);
axes(handles.axes1)%让车牌显示在axes1控件中
imshow(I)%显示
title(‘车牌’)

2、图像预处理
I1=rgb2gray(I); %灰度处理
I2=edge(I1,‘roberts’,0.15,‘both’); %边缘检测
se=[1;1;1];
I3=imerode(I2,se);
se=strel(‘rectangle’,[25,25]);
I4=imclose(I3,se); %闭运算，去除杂质影响
I5=bwareaopen(I4,2000); %膨胀操作

3、车牌定位
[y,x,z]=size(I5);
myI=double(I5);
tic
white_y=zeros(y,1);
for i=1:y
for j=1:x
if(myI(i,j,1)==1)
white_y(i,1)= white_y(i,1)+1;
end
end
end
[temp MaxY]=max(white_y);
PY1=MaxY;
while ((white_y(PY1,1)>=5)&&(PY1>1))
PY1=PY1-1;
end
PY2=MaxY;
while ((white_y(PY2,1)>=5)&&(PY2<y))
PY2=PY2+1;
end
IY=I(PY1:PY2,:😅;
white_x=zeros(1,x);
for j=1:x
for i=PY1:PY2
if(myI(i,j,1)==1)
white_x(1,j)= white_x(1,j)+1;
end
end
end

PX1=1;
while ((white_x(1,PX1)❤️)&&(PX1<x))
PX1=PX1+1;
end
PX2=x;
while ((white_x(1,PX2)❤️)&&(PX2>PX1))
PX2=PX2-1;
end
PX1=PX1-2;
PX2=PX2+3;
dw=I(PY1:PY2-8,PX1:PX2,:);
axes(handles.axes2)
imshow(dw)
title(‘定位的车牌’)

4、字符分割
% 切割出 7 个字符
y1=10;y2=0.25;flag=0;word1=[];
while flag==0
[m,n]=size(d);
left=1;wide=0;
while sum(d(:,wide+1))~=0
wide=wide+1;
end
if wide<y1 % 认为是左侧干扰
d(:,[1:wide])=0;
d=qiege(d);
else
temp=qiege(imcrop(d,[1 1 wide m]));
[m,n]=size(temp);
all=sum(sum(temp));
two_thirds=sum(sum(temp([round(m/3):2*round(m/3)]😅));
if two_thirds/all>y2
flag=1;word1=temp; % WORD 1
end
d(:,[1:wide])=0;d=qiege(d);
end
end
% 分割出第二个字符
[word2,d]=getword(d);
% 分割出第三个字符
[word3,d]=getword(d);
% 分割出第四个字符
[word4,d]=getword(d);
% 分割出第五个字符
[word5,d]=getword(d);
% 分割出第六个字符
[word6,d]=getword(d);
% 分割出第七个字符
[word7,d]=getword(d);

5、字符识别
liccode=char([‘0’:‘9’ ‘A’:‘Z’ ‘京津沪渝冀豫云辽黑湘皖鲁新苏浙赣鄂桂甘晋蒙陕吉闽贵粤青藏川宁琼’]);%SubBw2=zeros(40,20);
l=1;
for I=1:7;
ii=int2str(I);
t=imread([ii,’.jpg’]);
SegBw2=imresize(t,[40 20],‘nearest’);
SegBw2=double(SegBw2)>20;
if l1 %第一位汉字识别
kmin=37;
kmax=43;
elseif l2 %第二位字母识别
kmin=11;
kmax=36;
else l>=3 %第三位后字母或数字识别
kmin=1;
kmax=36;

end
for k2=kmin:kmax
    fname=strcat('字符模板\',liccode(k2),'.jpg');
    SamBw2=imread(fname);
    SamBw2=double(SamBw2)>1;
    for i=1:40
        for j=1:20
            SubBw2(i,j)=SegBw2(i,j)-SamBw2(i,j);
        end
    end
    %相当于两幅图相减得第三幅图
    Dmax=0;
    for k1=1:40;
        for l1=1:20
            if(SubBw2(k1,l1)>0 || SubBw2(k1,l1)<0)
                Dmax=Dmax+1;
            end
        end
    end
    Error(k2)=Dmax;
end
Error1=Error(kmin:kmax);
MinError=min(Error1);
findc=find(Error1==MinError);
Code(l*2-1)=liccode(findc+kmin-1);
Code(l*2)=' ';
l=l+1;

end
t=toc;
set(handles.text4,‘string’,Code)
五、运行效果图

部分运行效果图