车牌自动定位与字符识别系统

资 源 简 介

本项目旨在通过MATLAB实现一套完整的自动车牌识别（ALPR）方案，包含图像预处理、车牌定位、字符分割以及字符识别四个核心阶段。首先，系统对输入的车辆图像进行灰度化、中值滤波去噪及对比度增强，利用Sobel算子和形态学闭运算提取边缘特征并连接候选区域。其次，通过车牌的形态特征（如长宽比、像素密度）以及垂直和水平投影直方图排除干扰，精确锁定车牌位置并进行倾斜校正。在字符分割阶段，系统采用二值化处理后的连通域分析法或波峰波谷分析，将车牌中的汉字、字母和数字逐一分离。最后，通过构建的标准字符模板库，利用模板匹

详 情 说 明

基于MATLAB的车牌自动定位与字符识别系统

项目介绍

本项目是一款基于MATLAB环境开发的自动车牌识别（ALPR）系统。系统通过数字图像处理技术，实现了从原始车辆照片到最终车牌号码输出的全流程功能。该方案利用了图像增强、形态学运算、特征工程及模板匹配等经典算法，旨在为停车场管理、交通监控等场景提供技术支持。

功能特性

• 多格式图像支持：支持读取JPG、PNG及BMP格式的车辆图像。
• 稳健的预处理：集成中值滤波与对比度自适应增强，有效提升图像质量。
• 精准定位：利用Sobel垂直边缘检测结合形态学闭运算，准确提取车牌候选区域。
• 自动校正：通过Hough变换检测倾斜角度，实现车牌的水平矫正。
• 智能分割：基于垂直投影直方图分析，将车牌字符逐一分离并归一化。
• 字符识别演示：内置标准字符库索引，支持汉字、英文字母及数字的匹配与识别结果展示。

系统实现逻辑

1. 图像载入与初始化 系统启动后通过文件选择对话框获取图像路径，读取车辆图像并创建多子图可视化界面，实时展示处理过程。

2. 图像预处理流水线

• 灰度化处理：将采集到的RGB彩色图像转换为灰度图像，为后续边缘检测奠定基础。
• 噪声抑制：应用3x3掩模的中值滤波技术，消除拍摄过程中产生的孤立噪点并平滑图像。
• 对比度增强：执行直方图均衡化或灰度映射调整，使图像特征更加鲜明，提高定位准确度。

3. 车牌定位与区域提取

• 边缘检测：利用Sobel算子对图像进行垂直方向的梯度计算，精准捕获车牌字符产生的密集垂直边缘。
• 形态学闭运算：采用矩形结构元素执行闭运算，使散乱的边缘连接成块，并利用填充孔洞功能形成完整的提取掩模。
• 区域特征筛选：通过连通域分析获取所有候选区域的属性，根据车牌固有的几何特征进行二次过滤：

- 宽高比筛选：仅保留长宽比在2至6之间的矩形区域。 - 像素密度筛选：计算区域内目标像素与包围盒面积的比值，剔除密度低于0.4的非车牌干扰项。

• 备份机制：若无符合条件的区域，系统自动选取面积最大的连通区域作为识别目标。

4. 倾斜校正 对初步定位的车牌图像进行自适应二值化，利用Hough变换检测图像中的直线角度。计算所有检测直线的平均偏差，通过双线性插值进行图像旋转，消除因拍摄角度导致的字符倾斜。

5. 字符分割算法

• 二值化与降噪：对校正后的车牌进行高灵敏度自适应二值化处理，并执行颜色反转使字符像素为1。
• 边缘修剪：通过分析图像的水平像素和，自动去除车牌上下部可能存在的边框或固定螺栓干扰。
• 垂直投影分割：利用垂直方向的像素投影密度变化寻找字符间的缝隙。系统根据设定的宽度阈值过滤细小噪声，将识别出的每个字符区域切割成独立子图。
• 尺度归一化：将所有切割出的字符图像统一缩放至40x20像素，确保与模板库特征的一致性。

6. 字符识别与结果展示

• 模板库匹配：定义包含0-9、A-Z及各省份汉字简称的任务序列。遍历分割后的字符图像，与库中字符进行相似度计算。
• 逻辑演示：在当前环境中利用模拟匹配算法进行逻辑校验，并在可视化窗口中按顺序显示分割出的具体字母与汉字。
• 结果输出：在命令行窗口打印识别出的完整车牌字符串，同时在原始图像对应的位置绘制红色追踪框，并在图形界面中标注识别结果。

系统要求

• 运行环境：MATLAB R2016a 或更高版本。
• 依赖工具箱：Image Processing Toolbox (图像处理工具箱)。
• 运行硬件：支持标准图形显示的计算机，建议内存大于4GB。

使用方法

1. 在MATLAB指令窗口中运行主程序。
2. 在弹出的文件浏览窗口中选择一张包含清晰车牌的车辆照片。
3. 系统将自动执行从预处理到识别的所有算法步骤。
4. 观察九宫格演示界面中各个步骤的中间结果（如灰度图、边缘图、定位图、字符分割图等）。
5. 在界面右上方及控制台查看最终识别出的车牌号码。