摘 要：智能交通系統(tǒng)收集大量的車輛數(shù)據(jù)后，可用于交通流量分析、城市規(guī)劃等，提高城市交通安全系數(shù)。為了解決智能交通系統(tǒng)的關(guān)鍵技術(shù)之一的車牌識(shí)別技術(shù)，文章設(shè)計(jì)了一種基于Hough變換的車牌識(shí)別算法。文章運(yùn)用MATLAB軟件對采集的車輛照片進(jìn)行車牌區(qū)域定位，提取出其車牌信區(qū)域，將車牌區(qū)域做灰度二值化處理，通過Hough變換進(jìn)行車牌傾斜度矯正，擦除干擾區(qū)域、文字分割等操作，最終識(shí)別出汽車的牌照信息。通過在MATLAB中進(jìn)行仿真實(shí)驗(yàn)，顯示其能快速、準(zhǔn)確地識(shí)別出車牌信息，具有一定的使用價(jià)值。

關(guān)鍵詞：車牌提取 灰度二值化 Hough變換 MATLAB

汽車出行的便捷高效使得它已作為目前我國居民出行的重要交通方式之一，據(jù)公安部統(tǒng)計(jì)，截至2023年9月底，全國機(jī)動(dòng)車保有量達(dá)4.3億輛，其中汽車3.3億輛，新能源汽車1821萬輛。[1]這導(dǎo)致城市道路在出行密度高峰時(shí)間段異常擁堵，帶給城市交通系統(tǒng)嚴(yán)峻挑戰(zhàn)。智能交通能夠通過優(yōu)化人、車、路之間的網(wǎng)絡(luò)，有效解決上述問題。在智能交通系統(tǒng)中，車牌識(shí)別技術(shù)被認(rèn)為是最基礎(chǔ)和關(guān)鍵的技術(shù)之一[2]。

車牌識(shí)別系統(tǒng)可以實(shí)現(xiàn)將采集到的車輛信息進(jìn)行分析、處理，定位和識(shí)別機(jī)動(dòng)車車牌信息。當(dāng)收集大量的車輛數(shù)據(jù)后，可用于交通流量分析、城市規(guī)劃等智能交通系統(tǒng)，有助于實(shí)現(xiàn)智能化的交通管理和服務(wù)，推動(dòng)計(jì)算機(jī)視覺、機(jī)器學(xué)習(xí)等技術(shù)的應(yīng)用和發(fā)展。

本文運(yùn)用MATLAB軟件對采集到的私人轎車的照片進(jìn)行數(shù)字圖像處理技術(shù)，實(shí)現(xiàn)了藍(lán)底白字車牌的定位，對其進(jìn)行灰度二值化處理，矯正傾斜度、擦除反色及字符分割等多項(xiàng)數(shù)字圖像處理技術(shù)，實(shí)現(xiàn)了車牌的自動(dòng)識(shí)別。

1 車牌識(shí)別系統(tǒng)設(shè)計(jì)

MATLAB以其簡潔的語法結(jié)構(gòu)、出色的圖形可視化效果以及強(qiáng)大的界面設(shè)計(jì)功能，近年來在圖像處理領(lǐng)域內(nèi)得到了廣泛的應(yīng)用，并成為國內(nèi)外普遍采用的高端科技軟件。因此，本研究選用MATLAB2019a軟件和Windows10環(huán)境完成車牌識(shí)別系統(tǒng)開發(fā)。

基于MATLAB軟件平臺(tái)進(jìn)行車牌識(shí)別，可視性好，易于操作，主要實(shí)現(xiàn)了數(shù)字圖像處理在車牌識(shí)別中的應(yīng)用。系統(tǒng)主要對采集到的彩色轎車圖片進(jìn)行各種處理操作，最終識(shí)別車牌信息的過程[3]。因此車牌識(shí)別系統(tǒng)總體設(shè)計(jì)如圖1所示。

通過MATLAB軟件編寫M文件讀取采集到的彩色車輛照片，對其進(jìn)行預(yù)處理進(jìn)行定位車牌區(qū)域，將車牌區(qū)域分割出來后進(jìn)行灰度二值化處理、傾斜度的矯正及字符分割。由于采集車輛照片的不統(tǒng)一性，為了避免車輛照片中車牌是模糊不清的，對分割出來的車牌進(jìn)行膨脹和腐蝕，擦除部分邊界點(diǎn)。

2 車牌識(shí)別系統(tǒng)主要模塊算法

2.1 車牌定位

我國家用轎車一般采用外廓尺寸為440mm×

140mm，藍(lán)底白色、白框線的號(hào)牌[4]，采集的原始車輛照片一般為彩色JPG格式或者PNG格式，同時(shí)由于拍攝場合、清晰度等原因可能會(huì)有圖片數(shù)據(jù)過大，會(huì)延長車牌識(shí)別的處理時(shí)間，因此定位車牌的區(qū)域即用一次處理操作將車牌從車輛照片中提取出來作為系統(tǒng)的最前面可以有效減小系統(tǒng)的響應(yīng)時(shí)間。目前基于顏色定位車牌有兩種模式，RGB（紅色、綠色和藍(lán)色）模式和HSI（色調(diào)、飽和度和強(qiáng)度）模式。RGB模式符合人體視覺的三基色疊加模式，但其受光照影響變化較大；HSI模式則較好的避免光照的影響。將RGB 模式轉(zhuǎn)換為HSI模式，設(shè)計(jì)函數(shù)如下[5]：

（1）

（2）

（3）

式中，R≠G且G≠B。根據(jù)此函數(shù)，將得到的HSI表達(dá)的車牌圖片按照表1進(jìn)行定義，滿足條件的像素點(diǎn)置為1，其他像素點(diǎn)置為0。

在HSI模式下進(jìn)行顏色分割處理，確定車牌所在的藍(lán)色區(qū)域，結(jié)合車牌的外廓尺寸，將提取出來的區(qū)域進(jìn)行適當(dāng)?shù)恼{(diào)節(jié)及多次優(yōu)化，最終定位車牌。

2.2 灰度處理

圖像處理技術(shù)中有些簡單但功能強(qiáng)大的處理方法，可以使用灰度變換函數(shù)用公示以表達(dá)，這里使用灰度處理圖像為了降噪點(diǎn)，進(jìn)行圖像增強(qiáng)[6]。設(shè)計(jì)函數(shù)為：

（4）

式中，s，r表示圖片變量，T表示灰度映射函數(shù)。

2.3 傾斜度矯正

車牌圖片由于采集角度問題，常存在一定程度的傾斜的角度，目前針對角度矯正的主流方法有基于Radon變換和 Hough 變換等。

選用Hough 變換來處理圖像，考慮xy平面上的點(diǎn)（xi，yi）滿足yi=axi+b的直線有無數(shù)條，對應(yīng)（a，b）有不同值。此刻，將等式y(tǒng)i=axi+b寫為b=-xia+yi將得到在ab平面（即參數(shù)空間）內(nèi)的點(diǎn)（xi，yi）的單一直線方程。同時(shí)，第二個(gè)點(diǎn)（xj，yj）在ab平面內(nèi)也將對應(yīng)的直線方程b=-xja+yj。當(dāng)這兩條直線不平行時(shí)，則相交于點(diǎn)（a’，b’），如圖2所示。

同理，可以將xy平面所有點(diǎn)（xk，yk）找到參數(shù)空間對應(yīng)的直線，為了避免直線的斜率a趨于無窮大，使用直線的法線表示：

（5）

式中，θ表示傾斜的角度，范圍是-90°

≤θ≤90°；ρ表示截距，范圍是-D≤ρ≤D，其中D是圖像中對角之間的最大距離。

Hough變換不僅適用于直線，也適用于任何曲線函數(shù)，而決定Hough變換的精確度的關(guān)鍵在于平面中θ、ρ的細(xì)分?jǐn)?shù)量[7]。

2.4 分割字符

在分割字符之前要進(jìn)行圖片的強(qiáng)化、邊緣擦除及細(xì)微等預(yù)處理工作，避免出現(xiàn)字符粘粘、割裂等情況。我國對于小型汽車號(hào)牌的標(biāo)準(zhǔn)如圖3所示，本文采用投影法進(jìn)行分割，主要操作有四步：

（1）進(jìn)行水平垂直投影，計(jì)算投影的垂直峰值；

（2）按照車牌標(biāo)準(zhǔn)，通過高寬比找到第一個(gè)字符；

（3）通過間隔比依次找到所有的字符；

（4）切割字符，與模板匹配進(jìn)行識(shí)別。

3 實(shí)驗(yàn)結(jié)果與分析

本實(shí)驗(yàn)在MATLAB軟件平臺(tái)進(jìn)行，共采集車輛照片100張不同顏色不同省份的車牌，實(shí)驗(yàn)結(jié)果如表2所示，其中如圖4所示為某款汽車的牌號(hào)識(shí)別過程。

特殊情況下，對圖5所示的車輛圖片進(jìn)行定位車牌時(shí)，由于拍攝角度問題，車牌字符被鉚接點(diǎn)遮擋，由于采用的是字符模板匹配識(shí)別導(dǎo)致最終的數(shù)據(jù)識(shí)別錯(cuò)誤。

采用此操作識(shí)別車牌信息的精確率可達(dá)86%，系統(tǒng)操作簡捷有效，但是會(huì)發(fā)生因?yàn)橄到y(tǒng)算法閾值問題，導(dǎo)致定位出現(xiàn)偏差；切割字符時(shí)省、自治區(qū)、直轄市簡稱中一部分中文漢字為左右部分的車牌容易發(fā)送首字符分割偏差。

4 結(jié)論

本文對車牌識(shí)別算法進(jìn)行了研究，設(shè)計(jì)了一種基于MATLAB軟件的識(shí)別系統(tǒng)，能夠完成汽車車牌的定位、強(qiáng)化處理及分割識(shí)別等功能。在車牌定位及分割算法上，采用了HSI模型及投影法，精確率上不夠完善，有待優(yōu)化改善。

基金項(xiàng)目：安徽省高?？蒲许?xiàng)目（2022AH0

52362）；2021年安徽省高校優(yōu)秀青年人才支持計(jì)劃重點(diǎn)項(xiàng)目（gxyqZD2021147）。

參考文獻(xiàn)：

[1]公安部辦公室統(tǒng)計(jì)處.2023年全國機(jī)動(dòng)車和駕駛?cè)私y(tǒng)計(jì)分析[J].公安研究，2024（01）：127-128.

[2]劉軍.智能交通系統(tǒng)中圖像處理及物聯(lián)網(wǎng)技術(shù)的應(yīng)用[J].海峽科技與產(chǎn)業(yè)，2022，35（04）：86-88.

[3]鄧成，王錦謨.基于MATLAB的車牌識(shí)別系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[J].太原學(xué)院學(xué)報(bào)（自然科學(xué)版），2023，41（03）：65-69.

[4]公安部道路交通管理標(biāo)準(zhǔn)化技術(shù)委員會(huì).中華人民共和國機(jī)動(dòng)車號(hào)牌：GA 36-2018[S].北京：中國標(biāo)準(zhǔn)出版社，2018.

[5]Rafael C.Gonzalaz，Digital Image Processing[M].北京：電子工業(yè)出版社，2017.

[6]張文俊，李小蘭.基于MATLAB的車牌識(shí)別系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[J].電腦知識(shí)與技術(shù)，2024，20（15）：106-109.

[7]聶簫.軌道交通接觸網(wǎng)磨耗和弓網(wǎng)動(dòng)態(tài)幾何參數(shù)檢測算法研究[D].西安：西南交通大學(xué)，2022.