matlab车牌出入库识别系统停车场演示【源码61期】-平芜编程栈

一、项目简介

本系统是一个基于MATLAB GUI的车牌识别与停车场管理系统，集车牌自动识别、字符分割与识别、车辆入库/出库管理、车位信息查询等功能于一体，适用于智能停车场管理场景。系统通过图像处理技术完成车牌定位与识别，并结合Excel数据管理实现车辆信息的自动化记录与查询。

核心算法流程分为车牌定位、字符分割和字符识别三个阶段。车牌定位阶段，将图像转为灰度后采用Canny边缘检测提取边缘，通过腐蚀、闭运算和面积过滤去除噪声，再结合蓝色像素点在水平和垂直方向的投影统计精确定位车牌区域。字符分割阶段，对定位后的车牌图像进行灰度化、二值化及Radon变换倾斜矫正，利用垂直投影法将7个字符逐一分割，并对汉字区域做特殊处理以优化分割精度。字符识别阶段，将分割后的字符归一化为40×20像素，与模板库中的标准字符进行逐像素差值匹配，选取差值最小的字符作为识别结果，分别针对首位汉字、第二位字母及后续字母数字采用不同的模板匹配范围。系统同时集成了基于Excel的车辆管理功能，支持入库登记、出库删除、车牌号查询及车位状态实时刷新，实现从图像识别到数据管理的完整业务闭环。

二、部分源码

function pushbutton3_Callback(~, eventdata, handles)

global img

I1=rgb2gray(img);

axes(handles.axes1);%axes1是坐标轴的标示

% set(handles.axes1,'visible','on')

imshow(I1);

function pushbutton9_Callback(hObject, eventdata, handles)

global img;

I1=rgb2gray(img);

%subplot(2,3,2),imshow(I1);title('灰度图');

%subplot(2,3,3),imhist(I1);title('灰度图直方图');

I2=edge(I1,'canny',[0.2,0.55]);

%subplot(2,3,4);imshow(I2);title('canny算子边缘检测')

se=[1;1;1];

I3=imerode(I2,se);

axes(handles.axes1);%axes1是坐标轴的标示

% set(handles.axes1,'visible','on')

imshow(I3);

function pushbutton10_Callback(hObject, eventdata, handles)

global img;

I1=rgb2gray(img);

%subplot(2,3,2),imshow(I1);title('灰度图');

%subplot(2,3,3),imhist(I1);title('灰度图直方图');

I2=edge(I1,'canny',[0.2,0.55]);

%subplot(2,3,4);imshow(I2);title('canny算子边缘检测')

se=[1;1;1];

I3=imerode(I2,se);

%subplot(2,3,5);imshow(I3);title('腐蚀后图像');

se=strel('rectangle',[30,30]);

I4=imclose(I3,se);

% figure(5),imshow(I4);title('平滑图像的轮廓');

I5=bwareaopen(I4,3500);

axes(handles.axes1);%axes1是坐标轴的标示

% set(handles.axes1,'visible','on')

imshow(I5);

function pushbutton11_Callback(hObject, eventdata, handles)

global img;

axes(handles.axes1);%axes1是坐标轴的标示

% set(handles.axes1,'visible','on')

imshow(img);

I1=rgb2gray(img);

%subplot(2,3,2),imshow(I1);title('灰度图');

%subplot(2,3,3),imhist(I1);title('灰度图直方图');

I2=edge(I1,'canny',[0.2,0.55]);

%subplot(2,3,4);imshow(I2);title('canny算子边缘检测')

se=[1;1;1];

I3=imerode(I2,se);

%subplot(2,3,5);imshow(I3);title('腐蚀后图像');

se=strel('rectangle',[30,30]);

I4=imclose(I3,se);

axes(handles.axes1);%axes1是坐标轴的标示

% set(handles.axes1,'visible','on')

imshow(I4);

function pushbutton12_Callback(hObject, eventdata, handles)

global img;

axes(handles.axes1);%axes1是坐标轴的标示

% set(handles.axes1,'visible','on')

imshow(img);

I1=rgb2gray(img);

%subplot(2,3,2),imshow(I1);title('灰度图');

%subplot(2,3,3),imhist(I1);title('灰度图直方图');

I2=edge(I1,'canny',[0.2,0.55]);

%subplot(2,3,4);imshow(I2);title('canny算子边缘检测')

se=[1;1;1];

I3=imerode(I2,se);

%subplot(2,3,5);imshow(I3);title('腐蚀后图像');

se=strel('rectangle',[30,30]);

I4=imclose(I3,se);

% figure(5),imshow(I4);title('平滑图像的轮廓');

I5=bwareaopen(I4,3500);

%subplot(2,3,6);imshow(I5);title('从对象中移除小对象');

[y,x,~]=size(I5);

myI=double(I5);

%begin横向扫描

Blue_y=zeros(y,1);

for i=1:y

for j=1:x

if(myI(i,j,1)==1)

%如果myI(i,j,1)即myI图像中坐标为(i,j)的点为蓝色

%则Blue_y的相应行的元素white_y(i,1)值加1

Blue_y(i,1)= Blue_y(i,1)+1;%蓝色像素点统计

end

[~,MaxY]=max(Blue_y);%temp为向量white_y的元素中的最大值，MaxY为该值的索引（在向量中的位置）

PY1=MaxY;

while ((Blue_y(PY1,1)>=50)&&(PY1>1))

PY1=PY1-1;

end

PY2=MaxY;

while ((Blue_y(PY2,1)>=10)&&(PY2<y))

PY2=PY2+1;

end

% IY=img(PY1:PY2,:,:);

%IY为原始图像I中截取的纵坐标在PY1：PY2之间的部分

%end横向扫描

%begin纵向扫描

Blue_x=zeros(1,x);%进一步确定x方向的车牌区域

for j=1:x

for i=PY1:PY2

if(myI(i,j,1)==1)

Blue_x(1,j)= Blue_x(1,j)+1;

end

PX1=1;

while ((Blue_x(1,PX1)<3)&&(PX1<x))

PX1=PX1+1;

end

PX2=x;

while ((Blue_x(1,PX2)<3)&&(PX2>PX1))

PX2=PX2-1;

end

PX1=PX1+3;

% PX2=PX2;

% PY1=PY1-2.5;

PY1=PY1-2;

%end纵向扫

% dw=img(PY1:PY2,PX1:PX2,:);

img1 = img;

for i=PY1-10:PY1

for j=PX1:PX2

img1(i,j,1)= 255;

img1(i,j,2)= 0;

img1(i,j,3)= 0;

end

for i=PY1:PY2

for j=PX1-10:PX1

img1(i,j,1)= 255;

img1(i,j,2)= 0;

img1(i,j,3)= 0;

end

for i=PY2-10:PY2

for j=PX1:PX2

img1(i,j,1)= 255;

img1(i,j,2)= 0;

img1(i,j,3)= 0;

end

for i=PY1:PY2

for j=PX2-10:PX2

img1(i,j,1)= 255;

img1(i,j,2)= 0;

img1(i,j,3)= 0;

end

axes(handles.axes1);%axes1是坐标轴的标示

% set(handles.axes1,'visible','on')

imshow(img1);

三、运行结果

四、总结

本文实现了一套完整的车牌识别与停车场管理系统，涵盖图像预处理、边缘检测、车牌定位、字符分割、模板匹配识别及Excel数据管理的全流程。系统利用蓝色车牌的颜色特征进行定位，采用投影法分割字符，通过模板匹配完成OCR识别，实现了从车牌图像到结构化数据的自动转换。主要不足在于：算法对蓝色车牌依赖性强，对新能源绿色车牌或其他颜色车牌适应性差；模板匹配方法对字体变化和噪声敏感，识别鲁棒性有限；Excel作为数据存储方式不适合高并发场景。后续可引入深度学习目标检测（如YOLO）进行端到端车牌检测与识别，并采用数据库替代Excel以支撑更大规模的停车场管理需求。