MATLAB车牌识别设计1

1. 引言

随着人工智能的发展，越来越多的智能系统走进人们的视野。在汽车领域，车牌的识别系统也逐渐发展成为智能识别系统，一个完整的车牌号识别系统要完成从图像采集到字符识别输出，过程相当复杂，基本可以分成硬件部分跟软件部分，硬件部分包括系统触发、图像采集，软件部分包括图像预处理、车牌定位、字符分割、字符识别四大部分，一个车牌识别系统的基本流程如下图所示，硬件部分和软件部分紧密衔接。

图1 车牌识别系统流程

本文主要从基于MATLAB设计出一个车牌智能识别系统，对车牌上的文字智能识别并语音播报出来。其中包括图像预处理，基于车牌颜色特征的定位方法，车牌倾斜校正，字符分割，字符识别五个部分，最后对所设计的识别系统进行仿真，并得到较为准确的识别结果。

2. 图像预处理

在图像预处理之前，首先要了解RGB图像、灰度图像、二值化图像的定义和原理，以及它们是如何转换的。

(1)RGB图像

RGB图像就是常说的三原色，也称为彩色图像，R代表Red，即红色，G代表Green，即绿色，B代表Blue，即蓝色。自然界中肉眼所能看到的任何色彩都可以由这三种色彩混合叠加而成，称为三原色。RGB图像用三维数组表示，最后一维长度为3，其中1,2,3分别表示RGB三个分量，对于每一个分量，数值范围也是0-255。红、绿、蓝三个通道的缩略图，都是以灰度显示的，用不同的灰度色阶来表示 红、绿、蓝在图像中的比重。通道中的纯白，代表了该色光在此处为最高亮度，亮度级别是255，0表示亮度最低，255表示亮度最高。只有三个通道同时有值才可以显示出彩色，例如红色通道显示为红色。所以车牌原始图像是RGB图像。

(2)灰度图像

它是每个像素只有一个采样颜色的图像，这类图像通常显示为从最暗黑色到最亮的白色的灰度，尽管理论上这个采样可以任何颜色的不同深浅，甚至可以是不同亮度上的不同颜色。灰度图像的每个像素只有一个亮度信息的单色图像，其中的亮度信息，采样从白色与黑色之间划分的若干等级。我们常说的灰度阶，就是从白色到黑色划分的等级数。一般为 2n ，常用的灰度阶为256，用单个字节(8bit， 256=2n )就可以存储每一个灰度值，灰度图像用二维数组表示。

(3)二值化图像

二值化图像，又称黑白图像，顾名思义是由黑色和白色两种颜色表示的图像。即图像上的像素点的灰度值设置为0或255。

将RGB图像转化为灰度图像的过程称为图像灰度化，要表示灰度图，就需要把亮度值进行量化处理，常见的有四种方法，分别为分量法、最大值法、均值法、加权平均法，如表1所示。灰度化具有以下三个优点：1.RGB的值都一样；2.图像数据即调色板，就是实际的RGB，也就是亮度值；3.因为是