學過了數字圖像處理，就進行一個綜合性強的小項目來鞏固一下知識吧。前陣子編寫調試了一套基于MATLAB的車牌識別的項目的代碼。今天又重新改進了一下代碼，識別的效果好一點了，也精簡了一些代碼。這里沒有使用神經網絡等，只是用了最基礎的數字圖像處理算法，最后通過模板匹配，得到結果。

源碼下載鏈接：

下載鏈接（注意：有兩套，第二套是后來改進的，都能運行的）

運行結果：

這里讀取了車牌圖片目錄中的第一幅圖片，并顯示出來了原圖像；隨后計算出車牌的區域，進行圖像切割，單獨把車牌提取出來；最后，從圖像中切割出每個字符，并與事先準備好的模板進行匹配，找到與其誤差最小的模板就認為是對應的字符。

這里是另外一個識別車牌號的結果。

程序思路：

第一步：從原圖像中切割出車牌，去除無用信息
1、讀取原圖像。

2、將原始彩色圖像轉換成灰度圖像，并顯示直方圖（如果分布十分不均勻，使用直方圖均衡化處理）。

3、使用roberts算子進行邊緣檢測（MATLAB中調用edge函數）。

4、圖像腐蝕（去除不需要的邊緣信息，盡可能只保留車牌上字符的輪廓）。

5、圖像膨脹（平滑圖像輪廓，圖中沒能完全濾出車牌之外的所有邊緣信息，剩下了一部分，其實就是車牌上的那個奧迪標志，后面還要想辦法把它給去掉）。

6、從圖像中移除小塊對象（調用bwareaopen()函數，從圖像中刪除所有少于2200像素8鄰接的區域，最后只剩下車牌區域了）。

7、根據最后圖像中“白色”的那部分界定車牌所處的區域，并重新在原圖像中進行切割，得到車牌的圖像。

第二步：從前面得到的車牌圖像中切割出每個字符
1、先將車牌圖像轉換為灰度圖像并繪制直方圖。

2、為增強對比度，對灰度圖像再做直方圖均衡化。

3、將圖像二值化。

4、中值濾波，濾除一些無用信息。

5、調用編寫的my_imsplit.m和getword.m腳本，計算每個字符的位置，并逐一進行切割，得到只儲存單一字符的圖像。

6、與準備好的字符模板比對，計算出與其誤差最小的某個字符模板，識別為對應的字符。

最后的識別結果：

總結

以上是生活随笔為你收集整理的数字图像处理：基于MATLAB的车牌识别项目的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。