基于Matlab的车牌识别算法，Matlab实现

        博主简介： 专注、专一于Matlab图像处理学习、交流，matlab图像代码代做/项目合作可以联系（QQ:3249726188）

        个人主页：Matlab_ImagePro-CSDN博客

        原则：代码均由本人编写完成，非中介，提供有偿Matlab算法代码编程服务，不从事不违反涉及学术原则的事。

~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~

        本次分享的是基于Matlab的车牌识别算法，用matlab实现。（有疑问或者想交流细节的QQ:3249726188）

        一、案例背景介绍

         博主最近被各位同学咨询最多的就是人脸识别和车牌识别相关算法，前期介绍了相关算法系列：

        最为经典的PCA人脸识别算法（基于PCA（主成分分析）的人面识别，Matlab实现-CSDN博客）        

        基于灰度直方图特征的人面识别算法（基于灰度直方图特征的人面识别算法，Matlab实现-CSDN博客）

        基于LBP和KNN的人面表情识别算法（基于LBP和KNN的人面表情识别，Matlab实现-CSDN博客）

        基于肤色模型（YCbCr模型）的人面定位统计算法（基于肤色模型（YCbCr模型）的人面定位统计算法，Matlab实现-CSDN博客）

        基于VJ算法（Viola-Jones algorithm）的人面定位算法（基于VJ算法（Viola-Jones algorithm）的人面定位算法，Matlab实现-CSDN博客）

        这次介绍的是另一个类型识别的算法，基于Matlab的车牌识别算法。

        二、算法模型原理介绍

        本次介绍的车牌识别算法是针对国内蓝色车牌型号进行的识别，主要是通过颜色模型分割车牌后，进行灰度化、车牌倾斜矫正、二值化、投影分割、模板匹配识别几个步骤。当然，这种通过模板匹配的方法，思路简单，但是识别效果会稍微差一点，复杂环境下的车牌会有误识别的情况。

        下面介绍一下具体的算法流程步骤。

        三、算法流程

        1、读取图像

        2、图像RGB模型转换hsv模型，根据颜色模型分割，分割出蓝色部分，定位出车牌区域

        3、对车牌区域进行灰度化处理，并进行边缘提取

        4、根据拉东变换（radon变换），对步骤三的图像进行倾斜矫正，得到倾斜矫正后的车牌图像

        5、对步骤四得到的图像进行二值化，得到初步二值图

        6、对得到初步二值图进行初步去噪等形态学处理，去除部分噪声

        7、根据二值图边缘，去除车牌边缘区域，裁剪得到车牌的字母、数字等区域

        8、对步骤7的图像进行投影、逐个字符分割

        9、根据模板匹配算法，对分割得到的字符进行逐个匹配识别，得到最终车牌，识别完成

        下面看看上述步骤的matlab实现效果。

        四、matlab实现效果

        1、读取图像

        2、图像RGB模型转换hsv模型，根据颜色模型分割，分割出蓝色部分，定位出车牌区域

        3、对车牌区域进行灰度化处理，并进行边缘提取

        4、根据拉东变换（radon变换），对步骤三的图像进行倾斜矫正，得到倾斜矫正后的车牌图像

        5、对步骤四得到的图像进行二值化，得到初步二值图

        6、对得到初步二值图进行初步去噪等形态学处理，去除部分噪声

        7、根据二值图边缘，去除车牌边缘区域，裁剪得到车牌的字母、数字等区域

        8、对步骤7的图像进行投影、逐个字符分割

        9、根据模板匹配算法，对分割得到的字符进行逐个匹配识别，得到最终车牌，识别完成

~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~

专注、专一于Matlab图像处理学习、交流、代做

QQ:3249726188