如何使用matlab开发汽车牌照识别系统

车辆牌照识别系统的基本工作原理为：

将摄像头拍摄到的包含车辆牌照的图像通过视频卡输入到计算机中进行预处理，再由检索模块对牌照进行搜索、检测、定位，并分割出包含牌照字符的矩形区域，然后对牌照字符进行二值化并将其分割为单个字符，最终输出车牌号码的数字。

车辆牌照识别系统的组成包括图像预处理、车牌定位、字符分割和字符识别。在图像预处理阶段，对汽车图像进行图像转换、图像增强和边缘检测等操作，以提高后续处理的精度。在车牌定位阶段，从预处理后的汽车图像中分割出车牌图像，找到车牌所在的位置。字符分割阶段，对车牌图像进行几何校正、去噪、二值化以及字符分割，以从车牌图像中分离出组成车牌号码的单个字符图像。字符识别阶段，对分割出来的字符进行预处理，然后分析提取，对分割出的字符图像进行识别，并给出文本形式的车牌号码。

在汽车牌照识别系统的MATLAB实现中，首先对图像进行灰度化处理、边缘提取，并利用形态学方法对车牌进行定位。具体步骤如下：首先对图像进行灰度转换，然后采用Roberts算子进行边缘检测。接着采用4x1的结构元素对图像进行腐蚀，去除图像的噪声。采用25x25的结构元素对图像进行闭合运算，使车牌所在的区域形成连通。最后进行形态学滤波去除其它区域。

在图像预处理过程中，输入的彩色图像包含大量颜色信息，会占用较多的存储空间，且处理时也会降低系统的执行速度。因此，常将彩色图像转换为灰度图像，以加快处理速度。在字符分割过程中，确定车牌位置后，下一步的任务就是进行字符切分，分离出车牌号码的全部字符图像。

字符识别方法主要有基于模板匹配算法和基于人工神经网络算法。基于模板匹配算法是首先将分割后的字符二值化，并将其尺寸缩放为字符数据库中模板的大小，然后与所有模板进行匹配，最后选取最佳匹配作为结果。基于人工神经网络算法有两种，一种是先对特征提取待识别字符，然后用所获得的特征训练神经网络分配器；另一种是直接将待处理图像输入网络由网络自动实现特征提取直至识别结果。在本程序中用基于人工神经网络识别车牌字符。

在车牌字符识别部分，字符集中包含约50个汉字，26个大写英文字母及10个阿拉伯数字。总的字符样本并不太多。在构造训练样本时，将样本进行归一化为50x20大小，再将图像按列转换成一个1000x1的行向量，将上述18个图像的样本排列在一起构成1000x18的矩阵样本，尽可能多的采集汽车图像提取车牌，部分切分出车牌字符，构造出更多1000x18的矩形样本，用构造好的样本库对神经网络进行训练。