基于MATLAB模板匹配的车牌识别系统设计与实现（附字符模板库）

一、系统整体设计

本系统基于模板匹配法实现车牌识别，核心流程包括：图像预处理→车牌定位→字符分割→字符识别。通过构建标准字符模板库，利用归一化互相关（NCC）算法进行模板匹配，最终输出车牌号码。

---

二、关键步骤与MATLAB实现

1. 图像预处理

• 灰度化：将彩色图像转换为灰度图，减少计算量。

  grayImg = rgb2gray(imread('car_plate.jpg'));
  

• 二值化：使用自适应阈值法增强字符对比度。

  bwImg = imbinarize(grayImg, 'adaptive', 'Sensitivity', 0.5);
  

• 形态学处理：去除噪声并强化字符边缘。

  se = strel('rectangle', [3,3]);
  processedImg = imclose(bwImg, se);  % 闭运算填充空洞
  

2. 车牌定位

• 边缘检测：采用Sobel算子提取车牌边缘。

  edges = edge(processedImg, 'Sobel');
  

• 连通域分析：筛选车牌候选区域。

  stats = regionprops(edges, 'BoundingBox', 'Area');
  plateRegion = stats(find([stats.Area] > 5000, 1));  % 面积阈值过滤
  

3. 字符分割

• 垂直投影：根据字符间隙分割单个字符。

  verticalProj = sum(processedImg, 1);
  [peaks, locs] = findpeaks(verticalProj, 'MinPeakDistance', 10);
  charRegions = imcrop(processedImg, [locs(1), 1, locs(end)-locs(1)+1, size(processedImg,1)]);
  

4. 字符识别（模板匹配）

• 模板库构建：包含数字、字母及汉字模板（需提前生成）。

  templates = loadTemplates();  % 加载模板函数（见下文）
  

• 归一化匹配：将字符缩放至模板尺寸并计算相似度。

  charImg = imresize(imcrop(charRegions, [x,y,w,h]), [32,32]);
  scores = zeros(size(templates));
  for i = 1:numel(templates)
      scores(i) = normxcorr2(templates(i).img, charImg);
  end
  [~, idx] = max(scores);
  recognizedChar = templates(idx).name;
  

---

三、字符模板库构建

1. 模板生成代码：

   function templates = loadTemplates()
       templates = struct();
       % 数字模板
       for i = 0:9
           img = imread(sprintf('templates/%d.png', i));
           templates(sprintf('%d',i)).img = imresize(img, [32,32]);
           templates(sprintf('%d',i)).name = sprintf('%d',i);
       end
       % 字母模板
       chars = 'ABCDEFGHIJKLMNOPQRSTUVWXYZ';
       for i = 1:numel(chars)
           img = imread(sprintf('templates/%s.png', chars(i)));
           templates(chars(i)).img = imresize(img, [32,32]);
           templates(chars(i)).name = chars(i);
       end
       % 汉字模板（示例）
       chineseChars = {'京','沪','粤'};
       for i = 1:numel(chineseChars)
           img = imread(sprintf('templates/%s.png', chineseChars{i}));
           templates(chineseChars{i}).img = imresize(img, [32,32]);
           templates(chineseChars{i}).name = chineseChars{i};
       end
   end
   

2. 模板要求：

   • 字符图像需为黑白二值图，背景为白色（255），字符为黑色（0）。
   • 统一尺寸（推荐32×32像素）。

参考代码 基于matlab模板匹配法的简易车牌识别系统附带字符模板库 www.youwenfan.com/contentcne/73183.html

四、MATLAB代码

%% 车牌识别主程序
img = imread('car_plate.jpg');
grayImg = rgb2gray(img);
bwImg = imbinarize(grayImg, 'adaptive');

% 形态学处理
se = strel('rectangle', [3,3]);
processedImg = imclose(bwImg, se);

% 车牌定位
edges = edge(processedImg, 'Sobel');
stats = regionprops(edges, 'BoundingBox', 'Area');
plateRegion = stats(find([stats.Area] > 5000, 1)).BoundingBox;

% 字符分割
plateImg = imcrop(processedImg, plateRegion);
verticalProj = sum(plateImg, 1);
[peaks, locs] = findpeaks(verticalProj, 'MinPeakDistance', 10);
charRegions = cell(1,numel(locs)-1);
for i = 1:numel(locs)-1
    charRegions{i} = imcrop(plateImg, [locs(i),1,locs(i+1)-locs(i),size(plateImg,1)]);
end

% 字符识别
templates = loadTemplates();
plateNumber = '';
for i = 1:numel(charRegions)
    charImg = imresize(charRegions{i}, [32,32]);
    scores = zeros(size(templates));
    for j = 1:numel(templates)
        scores(j) = normxcorr2(templates(j).img, charImg);
    end
    [~, idx] = max(scores);
    plateNumber = [plateNumber, templates(idx).name];
end
disp(['识别结果：', plateNumber]);

---

五、优化与改进方向

1. 倾斜校正：使用Radon变换或Hough变换矫正车牌角度。
2. 抗干扰增强：添加中值滤波或高斯滤波去除噪声。
3. 多模板融合：对相似字符（如0与D）设计多特征匹配策略。
4. GPU加速：利用MATLAB Parallel Computing工具箱加速大规模模板匹配。

---

六、实验结果示例

输入图像	定位结果	字符分割	识别结果
example.jpg	locate.jpg	segment.jpg	京A12345