一种基于MATLAB的车牌提取研究

1、    一种基于matlab的车牌提取研究    毛啟 张治荣 杨国荣 崔忠伟摘要：车牌识别的一般流程是对车牌定位，提取车牌，再对车牌字符分割，最后是进行车牌识别。本文则基于matlab对车牌定位进行相应的提取实验，在定位剪切时取2500像素，使用函数bwareaopen（），得到较好的效果。关键词：车牌定位;matlab：tp391 ：a：1009-3044（2019）16-0189-02开放科学（资源服务）标识码（osid）：车牌自动识别就是对监控器所采集的图片进行研究，由于拍摄的环境不同，识别技术也因应用而不同，图片拍摄环境有各种工作条件，户外场景

2、、室内场景、静止背景、非静止背景、固定照明、天气、温度、有限车速、车辆间的距离等等多种因素影响;什么时候出现在图像中，车牌尺寸大小、位置、是否有车牌，以及背景的复杂更涉及检测车牌的可能性变得无比挑剔。基于matlab的图像识别，通过彩色像素点统计法，把图像有数字矩阵来表示。能解决车牌的定位，分割、识别等一系列过程。在车牌识别中使用matlab语言工具，使得编程简单、快捷，降低了对车牌图像处理的门槛。采用matlab的缺点是，计算机计算速度没有c语言快，有些图像处理算法还的重复设计程序。1车牌定位一直以来，人们想做一个系统就可以定位所有场景的车牌，对于这个问题难度非常大，而且识别的准确率都不高。

3、所以我们采用根据不同的拍摄环境，制定不同的车牌定位。本文按照如下处理过程来实施。1.1灰度化处理灰度化处理是创造灰度化环境，为边缘检测算法做准备。有matlab系统函数法、加权平均值法、最大值法、平均值法等。本文将不对这些方法作更深一步的摸索，所以选择了比较常用的系统函数法rgb2gray（）。通过消除图片饱和度和色调信息，同时不改变其亮度，将图片的rgb转换r=g=b，实现灰度化处理。效果如图2所示。1.2中值滤波中值滤波法是对图像进行平滑处理增强图像，在一定的条件下能克服线性滤波带来的图像细节模糊问题，从而有效的清除图像的噪声干扰3。将灰度化图像经过中值滤波器，使用medfilt2（）函数

4、，得出如图3所示效果。1.3边缘检测进行图像边缘检测算子有sobel算子、roberts算子、canny算子等，本文采用roberts算子，roberts算子是一种利用局部差分算子寻找边缘的算子1，相比其他算子，它的定位更加精准。对于噪声低的图片处理效果较好，但没有平滑处理，对噪声比较敏感，所以在此之前我们做了中值滤波处理，降低噪声对它的干扰。设置edge（） 函数的阈值和方向参数，经过大量试验，本文采用其阈值为 0.15，方向参数为“both”，对降噪后的图片进行分析。由检测图像中亮度变化差异较大的地方，使其效果更佳明显，从而检测车牌的边缘，实现车牌位置的确认。1.4腐蚀和平滑图像的轮廓边缘

5、检测后的图像往往会存在一些边界上的点，所以需要对边界上的点进行腐蚀处理，即消除边界点，使边界向内部收缩。腐蚀后的图像还需要进行平滑处理，使其轮廓明显化。对图像进行闭运算处理，获得结果如图6所示。1.5移除小对象和定位剪切在移除小对象的实际操作中存在着缺陷，如果移除的像素值设置的大小不合适，导致该移除或该保留的达不到预期效果，造成很多的干扰。因此，为了使接下来车牌位置的确定更精确，矩形模型的大小应该按照具体的情况来设置恰当的大小，以便车牌定位的效果达到更佳。經过我们的大量测试，发现在取用2500的像素值时效果较佳，使用的函数是bwareaopen（） 函数，将二进制图像中所有少于2500像素的连

6、接对象消除。最后剪切时本文采取常见的扫描蓝色像素点法，确定车牌顶点所在的坐标，通过matlab识别像素点的不同，定位到车牌区域的顶点坐标，剪切出由坐标所围成的矩形，从而获取到车牌。最终效果如图8所示。2小结车牌图像提取在各个车辆管理系统中是重要的一个环节。本文中采用牌照颜色信息引导和许可证号码组成的语义来确定位置，在绝大多数的情况下都能够正确的提取车牌，通过实验像素值取2500时效果较好。这为下一步的车牌字符识别奠定了坚实的基础，使得整过车牌识别系统的识别率有较大的提高。参考文献：1 孙红艳， 张海英. 图像边缘检测算法的比较与分析j. 菏泽学院学报， 2010， 32（2）：49-52.2

7、王刚， 冀小平. 基于matlab的车牌识别系统的研究j. 电子设计工程， 2009， 17（11）：72-73.3 田原嫄. 图像平滑算子对边缘检测精度的影响j. journal6， 2006， 45（32）：161-163.4 马晨. 基于matlab车牌字符识别的算法研究j. 数字技术与应用， 2017（9）：121-123.5 吕颢， 刘峰， 干宗良，等. 基于字典学习的模糊车牌中文字符识别j. 计算机技术与发展， 2017， 27（11）：75-78.6 mayan j a， deep k a， kumar m， et al. number plate recognition using template comparison for various fonts in matlabc/