matlab车牌识别系统毕业设计,基于MATLAB的车牌识别系统设计

本文主要针对汽车牌照的自动识别系统进行研究。 利用MATLAB 软件，根据提供的汽车车牌照片，采用 MATLAB 中自带的图像分析和处理程序， 实现车牌识别系统中的车牌定位及车牌字符的识别功能， 使其能够有效识别汽车的车牌号等相关信息。 同时，本文对车牌边缘检测、字符切分、字符识别的算法也进行了一定的改进，从而提高了系统的精确性与实用性。 1 车牌图像处理 本文主要在软件方面对车牌识别系统进行研究与设计。 为不失科学性， 本文采用从整体到部分的研究方式对车牌识别系统进行研究。 一次完整的车牌识别的基本流程图如图 1： 图 1 车牌识别的基本步骤 直接从外界获取的车牌图像是 RGB 图像，为便于计算机对图像进行处理，须将 RGB 图像转化为二值图像［1］。 所谓二值图像是指图像中只有两种颜色的信息，通常是黑色和白色，是将普通图像二值化得到的图像。 但要得到二值图像，首先要先把得到的 RGB 图像转化为灰度图。但仅得到灰度图还不能达到处理要求， 还需再将灰度图转化为二值图像才能对图像进行进一步的处理，并且二值化后的车牌图像其字符区域也会得到增强。 在对车牌图像的二值化处理过程中， 由于外界环境和自身算法等因素的影响，得到的图像难免会含有噪声［2］，影响对目标车牌号的提取与识别。 因此要对图像进行除噪处理才能获得清晰度较高的车牌字符图像。 常用的除噪方法有均值滤波与中值滤波。 均值滤波通过使图像模糊，达到看不到细小噪声的目的。 但使用这种方法的缺陷是， 在噪声被消除的同时，目标图像也变模糊了［3］。 中值滤波通过查看像素灰度， 按照从小到大 的顺序进行排列，结果取中间值，在消除 噪声的同时，图像边缘能完好的保留。 中值滤波器与均值滤波器比较的优势是，在均值滤波器中，由于噪声成分被放入平均计算中，所以输出受到了噪声的影响，但是在中值滤波器中，由于噪声成分很难选上，所以几乎不会影响到输出。 因此在同样区域进行处理，中值滤波消除的噪声能力更胜一筹。 中值滤波无论是在消除噪声还是在保存边缘方面都是一个不错的方法。 除噪之后要想对车牌图像进一步提取， 其关键就是要对其进行边缘检测，边缘检测是图像特征提取的重要技术之一，它不仅能在分析图像时大幅度减少要处理的信息量而且还能保护目标的边界结构。 所谓边缘是指其周围像素灰度急剧变化的像素的集合，它是图像最基本的特征。 边缘存在于目标、背景和区域之间，所以它是图像分割所依赖的最重要的依据。 由于边缘是位置的标志，对灰度的变化不敏感，因此，边缘也是图像匹配的重要的特征。在 MATLAB 自带的 edge 函数中有 Sobel 算子、Prewitt 算子、Log 算子、Canny 算子及 Roberts 算子。 相比之下，Roberts 算子的算法简单，计算量较小。 因此本文主要应用 Roberts 算子对车牌进行边缘检测。Roberts 边缘检测算子是一种利用局部差分算子寻找边缘的算子， 根据任一相互垂直方向上的差分都可用来估计梯度，Roberts 算子采用对角方向相邻两像素之差，其计算公式为： △xf＝f(x，y)－f(x－1，y－1) (1) △yf＝f(x－1，y)－f(x，y－1) (2) 其幅值为：G(x，y)＝ △xf 2＋△yf 2 姨 。 Roberts 梯度以(x－ 1 2 ， y－ 1 2 )为中心，所以它度量了(x－ 1 2 ，y－ 1 2 )点处 45°和 135°方 向(相互正交)的灰度变化。 适当取门限 T，做如下判断：G(x，y)＞T，(x，y) 为阶跃状边缘点，Roberts 边缘检测算子相