基于Hough变换的车牌识别算法.docxVIP

基于Hough变换的车牌识别算法

摘要：智能交通系统收集大量的车辆数据后，可用于交通流量分析、城市规划等，提高城市交通安全系数。为了解决智能交通系统的关键技术之一的车牌识别技术，文章设计了一种基于Hough变换的车牌识别算法。文章运用MATLAB软件对采集的车辆照片进行车牌区域定位，提取出其车牌信区域，将车牌区域做灰度二值化处理，通过Hough变换进行车牌倾斜度矫正，擦除干扰区域、文字分割等操作，最终识别出汽车的牌照信息。通过在MATLAB中进行仿真实验，显示其能快速、准确地识别出车牌信息，具有一定的使用价值。

关键词：车牌提取灰度二值化Hough变换MATLAB

汽车出行的便捷高效使得它已作为目前我国居民出行的重要交通方式之一，据公安部统计，截至2023年9月底，全国机动车保有量达4.3亿辆，其中汽车3.3亿辆，新能源汽车1821万辆。[1]这导致城市道路在出行密度高峰时间段异常拥堵，带给城市交通系统严峻挑战。智能交通能够通过优化人、车、路之间的网络，有效解决上述问题。在智能交通系统中，车牌识别技术被认为是最基础和关键的技术之一[2]。

车牌识别系统可以实现将采集到的车辆信息进行分析、处理，定位和识别机动车车牌信息。当收集大量的车辆数据后，可用于交通流量分析、城市规划等智能交通系统，有助于实现智能化的交通管理和服务，推动计算机视觉、机器学习等技术的应用和发展。

本文运用MATLAB软件对采集到的私人轿车的照片进行数字图像处理技术，实现了蓝底白字车牌的定位，对其进行灰度二值化处理，矫正倾斜度、擦除反色及字符分割等多项数字图像处理技术，实现了车牌的自动识别。

1车牌识别系统设计

MATLAB以其简洁的语法结构、出色的图形可视化效果以及强大的界面设计功能，近年来在图像处理领域内得到了广泛的应用，并成为国内外普遍采用的高端科技软件。因此，本研究选用MATLAB2019a软件和Windows10环境完成车牌识别系统开发。

基于MATLAB软件平台进行车牌识别，可视性好，易于操作，主要实现了数字图像处理在车牌识别中的应用。系统主要对采集到的彩色轿车图片进行各种处理操作，最终识别车牌信息的过程[3]。因此车牌识别系统总体设计如图1所示。

通过MATLAB软件编写M文件读取采集到的彩色车辆照片，对其进行预处理进行定位车牌区域，将车牌区域分割出来后进行灰度二值化处理、倾斜度的矫正及字符分割。由于采集车辆照片的不统一性，为了避免车辆照片中车牌是模糊不清的，对分割出来的车牌进行膨胀和腐蚀，擦除部分边界点。

2车牌识别系统主要模块算法

2.1车牌定位

我国家用轿车一般采用外廓尺寸为440mm×

140mm，蓝底白色、白框线的号牌[4]，采集的原始车辆照片一般为彩色JPG格式或者PNG格式，同时由于拍摄场合、清晰度等原因可能会有图片数据过大，会延长车牌识别的处理时间，因此定位车牌的区域即用一次处理操作将车牌从车辆照片中提取出来作为系统的最前面可以有效减小系统的响应时间。目前基于颜色定位车牌有两种模式，RGB（红色、绿色和蓝色）模式和HSI（色调、饱和度和强度）模式。RGB模式符合人体视觉的三基色叠加模式，但其受光照影响变化较大；HSI模式则较好的避免光照的影响。将RGB模式转换为HSI模式，设计函数如下[5]：

式中，R≠G且G≠B。根据此函数，将得到的HSI表达的车牌图片按照表1进行定义，满足条件的像素点置为1，其他像素点置为0。

在HSI模式下进行颜色分割处理，确定车牌所在的蓝色区域，结合车牌的外廓尺寸，将提取出来的区域进行适当的调节及多次优化，最终定位车牌。

2.2灰度处理

图像处理技术中有些简单但功能强大的处理方法，可以使用灰度变换函数用公示以表达，这里使用灰度处理图像为了降噪点，进行图像增强[6]。设计函数为：

式中，s，r表示图片变量，T表示灰度映射函数。

2.3倾斜度矫正

车牌图片由于采集角度问题，常存在一定程度的倾斜的角度，目前针对角度矫正的主流方法有基于Radon变换和Hough变换等。

选用Hough变换来处理图像，考虑xy平面上的点（xi，yi）满足yi=axi+b的直线有无数条，对应（a，b）有不同值。此刻，将等式yi=axi+b写为b=-xia+yi将得到在ab平面（即参数空间）内的点（xi，yi）的单一直线方程。同时，第二个点（xj，yj）在ab平面内也将对应的直线方程b=-xja+yj。当这两条直线不平行时，则相交于点（a’，b’），如图2所示。

同理，可以将xy平面所有点（xk，yk）找到参数空间对应的直线，为了避免直线的斜率a趋于无穷大，使用直线的法线表示：

式中，θ表示倾斜的角度，范围是-90°

≤θ≤90°；ρ表示截距，范围是-D≤ρ≤D，其中D是图像中对角之间的最大距离。

Hough变