题目：基于MATLAB的模板匹配车牌识别

题目：基于MATLAB的模板匹配车牌识别

• 流程

读取车牌，灰度，二值化，边缘检测，车牌定位，字符切割，车牌识别。每个步骤都非常详细的注释。可二次开发成出入库识别，库外车牌播报预警，停车计费等。

01图像预处理

通过图像二值化方法后，将有利于图像的进一步处理，使得图像变得简单，且数据量减小，这样就能凸显感兴趣的目标的轮廓。在MATLAB中，二值化处理后的图像常用只有0和1的数组表示。二值化的常用算法有全局二值化算法和局部自适应二值化算法两种。全局二值化算法是对每一幅图计算一个单一的阀值，灰度级大于阈值的像素被标记为背景色，否则为前景色。局部自适应二值化算法以像素的邻域的信息为基础来计算每一个像素的阈值，其中一些方法还会计算整个图像中的一个阈值面，如果图像中的一个像素的灰度级高于在点的阈值面的计算值，那么把像素标记为背景，否则为前景字符。

02车牌颜色特征定位

根据彩色图像的RGB比例定位出近似蓝色的候选区域，但是由于RGB三原色空间中两点间的欧氏距离与颜色距离不成线性比例，在设定蓝色区域的定位范围时不能很好的控制，因此造成的定位出错是最主要的。这样在图片中出现较多的蓝色背景情况下识别率会下降，不能有效提取车牌区域。对此本文提出了自适应调节方案。对分割出来的区域进行识别调整。根据长宽比，蓝白色比对候选区域进行多次定位，最终找到车牌区域。

03车牌倾斜校正

车牌矫正算法主要是Hough变换法、Radon变换法。由于本文主要运用了Radon变换算法，因此这里主要介绍Radon变换法图像投影，就是说将图像在某一方向上做线性积分。如果将图像看成二维函数，则其投影就是在特定方向上的线性积分，比如在垂直方向上的线性积分就是其在轴上的投影；在水平方向上的线积分就是其在轴上的投影。通过这些投影，可以获取图像在指定方向上的突出特性，这在图像模式识别等处理中可能会用到。Radon变换就是将数字图像矩阵在某一指定角度射线方向上做投影变换。这就是说可以沿着任意角度来做Radon变换。

04字符分割