基于Matlab的复杂恶劣环境车牌A识别检测研究

         科技的快速发展使汽车成为现代社会的重要代步工具，促生了新一代的智能交通系统，车牌识别技术作为智能交通的基石，为交通管理提供了技术支撑，使人们的驾车出行更为方便快捷。将车牌识别与计算机软件相结合，在 MATLAB 平台下，运用数字图像处理技术，对采集到的车辆图像进行相关操作，完成了对汽车牌照的定位和字符的分割。同时，将改进后的模板匹配识别方法运用到字符识别中，使系统正确识别出车牌字符，实现了自动识别汽车牌照的目的。针对车牌倾斜给字符分割与识别带来的不便，提出了基于Sobel算子和Radon变换的车牌倾斜 校正算法。先对车牌图形进行边缘检测，接着对其进行Radon变换，确定出车牌在水平和垂直 方向上的倾斜角度，结合不同方向上倾斜角度分别对水平倾斜、垂直倾斜的车牌进行双线性 插值旋转校正和错位偏移校正。最后，将本算法与文献提出的车牌倾斜校正算法进行比较， 结果表明采用本算法进行车牌倾斜校正效果较好，运算效率高并对污迹、光照等不敏感，应 用前景广泛。

一、算法分析

系统总体设计 本文设计的车牌识别系统利用 MATLAB 软件进行编程 设计和仿真实验。MATLAB 软件具有数值分析、计算、设 计控制系统等功能，并且在数字图像处理方面有强大的库函 数，可以出色地完成图像处理，实现处理图像的可视化操作。 对汽车牌照进行识别的具体步骤主要有图像读取、预处理、 车牌图像定位、倾斜纠正、字符分割、字符识别。

1.1 图像读取与预处理

        首先，应用 imread 函数读取已被采集到的带有车牌的车辆图像，其次对该图像进行预处理操作。预处理操作包括对图像像素的重新设置和图像增强。在实际应用中，为保证图像的清晰度，常使用分辨率较高的摄像机、手机等采集设备，而采集到的图像像素过大，会使识别系统的速度降低，甚至会出现卡顿的情况。所以，为了能够让系统的运行顺畅，提高处理速度，对读取的图像像素进行重置，应用 imresize 函数将图像大小统一为520×390。同时，由于外界环境的影响，采集到的车辆图像可能存在光线过暗的情况。所以需要对其进行图像增强处理，确保车牌明亮清晰，为后续工作做好准备。

1.2 车牌图像定位

        采集到的车辆图像经常有着复杂的背景，所以需要对车牌进行准确的定位，这对后面的操作至关重要。若定位错误或不够准确，就会直接导致车牌识别错误。在中国，车牌底色有多种，包括黄色、蓝色、白色、黑色和绿色。同时，车牌有着固定的外廓尺寸，不同型号的汽车牌照的颜色和尺寸均不相同。国家规定，小型汽车牌照的尺寸为440mm×140 mm，颜色为蓝底白字。对颜色筛选后的图像进行形态学处理。二值图 像的形态学运算主要包括腐蚀、膨胀、开操作、闭操作，用 来提取图像目标分量。在此运用它来简化车牌图像的数据信 息。首先，在 MATLAB 中调用 sterl 函数来构建腐蚀算子， 利用 imerode 函数将非车牌区域的信息腐蚀尽。再对噪声区 域使用闭运算函数 imclose 进行去除，弥合狭窄的间隙，填 充空洞，使目标融为一体，变得光滑。 通过 Canny 算子对图像进行边缘检测，并计算 连通域的长宽比，按照预先设定的阈值截取出目标。在实际 操作过程中，截取到的目标车牌有倾斜的情况，为了便于后 续工作，需要在此利用投影法对其校正。再对目标进行行、 列方向上的扫描，使用投影法划分出车牌的具体位置，完成 精确定位，避免多余背景的干扰。

 1.3 车牌纠正

        车牌倾斜校正算法如下：首先对车牌图像转 化为灰度图像，接着进行水平和垂直方向上边缘 检测，然后利用Radon变换计算出车牌在水平和垂 直方向上的倾斜角度，根据倾斜角度进行双线性插 值旋转校正和错位偏移校正。牌倾斜角求取分为水平倾斜角和垂直倾斜 角，原始车牌图像进行转换后，对其进行Radon变 换分别获取车辆倾斜角。

二、代码实现

%=====================读入图片================================
[fn,pn,fi]=uigetfile('*.jpg','选择图片');
if isequal(fn,0)||isequal(pn,0)||isequal(fi,0)
    errordlg('您还没有选取图片！！','温馨提示');%如果没有输入，则创建错误对话框
    return;
end
I=imread([pn fn]);figure,imshow(I);title('原始图像');%显示原始图像
chepailujing=[pn fn];
I_bai=I;
[PY2,PY1,PX2,PX1]=caitu_fenge(I);

% I=rgb2hsv(I);
% [PY2,PY1,PX2,PX1]=caitu_tiqu(I,I_bai);%用HSI模型识别蓝色，用rgb模型识别白色
%================分割车牌区域=================================

%===============车牌区域根据面积二次修正======================
[PY2,PY1,PX2,PX1,threshold]=SEC_xiuzheng(PY2,PY1,PX2,PX1);
%==============更新图片=============================
Plate=I_bai(PY1:PY2,PX1:PX2,:);%使用caitu_tiqu
%==============考虑用腐蚀解决蓝色车问题=============
bw=Plate;figure,imshow(bw);title('车牌图像');%hsv彩图提取图像
%==============这里要根据图像的倾斜度进行选择这里选择的图片20090425686.jpg
bw=rgb2gray(bw);figure,imshow(bw);title('灰度图像');
%================倾斜校正======================
qingxiejiao=rando_bianhuan(bw);
bw=imrotate(bw,qingxiejiao,'bilinear','crop');figure,imshow(bw);
title('倾斜校正');%取值为负值向右旋转
%==============================================
bw=im2bw(bw,graythresh(bw));%figure,imshow(bw);
bw=bwmorph(bw,'hbreak',inf);%figure,imshow(bw);
bw=bwmorph(bw,'spur',inf);%figure,imshow(bw);title('擦除之前');
bw=bwmorph(bw,'open',5);%figure,imshow(bw);title('闭合运算');
bw = bwareaopen(bw, threshold);figure,imshow(bw);title('擦除');
%==========================================================
bw=~bw;figure,imshow(bw);title('擦除反色'); 
%=============对图像进一步裁剪，保证边框贴近字体===========
bw=touying(bw);figure;imshow(bw);title('Y方向处理');
bw=~bw;
bw = bwareaopen(bw, threshold);
bw=~bw;%figure,imshow(bw);title('二次擦除');
[y,x]=size(bw);%对长宽重新赋值
%=================文字分割=================================
fenge=shuzifenge(bw,qingxiejiao);
[m,k]=size(fenge);
%=================显示分割图像结果========================= 
figure;
for s=1:2:k-1
    subplot(1,k/2,(s+1)/2);imshow(bw( 1:y,fenge(s):fenge(s+1)));
end
%================ 给七张图片定位===============桂AV6388
han_zi  =bw( 1:y,fenge(1):fenge(2));
zi_mu   =bw( 1:y,fenge(3):fenge(4));
zm_sz_1 =bw( 1:y,fenge(5):fenge(6));
zm_sz_2 =bw( 1:y,fenge(7):fenge(8));  
shuzi_1 =bw( 1:y,fenge(9):fenge(10)); 
shuzi_2 =bw( 1:y,fenge(11):fenge(12)); 
shuzi_3 =bw( 1:y,fenge(13):fenge(14)); 
%==========================识别====================================
%======================把修正数据读入==============================
xiuzhenghanzi =   imresize(han_zi, [110 55],'bilinear');
xiuzhengzimu  =   imresize(zi_mu,  [110 55],'bilinear');
xiuzhengzm_sz_1=  imresize(zm_sz_1,[110 55],'bilinear');
xiuzhengzm_sz_2 = imresize(zm_sz_2,[110 55],'bilinear');
xiuzhengshuzi_1 = imresize(shuzi_1,[110 55],'bilinear');
xiuzhengshuzi_2 = imresize(shuzi_2,[110 55],'bilinear');
xiuzhengshuzi_3 = imresize(shuzi_3,[110 55],'bilinear');

参考文献

【1】关亮亮,范旭.叉车转向机构建模及运动 仿真[J].汽车实用技术,2019.

【2】李恒,郑勐.躲闪机器人同步移动转向机 构运动学分析[J].机械传动,2020.

---

，本文倾斜角度分别对水平倾斜、垂直倾斜的车牌进行双线性 插值旋转校正和错位偏移校正。最后，将本算法与文献提出的车牌倾斜校正算法进行比较， 结果表明采用本算法进行车牌倾斜校正效果较好，运算效率高并对污迹、光照等不敏感，应 用前景广泛。