MATLAB实现车牌识别系统：从图像处理到Excel报表-AI智能范式网

MATLAB实现车牌识别系统：从图像处理到Excel报表

银星皓月·2026-08-17·阅读 22 GEO检测（免费）

车牌识别MATLAB图像处理

|难度：普通|阅读约 15 分钟

1. 车牌识别系统概述

车牌识别技术看似高深，其实核心原理并不复杂。作为一个经常处理图像识别项目的工程师，我发现用MATLAB实现基础车牌识别功能，200行代码就能跑通全流程。今天要分享的这套带GUI界面的完整系统，从图像采集到生成Excel报表，所有代码我都会逐行解释，确保零基础的读者也能理解每个模块的作用。

这个系统的核心价值在于：把学术论文里的复杂算法，转化成工程师日常可用的工具。我们不需要研究那些晦涩的数学公式，而是关注如何用MATLAB现有的图像处理工具箱，快速实现车牌区域的定位、字符分割和OCR识别。最终生成的Excel报表可以直接对接停车场管理系统，实现车辆进出记录自动化。

需要模型API调用？免费领10W Token，多模型网关一键接入 Claude、DeepSeek 等主流模型。

2. 系统架构设计

2.1 整体工作流程

系统采用经典的图像处理流水线设计：

图像采集：通过USB摄像头或导入现有图片
预处理：灰度化、去噪、边缘增强
车牌定位：基于颜色和纹理特征
字符分割：垂直投影法切分单个字符
OCR识别：模板匹配法识别字符
结果输出：生成带时间戳的Excel报表

2.2 关键技术选型

选择MATLAB作为开发平台有三大优势：

内置图像处理工具箱简化开发
直观的GUI设计环境
方便的Excel接口

特别说明几个关键函数的选择：

imread/videoinput用于图像采集
rgb2gray+medfilt2完成预处理
edge+regionprops实现车牌定位
imcrop+bwlabel处理字符分割
normxcorr2做模板匹配识别

3. GUI界面实现

3.1 界面布局设计

使用MATLAB的App Designer创建主界面，包含：

图像显示区域(axes组件)
控制面板(uipanel)
功能按钮(开始/停止/导出)
结果显示文本框

关键属性设置：

matlab复制app.CameraAxes = uiaxes(app.UIFigure);
app.CameraAxes.Position = [20 100 600 400];
app.ResultText = uitextarea(app.UIFigure);
app.ResultText.Position = [650 100 200 400];

3.2 实时视频处理

通过timer对象实现帧回调处理：

matlab复制function startCamera(app)
    app.vid = videoinput('winvideo',1);
    app.timer = timer('ExecutionMode','fixedRate',...
                     'Period',0.1,...
                     'TimerFcn',@(src,event)processFrame(app));
    start(app.timer);
end

4. 车牌识别核心算法

4.1 图像预处理流程

matlab复制function processedImg = preprocess(img)
    % 转换为灰度图
    grayImg = rgb2gray(img);
    
    % 中值滤波去噪
    filteredImg = medfilt2(grayImg,[3 3]);
    
    % Sobel边缘检测
    edgeImg = edge(filteredImg,'sobel');
    
    % 形态学闭操作
    se = strel('rectangle',[5 5]);
    closedImg = imclose(edgeImg,se);
end

4.2 车牌定位算法

基于颜色和边缘特征的双重验证：

HSV空间提取蓝色区域
边缘检测找矩形轮廓
长宽比筛选候选区域

matlab复制function [plate,loc] = locatePlate(img)
    % 转换到HSV空间
    hsv = rgb2hsv(img);
    
    % 提取蓝色区域
    blueMask = (hsv(:,:,1)>0.55) & (hsv(:,:,1)<0.7);
    
    % 结合边缘检测结果
    edgeImg = edge(rgb2gray(img),'canny');
    combined = blueMask & edgeImg;
    
    % 查找连通区域
    stats = regionprops(combined,'BoundingBox','Area');
    % 按面积和长宽比筛选
    for k = 1:length(stats)
        ratio = stats(k).BoundingBox(3)/stats(k).BoundingBox(4);
        if ratio > 2 && ratio < 5 && stats(k).Area > 1000
            plate = imcrop(img,stats(k).BoundingBox);
            loc = stats(k).BoundingBox;
            return;
        end
    end
end

5. 字符分割与识别

5.1 字符分割技术

采用垂直投影法：

matlab复制function chars = segmentChars(plateImg)
    % 二值化
    bw = imbinarize(rgb2gray(plateImg));
    
    % 垂直投影
    verticalProj = sum(bw,1);
    
    % 找波谷作为分割点
    [minLoc,~] = findpeaks(-verticalProj);
    
    % 根据分割点切分字符
    chars = cell(1,length(minLoc)-1);
    for i = 1:length(minLoc)-1
        chars{i} = imcrop(bw,[minLoc(i) 1 minLoc(i+1)-minLoc(i) size(bw,1)]);
    end
end

5.2 OCR识别实现

模板匹配法识别字符：

matlab复制function result = ocrRecognize(charImg,templates)
    % 归一化字符大小
    charImg = imresize(charImg,[50 30]);
    
    bestScore = -inf;
    bestChar = '';
    
    % 与模板库逐个比对
    for k = 1:length(templates)
        c = normxcorr2(charImg,templates{k}.img);
        score = max(c(:));
        
        if score > bestScore
            bestScore = score;
            bestChar = templates{k}.char;
        end
    end
    
    result = bestChar;
end

6. Excel报表生成

6.1 数据记录结构

设计合理的数据结构存储识别结果：

matlab复制classdef PlateRecord
    properties
        PlateNumber
        RecognitionTime
        Confidence
        ImagePath
    end
    
    methods
        function obj = PlateRecord(num,conf,imgPath)
            obj.PlateNumber = num;
            obj.RecognitionTime = datetime('now');
            obj.Confidence = conf;
            obj.ImagePath = imgPath;
        end
    end
end

6.2 Excel导出实现

matlab复制function exportToExcel(records,filename)
    % 创建表格数据
    data = cell(length(records),4);
    for i = 1:length(records)
        data{i,1} = records(i).PlateNumber;
        data{i,2} = datestr(records(i).RecognitionTime);
        data{i,3} = records(i).Confidence;
        data{i,4} = records(i).ImagePath;
    end
    
    % 写入Excel
    colNames = {'车牌号','识别时间','置信度','图片路径'};
    xlswrite(filename,[colNames; data]);
end

7. 系统集成与优化

7.1 性能优化技巧

图像降采样：对大尺寸图像先缩小处理
```
matlab复制smallImg = imresize(img,0.5);
```
ROI处理：只在可能包含车牌的区域运算
```
matlab复制roiImg = img(y1:y2,x1:x2,:);
```

并行计算：使用parfor加速模板匹配

matlab复制parfor k = 1:length(templates)
    % 匹配计算
end

7.2 常见问题解决

问题1：车牌定位不准

解决方案：调整HSV颜色阈值范围

调试方法：

matlab复制imshow(blueMask); % 可视化颜色掩膜

问题2：字符识别错误

解决方案：
1. 增加模板库样本量
2. 添加字符预处理（去倾斜、归一化）

问题3：实时处理卡顿

优化方案：
1. 降低处理帧率
2. 使用GPU加速（gpuArray）

8. 完整代码结构

code复制车牌识别系统/
├── mainApp.mlapp       % GUI主界面
├── plateDetection/     % 车牌检测算法
│   ├── preprocess.m
│   ├── locatePlate.m
│   └── segmentChars.m
├── ocr/                % 字符识别
│   ├── loadTemplates.m
│   └── ocrRecognize.m
├── utils/              % 工具函数
│   ├── exportToExcel.m
│   └── PlateRecord.m
└── templates/          % 字符模板库
    ├── 0.jpg
    ├── 1.jpg
    └── ...

9. 实际应用扩展

9.1 多场景适配方案

针对不同光照条件建议：

强光环境：增加直方图均衡化
```
matlab复制img = histeq(img);
```

弱光环境：使用Retinex算法增强

matlab复制img = imlocalbrighten(img);

9.2 系统集成建议

数据库对接：将识别结果存入MySQL

matlab复制conn = database('parking','user','pwd');
insert(conn,'records',colnames,data);

网络传输：通过HTTP API上报数据

matlab复制webwrite('http://api.example.com/plate',data);

硬件加速：部署时使用MATLAB Coder生成C++代码

10. 开发心得与建议

在开发这个系统的过程中，我总结了几个关键经验：

先验证算法再开发界面：先用脚本测试每个算法模块，确保核心识别率达标后再集成到GUI中
模板质量决定识别上限：建议收集100+不同字体、不同光照条件下的车牌字符作为模板
合理设置性能预期：在普通PC上，单次识别耗时约200-500ms，实时处理建议3-5fps
异常处理很重要：特别是摄像头采集环节，要添加超时和重试机制

对于想进一步优化的开发者，我建议：

尝试深度学习方案（使用MATLAB的Deep Learning Toolbox）
加入车牌颜色识别（蓝牌/黄牌/绿牌）
实现多车牌同时检测功能