0、原理及步骤

模板匹配是一种简单但有效的车牌识别方法。它的基本思想是通过对比车牌字符模板与图像中的字符进行匹配，从而识别车牌上的字符信息。

1）基本步骤

构建字符模板：首先，需要准备一个包含各种字符和数字的模板库，模板库中包含了车牌上可能出现的所有字符和数字的模板。

预处理图像：对于输入的车牌图像，需要进行预处理操作，包括灰度化、二值化、滤波等，以便提高字符的识别质量。

提取字符区域：根据车牌的形状和位置信息，提取出车牌上的字符区域，并进行字符分割操作，将字符分离开来。

对比模板匹配：对于每个提取出的字符区域，将其与字符模板库中的每个模板进行匹配，计算匹配度得分。

选择最佳匹配结果：根据匹配度得分，选取最高的匹配结果作为最终识别结果，即识别出车牌上的字符信息。

2）总结

总的来说，基于模板匹配的车牌识别方法简单易实现，但在实际应用中可能受到光照、遮挡等因素的影响，容易出现误识别问题。因此，在实际应用中，可以结合其他图像处理技术或深度学习方法来提高车牌识别的准确性和稳定性。

1、准备工作

1）准备材料

车牌字符模板和测试的实验车牌

2）车牌字符模板

数字、字母和省份缩写

3）测试车牌

四张测试车牌 

2、车牌识别实现(已将其嵌入matlab)

1）打开APP

找到APP

找到我的APP双击点开 

2)界面介绍

包括：按钮、视图界面和文本框等功能组件

按钮

包含打开图片、清楚图片、退出APP、关于APP、图片预处理、车牌定位、车牌定位处理、文字分割和识别结果

视图界面

初始车牌、预处理车牌、车牌定位和识别结果等

3、导入车牌、清除车牌、退出和关于APP按钮功能效果

导入车牌

代码实现

[filename,pathname]=uigetfile({'*.*';'*.png';'*.jpg';'*.bmp'});%获取图片路径 if isequal(filename,0)||isequal(pathname,0)%打开失败提示 errordlg('图片为空','错误'); app.Lamp_1.Color=('1.00,0.00,0.00'); else img1=strcat(pathname,filename);%打开并显示图片 img1=imread(img1); app.P1=img1; imshow(img1,'Parent',app.UIAxes_1); app.Lamp_1.Color=('0.00,1.00,0.00'); app.Lamp_2.Color=('0.00,1.00,0.00'); app.Lamp_3.Color=('0.00,1.00,0.00'); app.Lamp_4.Color=('0.00,1.00,0.00'); app.Lamp_5.Color=('0.00,1.00,0.00'); app.Lamp_6.Color=('0.00,1.00,0.00'); end app.EditField_2.Value=('等待预处理'); app.EditField_3.Value=('等待定位');

工程效果 

清除车牌

代码实现

im=imread("纯白.png");%清除显示区 imshow(im,'Parent',app.UIAxes_1); imshow(im,'Parent',app.UIAxes_2); imshow(im,'Parent',app.UIAxes_3); imshow(im,'Parent',app.UIAxes_4); imshow(im,'Parent',app.UIAxes_5); imshow(im,'Parent',app.UIAxes_6); imshow(im,'Parent',app.UIAxes_7); imshow(im,'Parent',app.UIAxes_8); imshow(im,'Parent',app.UIAxes_9); imshow(im,'Parent',app.UIAxes_10); imshow(im,'Parent',app.UIAxes_11); app.Lamp_1.Color=('1.00,0.00,0.00'); app.Lamp_2.Color=('0.00,1.00,0.00'); app.Lamp_3.Color=('0.00,1.00,0.00'); app.Lamp_4.Color=('0.00,1.00,0.00'); app.Lamp_5.Color=('0.00,1.00,0.00'); app.Lamp_6.Color=('0.00,1.00,0.00'); app.EditField_2.Value='waiting'; app.EditField_3.Value='waiting'; app.EditField_1.Value='waiting';

工程效果 

退出按钮

代码实现

choice=questdlg('确定关闭吗？','关闭','YES','NO','NO');%是否关闭程序 switch choice case 'YES' delete('1.jpg','2.jpg','3.jpg','4.jpg','5.jpg','6.jpg','7.jpg'); delete(app.UIFigure); return; case 'NO' return; end

工程效果 

关于APP

代码实现

msgbox("这是一个车牌自动识别App","对话框",'help');%软件介绍对话框

工程效果 

 4、车牌识别过程

图片预处理

代码实现

img2=rgb2gray(app.P1);%灰度处理 app.P2=img2; imshow(img2,'Parent',app.UIAxes_2); img3= edge(app.P2, 'roberts', 0.15,'both');%边缘处理 app.P3=img3; imshow(img3,'Parent',app.UIAxes_2); app.EditField_2.Value=('完成预处理'); app.Lamp_2.Color=('1.00,0.00,0.00');

工程效果 

车牌定位

代码实现

se=[1,1,1]';%腐蚀处理 img4 = imerode(app.P3,se); app.P4=img4; imshow(img4,'Parent',app.UIAxes_3); se1=strel('rectangle',[30,30]);%图像平滑 img5=imclose(app.P4, se1); app.P5=img5; imshow(img5,'Parent',app.UIAxes_3); img6= bwareaopen(app.P5, 2200);%移除对象 app.P6=img6; imshow(img6,'Parent',app.UIAxes_3); app.EditField_3.Value='完成车牌定位'; [img_Y1, img_Y2, img_X1, img_X2]=cj(app.P6); img8 =app.P1(img_Y1:img_Y2,img_X1:img_X2,:);%原图裁剪 app.P7=img8; imshow(img8,'Parent',app.UIAxes_3); app.EditField_3.Value='完成裁剪处理'; app.Lamp_3.Color=('1.00,0.00,0.00');

 工程效果

定位图处理

代码实现

img9=rgb2gray(app.P7);%灰度 app.P8=img9; imshow(img9,'Parent',app.UIAxes_4); img10=histeq(app.P8);%直方图均衡化 app.P9=img10; imshow(img10,'Parent',app.UIAxes_4); img11=im2bw(app.P9,0.76);%二值化 app.P10=img11; imshow(img11,'Parent',app.UIAxes_4); img12=medfilt2(app.P10);%中值滤波1 img12=medfilt2(img12);%中值滤波2 app.P11=img12; imshow(img12,'Parent',app.UIAxes_4); img12=fgt(img12);%裁剪 app.P12=img12; imshow(img12,'Parent',app.UIAxes_4); app.Lamp_4.Color=('1.00,0.00,0.00');

工程效果 

文字分割

代码实现

img12=app.P12; [m,n] = size(img12); s = sum(img12); j = 1; k1 = 1; k2 = 1; while j ~= n%列定位 while s(j) == 0 j = j + 1; end k1 = j;%定位列有字 while s(j) ~= 0 && j <= n-1 j = j + 1; end k2 = j + 1;%定位到列没字 if k2 - k1 > round(n / 6.5)%分隔太宽了 [val, num] = min(sum(img12(:, [k1+5:k2-5]))); img12(:, k1+num+5) = 0; end end [word1,img12]=fgzf(img12);%获取字符 [word2,img12]=fgzf(img12); [word3,img12]=fgzf(img12); [word4,img12]=fgzf(img12); [word5,img12]=fgzf(img12); [word6,img12]=fgzf(img12); [word7,img12]=fgzf(img12); word1=imresize(word1,[40 20]);%定大小 word2=imresize(word2,[40 20]); word3=imresize(word3,[40 20]); word4=imresize(word4,[40 20]); word5=imresize(word5,[40 20]); word6=imresize(word6,[40 20]); word7=imresize(word7,[40 20]); imshow(word1,'Parent',app.UIAxes_5); imshow(word2,'Parent',app.UIAxes_6); imshow(word3,'Parent',app.UIAxes_7); imshow(word4,'Parent',app.UIAxes_8); imshow(word5,'Parent',app.UIAxes_9); imshow(word6,'Parent',app.UIAxes_10); imshow(word7,'Parent',app.UIAxes_11); imwrite(word1,'1.jpg');%存储下来 imwrite(word2,'2.jpg'); imwrite(word3,'3.jpg'); imwrite(word4,'4.jpg'); imwrite(word5,'5.jpg'); imwrite(word6,'6.jpg'); imwrite(word7,'7.jpg'); app.Lamp_5.Color=('1.00,0.00,0.00');

工程效果

识别结果

代码实现

liccode=char(['0':'9' 'A':'Z' '京辽鲁陕苏豫浙贵闽粤沪川藏鄂赣甘桂黑冀津吉蒙宁青琼晋皖湘新渝']); subBw2 = zeros(40, 20); num = 1; % 车牌位数 for i = 1:7 ii = int2str(i); % 将整型数据转换为字符串型数据 word = imread([ii,'.jpg']); % 读取之前分割出的字符的图片 segBw2 = imresize(word, [40,20], 'nearest'); % 调整图片的大小 segBw2 = im2bw(segBw2, 0.5); % 图像二值化 if i == 1 % 字符第一位为汉字，定位汉字所在字段 kMin = 37; kMax = 44; elseif i == 2 % 第二位为英文字母，定位字母所在字段 kMin = 11; kMax = 36; elseif i >= 3 % 第三位开始就是数字了，定位数字所在字段 kMin = 1; kMax = 36; end l = 1; for k = kMin : kMax fname = strcat("ZFMB\",liccode(k),'.jpg'); % 根据字符库找到图片模板 samBw2 = imread(fname); % 读取模板库中的图片 samBw2 = im2bw(samBw2, 0.5);% 图像二值化 % 将待识别图片与模板图片做差 for i1 = 1:40 for j1 = 1:20 subBw2(i1, j1) = segBw2(i1, j1) - samBw2(i1 ,j1); end end Dmax = 0; for i2 = 1:40 for j2 = 1:20 if subBw2(i2, j2) ~= 0 Dmax = Dmax + 1; end end end error(l) = Dmax; l = l + 1; end errorMin = min(error); findc = find(error == errorMin); Code(num*2 - 1) = liccode(findc(1) + kMin - 1); Code(num*2) = ' '; num = num + 1; end delete('1.jpg','2.jpg','3.jpg','4.jpg','5.jpg','6.jpg','7.jpg'); app.EditField_1.Value=(Code); app.Lamp_6.Color=('1.00,0.00,0.00');

工程效果

5、车牌识别设计

前界面设计

程序界面 

6、源代码链接 

https://download.csdn.net/download/XU157303764/89419179