学过了数字图像处理，就进行一个综合性强的小项目来巩固一下知识吧。前阵子编写调试了一套基于MATLAB的车牌识别的项目的代码。今天又重新改进了一下代码，识别的效果好一点了，也精简了一些代码。这里没有使用神经网络等，只是用了最基础的数字图像处理算法，最后通过模板匹配，得到结果。
源码下载链接：
下载链接（注意：有两套，第二套是后来改进的，都能运行的）
运行结果：
这里读取了车牌图片目录中的第一幅图片，并显示出来了原图像；随后计算出车牌的区域，进行图像切割，单独把车牌提取出来；最后，从图像中切割出每个字符，并与事先准备好的模板进行匹配，找到与其误差最小的模板就认为是对应的字符。 
这里是另外一个识别车牌号的结果。
程序思路：
第一步：从原图像中切割出车牌，去除无用信息
1、读取原图像。 
2、将原始彩色图像转换成灰度图像，并显示直方图（如果分布十分不均匀，使用直方图均衡化处理）。 
3、使用roberts算子进行边缘检测（MATLAB中调用edge函数）。 
4、图像腐蚀（去除不需要的边缘信息，尽可能只保留车牌上字符的轮廓）。 
5、图像膨胀（平滑图像轮廓，图中没能完全滤出车牌之外的所有边缘信息，剩下了一部分，其实就是车牌上的那个奥迪标志，后面还要想办法把它给去掉）。 
6、从图像中移除小块对象（调用bwareaopen()函数，从图像中删除所有少于2200像素8邻接的区域，最后只剩下车牌区域了）。 
7、根据最后图像中“白色”的那部分界定车牌所处的区域，并重新在原图像中进行切割，得到车牌的图像。 
第二步：从前面得到的车牌图像中切割出每个字符
1、先将车牌图像转换为灰度图像并绘制直方图。 
2、为增强对比度，对灰度图像再做直方图均衡化。 
3、将图像二值化。 
4、中值滤波，滤除一些无用信息。 
5、调用编写的my_imsplit.m和getword.m脚本，计算每个字符的位置，并逐一进行切割，得到只储存单一字符的图像。 
6、与准备好的字符模板比对，计算出与其误差最小的某个字符模板，识别为对应的字符。 
最后的识别结果： 