基于MATLAB车牌识别系统的设计与应用
【摘要】当前的汽车牌照识别较为困难，对于汽车牌照的识别将会是图像识别领域重要的研究课题，而对于MATLAB方法的使用能够有效地识别汽车牌照区域，提取有用的数字符号，对于清楚的识别汽车牌照有极大的帮助作用。基于此，本文主要基于MATLAB车牌识别系统的设计与应用进行了探讨。
【关键词】车牌识别系♛统 MATLAB 设计 应用
汽车在行驶过程中，光照强度，车辆的速度以及摄像机的摄影角度都会造成车辆牌照的识别困难。因此在进行汽车牌照的自动识别设计时应当提升识别系统的识别能力。在传统意义上来说，其所使用的设计方法是借助汽车静止状态下的车辆牌照图片，加上C语言等图像处理技术，完成对车辆牌照的识别，这种方法的识别程序极其复杂，而且对于系统的维护难度也比较大。而使用MATLAB语言成像技术之后，对于图片的处理就变的异常简单，只需要借助已经编程好的函数公式就可以完成图片处理工作。
一、图像采集
对于车辆牌照的识别首先要做的就是采集图像，而所获取的照片质量将会直接影响到图像设别系统的识别精度，基于此，应当选取质量较好的摄影设备完成图像的采集，另一方面，摄影设备的拍摄角度也将会影响图像的质量。伴随着社会的发展，科学技术的不断进步，数码相机的分辨率已经达到了一个较高的水平，使用红外传感器来控制相机的开启和关闭，并且将相机和计算机连接起来，实现图像的实时传输。
二、图像预处理
因为对于图像的影响因素极多，譬如光照的♡强度，晴天和阴天的差异以及白天和晚上的差异等，另一方面来说，车辆的行驶速度过快则会造成图像字迹的模糊，从而影响到图像字符的识别。而对于图片的处理要经过灰度化，二值化以及滤波处理等。MATLAB程序中的主要表达方式如下：
Cgray = rgb2gray（car）； %rgb2gray转换成灰度图像
s=strel（'disk'，25⌘）； %strei函数
Bgray=imopen （ Cgray，s）；%打开Cgray图像
figure，imshow （ Bgray ） ；title（・背景图像’）；%输出背景图像Bgray
Egray=imsubtract （ Cgray， Bgray ） ；%两幅图相减
figure，imshow （ Egray ）；title（'增强黑白图像’）；%输出增强黑白图像
maxl =double （ max （ max （ Egray ）））；%Egray的最大值并输出双精度型
fmin 1=double （ min （ min （ Egray ）））；%eEgray的最小值并输出双精度型
level=（fmaxl-（fmaxl-fminl ）/3 ）/255；%获得最佳阈值
bw22=im2bw（Egray，lขevel）；%将图像转换为二进制图像
三、车牌定位
准确地定位车牌对于提升车牌字符的识别准确率有着极大的改善。我们以四种目前最典型的边缘检测算子方法为例，选取Canny算子对车辆牌照进行边缘检测和形态学处理，再对图像中的图像边缘进行处理，从而准确地判断汽车牌照的字符。对于灰度图像的处理主要包含两个元素，即低阈值和高阈值，文中用到的Canny算子边缘检测的主要参数如下：
figure
（3），imshow （I2）； title （' Canny算子边缘检测’）。
四、字符分割
将汽车牌照的字符进行定位之后，然后再使用垂直投影法对区域内น的字符进行分割。这是由于垂直投影法即便是在复杂的环境之下也能够取得较为良好的字符分割效果，对水平投影和垂直投影进行分析和计算，从而得到汽车牌照的字符高度，以及字符的中心位置，方便于后期的字符分割和提取。最后再针对每个字符的中心位置和大嘴的字符宽度来提取所分割的字符。对于所分隔的字符在计算机中提取和分析，最后使用成像技术显现出所拍摄的汽车牌照图像，为汽车牌照的识别提供最大的帮助作用。
五、字符识别
对于汽车牌照的字符识别是汽车牌照识别系统中的最后一步，当然也是最为关键的一步，对于字符的识别精度将会直接影响到车牌识别系统的精度。对于汽车牌照的识别通常由三种方法，即人工神经网络算法，末班匹配法以及BP神经网络。而人工神经网络算法的建立模式是仿效人脑环境和自然神经系统的，这也是近年来新提出的一种技术，该技术具有以下几种优点：第一，具有较强的逼近功能，即对于复杂的气象环境能够采用逼近的方法实现图像的清晰采集；第二，具有较强的适应能力，对于复杂的外界环境该体系能够迅速适应；第三，具有较强的容错性；第四，具有一定的储蓄功能。然而，当前的人工神经网络系统的建设和使用还不够成熟，所采用的变成手段也比较复杂因此还不能大量推广使用。而模板匹配法则是将所采集的图像字符和字符库中的所有字符进行比对，选取相似度最高的字符作为汽车牌照采集的最终字符使用。而我国的车牌包含的汉子个数为多个，大写字母为25个，数字是10个，将这些汉字，字母以及数字统一收集起来，制作成为一个模板数据库，用作平时的牌照对比。由于模板比对法在实际的操作过程中方法比较简单，抗干扰的能力较强，识别的准确度较高，因此，得到了广泛使用。对于BP神经网络技术来说，是一种多学科多领域，涉及到多种技术的识别方法，但是由于本技术简单的使用了模板匹配的一些方法，因此必须建立完整地模板字符库才能够完成日常的汽车牌照的识别工作。
六、结束语
现如今，我们在汽车车牌的识别领域取得了较大的技术突破，但是在实际的使用过程中效果还不够理想，所采取的识别方法比较单一，因此在以后的车牌识别中应当结合多种识别方法的特性，制定多种方案已经逐渐成为了车牌识别系统发展的趋势，所以说，提升车牌识别系统的实用性是当前研究的重点工作。
