毛啟 張治榮 楊國榮 崔忠偉

摘要：車牌識(shí)別的一般流程是對(duì)車牌定位，提取車牌，再對(duì)車牌字符分割，最后是進(jìn)行車牌識(shí)別。本文則基于MATLAB對(duì)車牌定位進(jìn)行相應(yīng)的提取實(shí)驗(yàn)，在定位剪切時(shí)取2500像素，使用函數(shù)bwareaopen（），得到較好的效果。

關(guān)鍵詞：車牌定位;MATLAB

中圖分類號(hào)：TP391 文獻(xiàn)標(biāo)識(shí)碼：A

文章編號(hào)：1009-3044（2019）16-0189-02

開放科學(xué)（資源服務(wù)）標(biāo)識(shí)碼（OSID）：

車牌自動(dòng)識(shí)別就是對(duì)監(jiān)控器所采集的圖片進(jìn)行研究，由于拍攝的環(huán)境不同，識(shí)別技術(shù)也因應(yīng)用而不同，圖片拍攝環(huán)境有各種工作條件，戶外場景、室內(nèi)場景、靜止背景、非靜止背景、固定照明、天氣、溫度、有限車速、車輛間的距離等等多種因素影響;什么時(shí)候出現(xiàn)在圖像中，車牌尺寸大小、位置、是否有車牌，以及背景的復(fù)雜更涉及檢測車牌的可能性變得無比挑剔。

基于MATLAB的圖像識(shí)別，通過彩色像素點(diǎn)統(tǒng)計(jì)法，把圖像有數(shù)字矩陣來表示。能解決車牌的定位，分割、識(shí)別等一系列過程。在車牌識(shí)別中使用MATLAB語言工具，使得編程簡單、快捷，降低了對(duì)車牌圖像處理的門檻。采用MATLAB的缺點(diǎn)是，計(jì)算機(jī)計(jì)算速度沒有C語言快，有些圖像處理算法還的重復(fù)設(shè)計(jì)程序。

1車牌定位

一直以來，人們想做一個(gè)系統(tǒng)就可以定位所有場景的車牌，對(duì)于這個(gè)問題難度非常大，而且識(shí)別的準(zhǔn)確率都不高。所以我們采用根據(jù)不同的拍攝環(huán)境，制定不同的車牌定位。本文按照如下處理過程來實(shí)施。

1.1灰度化處理

灰度化處理是創(chuàng)造灰度化環(huán)境，為邊緣檢測算法做準(zhǔn)備。有MATLAB系統(tǒng)函數(shù)法、加權(quán)平均值法、最大值法、平均值法等。本文將不對(duì)這些方法作更深一步的摸索，所以選擇了比較常用的系統(tǒng)函數(shù)法rgb2gray（）。通過消除圖片飽和度和色調(diào)信息，同時(shí)不改變其亮度，將圖片的RGB轉(zhuǎn)換R=G=B，實(shí)現(xiàn)灰度化處理。效果如圖2所示。

1.2中值濾波

中值濾波法是對(duì)圖像進(jìn)行平滑處理增強(qiáng)圖像，在一定的條件下能克服線性濾波帶來的圖像細(xì)節(jié)模糊問題，從而有效的清除圖像的噪聲干擾[3]。將灰度化圖像經(jīng)過中值濾波器，使用medfilt2（）函數(shù)，得出如圖3所示效果。

1.3邊緣檢測

進(jìn)行圖像邊緣檢測算子有Sobel算子、Roberts算子、Canny算子等，本文采用Roberts算子，Roberts算子是一種利用局部差分算子尋找邊緣的算子[1]，相比其他算子，它的定位更加精準(zhǔn)。對(duì)于噪聲低的圖片處理效果較好，但沒有平滑處理，對(duì)噪聲比較敏感，所以在此之前我們做了中值濾波處理，降低噪聲對(duì)它的干擾。

設(shè)置edge（） 函數(shù)的閾值和方向參數(shù)，經(jīng)過大量試驗(yàn)，本文采用其閾值為 0.15，方向參數(shù)為“both”，對(duì)降噪后的圖片進(jìn)行分析。由檢測圖像中亮度變化差異較大的地方，使其效果更佳明顯，從而檢測車牌的邊緣，實(shí)現(xiàn)車牌位置的確認(rèn)。

1.4腐蝕和平滑圖像的輪廓

邊緣檢測后的圖像往往會(huì)存在一些邊界上的點(diǎn)，所以需要對(duì)邊界上的點(diǎn)進(jìn)行腐蝕處理，即消除邊界點(diǎn)，使邊界向內(nèi)部收縮。腐蝕后的圖像還需要進(jìn)行平滑處理，使其輪廓明顯化。對(duì)圖像進(jìn)行閉運(yùn)算處理，獲得結(jié)果如圖6所示。

1.5移除小對(duì)象和定位剪切

在移除小對(duì)象的實(shí)際操作中存在著缺陷，如果移除的像素值設(shè)置的大小不合適，導(dǎo)致該移除或該保留的達(dá)不到預(yù)期效果，造成很多的干擾。因此，為了使接下來車牌位置的確定更精確，矩形模型的大小應(yīng)該按照具體的情況來設(shè)置恰當(dāng)?shù)拇笮?，以便車牌定位的效果達(dá)到更佳。

經(jīng)過我們的大量測試，發(fā)現(xiàn)在取用2500的像素值時(shí)效果較佳，使用的函數(shù)是bwareaopen（） 函數(shù)，將二進(jìn)制圖像中所有少于2500像素的連接對(duì)象消除。最后剪切時(shí)本文采取常見的掃描藍(lán)色像素點(diǎn)法，確定車牌頂點(diǎn)所在的坐標(biāo)，通過Matlab識(shí)別像素點(diǎn)的不同，定位到車牌區(qū)域的頂點(diǎn)坐標(biāo)，剪切出由坐標(biāo)所圍成的矩形，從而獲取到車牌。最終效果如圖8所示。

2小結(jié)

車牌圖像提取在各個(gè)車輛管理系統(tǒng)中是重要的一個(gè)環(huán)節(jié)。本文中采用牌照顏色信息引導(dǎo)和許可證號(hào)碼組成的語義來確定位置，在絕大多數(shù)的情況下都能夠正確的提取車牌，通過實(shí)驗(yàn)像素值取2500時(shí)效果較好。這為下一步的車牌字符識(shí)別奠定了堅(jiān)實(shí)的基礎(chǔ)，使得整過車牌識(shí)別系統(tǒng)的識(shí)別率有較大的提高。

參考文獻(xiàn)：

[1] 孫紅艷， 張海英. 圖像邊緣檢測算法的比較與分析[J]. 菏澤學(xué)院學(xué)報(bào)， 2010， 32（2）：49-52.

[2] 王剛， 冀小平. 基于MATLAB的車牌識(shí)別系統(tǒng)的研究[J]. 電子設(shè)計(jì)工程， 2009， 17（11）：72-73.

[3] 田原嫄. 圖像平滑算子對(duì)邊緣檢測精度的影響[J]. journal6， 2006， 45（32）：161-163.

[4] 馬晨. 基于MATLAB車牌字符識(shí)別的算法研究[J]. 數(shù)字技術(shù)與應(yīng)用， 2017（9）：121-123.

[5] 呂顥， 劉峰， 干宗良，等. 基于字典學(xué)習(xí)的模糊車牌中文字符識(shí)別[J]. 計(jì)算機(jī)技術(shù)與發(fā)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 MATLAB[C]// IEEE International Conference on Computational Intelligence & Computing Research. 2017.

【通聯(lián)編輯：梁書】