基于MATLAB的高精度车牌识别与字符分割系统

资 源 简 介

本项目是一个高度集成的车牌自动识别解决方案，专为实现从原始车辆图像到最终车牌号码文本的端到端处理而设计。系统采用经典的数字图像处理流水线，主要包含四个关键模块：图像预处理、车牌定位、字符分割和字符识别。在预处理阶段，程序会自动将彩色图像转换为灰度图，并应用高斯平滑和边缘检测算法（如Robert或Sobel算子）来突出车牌边缘，同时利用形态学闭运算填充车牌内部空隙以形成连通域。在定位阶段，通过分析图像的颜色特征（如蓝底或黄底）及几何形状筛选，准确裁剪出车牌所在的矩形区域，并进行倾斜校正。随后，系统对定位后的车牌进行二值化处理，利用垂直投影法精确地将车牌中的汉字、字母和数字分割为独立的图像块，有效解决字符粘连问题。核心识别模块基于优化的模板匹配算法（Template Matching），内置了涵盖数字0-9、英文字母A-Z及常见省份汉字的标准字符模板库，通过计算待测字符与模板的相似度实现高准确率的字符分类。本项目自带精选的测试车牌图片库，代码逻辑严密且注释详尽，用户无需配置额外工具箱，在MATLAB环境中打开主程序即可一键运行，直观地展示从原图到最终结果的每一步处理效果。

详 情 说 明

基于MATLAB的高精度车牌识别与分割系统

项目简述

本项目是一个基于MATLAB开发的高度集成化车牌自动识别系统。该系统采用了经典的数字图像处理技术路线，实现了从复杂的背景图像中自动定位车牌、分割字符并进行光学字符识别（OCR）的全流程。

本项目的最大特色在于其单文件运行的设计理念。代码内部集成了“内存动态模板生成”机制，无需依赖任何外部字符模板图片文件或复杂的数据库配置。用户只需在MATLAB环境中直接运行主程序，即可完成从从选取图片到输出并展示识别结果的所有操作。

功能特性

• 端到端处理：涵盖图像采集、预处理、车牌定位、字符分割、字符识别及结果可视化的完整流水线。
• 双重定位策略：

* 首选方案：基于HSV颜色空间的蓝色区域提取，结合形态学闭运算和开运算，能有效定位标准蓝底白字车牌。 * 备用方案：一旦颜色定位失败，系统自动切换至基于Sobel算子的边缘检测与形态学滤波方案，利用车牌纹理特征进行定位，提高了在光照不均或褪色情况下的鲁棒性。

• 自适应图像增强：利用限制对比度自适应直方图均衡化（CLAHE）增强车牌区域对比度，并采用Otsu算法（大津法）自动计算阈值进行二值化。
• 精准字符分割：基于垂直投影法（Vertical Projection），通过分析像素分布波峰波谷，精确切割出独立的字符图像，能够智能去除左右边框和铆钉干扰。
• 逻辑优化识别：采用基于相关系数（Corr2）的模板匹配算法。为提高速度和准确率，识别过程应用了位置逻辑约束：

* 第1位字符强制匹配省份汉字库。 * 第2位字符强制匹配英文字母库。 * 后续字符匹配字母与数字混合库。

• 动态模板库：程序运行时利用系统字体（Arial和SimHei）在内存中实时绘制并生成二值化字符模板，避免了文件路径配置错误的问题。

系统要求

• MATLAB R2016a 或更高版本
• Image Processing Toolbox（图像处理工具箱）

使用方法

1. 确保MATLAB已安装并包含图像处理工具箱。
2. 打开MATLAB软件，将当前工作目录切换至源码所在文件夹。
3. 在命令窗口输入主函数名称或点击编辑器中的“运行”按钮。
4. 在弹出的文件选择对话框中，选取一张包含清晰车牌的车辆图片（支持JPG, BMP, PNG, TIF格式）。
5. 等待程序处理，系统将弹出一个综合窗口展示处理过程的中间结果，并在原图窗口标记出最终识别的车牌号码。

代码核心逻辑与算法分析

该系统的主程序逻辑严密，严格按照以下步骤执行：

1. 图像加载与标准化

程序启动后首先清理工作空间。在用户选择图片后，系统会检查图像宽度。如果宽度超过1024像素，则按比例缩小至1024像素宽。这一步旨在降低计算量，同时保留足够的细节用于后续处理。

2. 混合式车牌定位

定位模块实现了“颜色法”与“边缘法”的互补机制：

• 颜色分割：将RGB图像转换至HSV色彩空间。定义了特定的Hue（0.55-0.75）、Saturation（>0.4）和Value（>0.3）范围来提取蓝色区域。通过矩形结构元素的闭运算填充车牌内部空隙，再通过开运算去除噪点。
• 边缘检测（Fallback）：若颜色法未找到有效区域（例如车牌颜色偏差较大），通过rgb2gray转灰度后，使用edge函数（Sobel算子）提取垂直边缘，再经过形态学处理形成连通域。
• 区域筛选：使用regionprops获取连通域的边界框（BoundingBox）和面积。根据车牌的物理特征（长宽比在2.0到6.0之间）以及面积最大化原则，筛选出最终的车牌区域并进行裁剪。

3. 车牌精处理

• 二值化：裁剪出的车牌图像先转换为灰度图，使用adapthisteq进行对比度增强，随后利用graythresh计算全局阈值并转化为二值图像。
• 垂直边界清理：为了减少倾斜或边框的影响，算法计算水平投影（行像素和），自动寻找并剔除车牌上下的无字符区域（如螺丝孔或车身残留），只保留字符所在的核心行。

4. 基于投影的字符分割

• 水平切割：计算二值化车牌的垂直投影（列像素和）。数据经过高斯平滑处理后，首先确定车牌左右的有效起始点，切除多余背景。
• 字符分离：在有效区域内扫描投影曲线。当投影值大于设定阈值时标记为字符开始，小于阈值时标记为字符结束。
• 噪声过滤：分割过程中，程序会自动计算分割出的块宽度。过窄的块（通常是两个字符中间的“·”点或噪点）会被自动丢弃，只保留符合字符宽度特征的图像块。
• 归一化：所有被提取的字符图像块均被imresize统一缩放至40x20像素，以便与模板库进行匹配。
• 智能筛选：最后一步会对分割出的连通域进行像素总量检测，剔除面积过小的伪字符块，力求保留最有可能是字符的7个片段。

5. 模板匹配识别

• 内存模板生成：利用MATLAB的绘图和文字插入功能（insertText），在内存中动态生成0-9、A-Z及常见省份汉字的二值图像模板。
• 分段匹配策略：

* 程序根据字符在车牌中的索引位置，动态调整搜索范围（省份/字母/数字）。 * 核心匹配算法使用corr2函数计算待识别字符与模板之间的二维相关系数。 * 选取相关系数最大的模板对应的字符作为识别结果，并记录置信度。

6. 结果可视化

程序最终利用subplot在同一窗口中分区域展示：原始图像、定位掩膜、裁剪车牌、二值化结果、分割后的字符拼贴图以及最终的文本识别结果。同时，利用rectangle和text函数在原始图像上绘制红色边框并标注识别出的车牌号。