MATLAB车牌识别与图像处理系统

资 源 简 介

本项目是一个基于MATLAB开发环境的自动化车牌识别与处理系统，旨在通过数字图像处理技术实现对车辆图片的智能分析。系统功能涵盖了从图像采集、预处理到最终字符输出的完整流程。首先，系统对输入的车辆图像进行灰度化转换、直方图均衡化以及高斯滤波去噪，以增强图像对比度并减少环境干扰。接着，利用边缘检测算法（如Sobel或Canny算子）结合形态学操作（腐蚀与膨胀），对图像进行纹理分析以定位车牌区域，并通过几何特征（如长宽比、面积阈值）进一步筛选和裁剪出准确的车牌图像。随后，系统采用垂直投影法或连通域分析法对定位后的车牌进行字符分割，将连续的字符串切分为独立的字符图像。最后，核心识别模块使用模板匹配算法或简单的神经网络分类器，将分割后的字符特征与预置的标准字符库进行比对，从而识别出具体的车牌号码。该系统通常配备图形用户界面（GUI），能够直观地展示各阶段的处理效果（如二值化图、定位框、分割字符等），非常适合作为计算机视觉领域的入门学习案例或算法验证平台。

详 情 说 明

MATLAB车牌识别系统 (Antigravity)

项目简介

本项目是一个基于MATLAB开发环境的自动化车牌识别与处理系统。该系统完全通过MATLAB代码实现，不依赖外部复杂的第三方库，旨在通过数字图像处理技术实现对车辆图片的智能分析。系统集成了图形用户界面（GUI），能够直观地展示从图像采集、预处理、车牌定位、字符分割到最终识别的完整流程。项目核心算法涵盖了颜色空间转换、边缘检测、形态学处理、投影分割以及模板匹配技术。

功能特性

• 全流程GUI交互界面：提供清晰的操作面板，包括原始图像显示、定位过程可视化、二值化结果展示、分割字符详情以及最终识别结果文本。
• 智能图像预处理：自动调整过大分辨率的图片以优化处理速度，包含灰度转换与自适应直方图均衡化。
• 复合式车牌定位：结合HSV颜色空间（针对蓝底车牌）与Sobel垂直边缘检测技术，利用形态学闭运算和几何特征筛选精准定位车牌。
• 精准字符分割：采用垂直投影法分析像素分布，结合波峰波谷逻辑自动切割字符，并具备去除边框干扰和噪点过滤功能。
• 模板匹配识别：内置内存动态生成的字符模板库，通过归一化字符特征进行比对识别。

系统算法与实现细节

本项目的核心逻辑封装在主程序文件中，以下是对系统各阶段具体实现逻辑的详细分析：

1. 初始化与界面构建

程序启动时会初始化全局变量结构体 sys_data，用于在各回调函数间传递图像数据。系统构建了一个包含三个坐标轴（Axes）和一个面板（Panel）的GUI窗口：

• 原始图像区：显示用户载入的车辆图片。
• 定位过程区：展示经过边缘检测与形态学处理后的中间状态，帮助用户理解定位逻辑。
• 二值化车牌区：显示裁剪并矫正后的车牌二值图像。
• 字符分割面板：逐个显示分割后的独立字符图像及其识别结果。

此外，系统在内存中动态调用 generate_templates 函数生成字符匹配所需的标准模板库，避免了对外部文件系统的依赖。

2. 图像加载与预处理

用户点击“载入图像”后，系统支持读取 *jpg, png, bmp* 等常见格式。为了提高这类计算密集型任务的运行效率，系统会自动检查图像高度，若高度超过1080像素，则强制缩小至原图的50%。

3. 核心算法流程

当用户点击“开始识别”时，系统依次执行以下算法步骤：

#### 第一阶段：车牌定位 (Fusion Location)

• 颜色分割：将RGB图像转换为HSV空间，提取符合蓝色车牌特征的区域（H: 0.55-0.75, S>0.3, V>0.3）。
• 边缘检测：对灰度图使用 Sobel算子 进行垂直方向的边缘检测，因为车牌具有显著的垂直纹理特征。
• 特征融合：将颜色掩膜与边缘检测结果相乘，仅保留既是蓝色又是边缘密集的区域。
• 形态学连通：使用扁平矩形结构元素（[3, 18]）进行 闭运算（imclose），将离散的字符边缘融合成一个连通块，并填充孔洞。
• 几何筛选：通过 regionprops 获取连通域的边界框（BoundingBox）、面积（Area）等属性。

* 筛选规则：保留长宽比在 2.2 到 5.5 之间，且面积大于 1000 像素的区域。 * 评分机制：根据面积大小和长宽比（目标值设为3.2）计算得分，选取分数最高的区域作为车牌。

#### 第二阶段：矫正与二值化

• 图像裁剪：根据定位的矩形框从原图中裁剪出车牌区域。
• 图像增强：利用 自适应直方图均衡化（adapthisteq） 增强图像对比度，应对光照不均。
• 二值化处理：使用 Otsu（最大类间方差法） 自动计算阈值，将车牌转化为黑白二值图像。
• 干扰去除：

* 强制移除图像上下边缘（约8%高度）和左右边缘（约2%宽度）的像素，以去除车牌边框和铆钉干扰。 * 使用 bwareaopen 移除面积小于20像素的噪点。

#### 第三阶段：字符分割 (Vertical Projection)

• 垂直投影：统计二值图像每一列的白色像素总数，生成投影曲线，并进行平滑处理。
• 波谷切割：遍历投影曲线，寻找连续的有像素区域（波峰）作为字符的起始和结束点。
• 区域校验：过滤掉宽度过窄（小于整宽2%）的非字符区域。
• 精细裁剪：对分割出的每一个字符小图，进一步去除上下的多余空白区域。
• 尺寸归一化：将所有有效字符图像统一缩放至标准尺寸 32x16 像素，以便于后续匹配。

#### 第四阶段：字符识别

• 系统遍历分割出的归一化字符图像。
• 调用 recognition_template_matching 函数（基于模板匹配算法），将待测字符与内存中的标准模板进行比对。
• 根据匹配度最高的模板确定字符内容，并将结果拼接成字符串显示在GUI的结果编辑框中。

使用方法

1. 在MATLAB中设置工作路径至包含代码的文件夹。
2. 在命令行窗口输入 main 并回车，启动系统界面。
3. 点击 “载入图像” 按钮，选择一张包含清晰车牌的测试图片。
4. 点击 “开始识别” 按钮，等待系统处理。
5. 界面将即时显示处理过程的中间图像、分割的字符以及最终的识别结果。
6. 使用完毕后点击 “退出系统” 关闭程序。

系统要求

• MATLAB R2016b 或更高版本。
• 必须安装 Image Processing Toolbox（图像处理工具箱），用于支持边缘检测、形态学操作和区域分析等函数。