简介一份面向自动化、图像处理及交通工程方向毕业设计参考的车牌识别系统论文PDF完整阐述基于LabVIEW与MATLAB的软硬件协同方案。资源共1个文件为PDF格式文档压缩包大小约1.64MB便于直接查阅与打印。已有179人学习浏览适合正在开展车牌识别、机器视觉或LabVIEW与MATLAB混合编程课题的本硕学生使用。内容涵盖系统整体架构、硬件选型与图像预处理流程并重点说明车牌定位、字符切分与字符识别三个软件模块的实现思路尤其对直方图均衡化、图像平滑滤波、二值化改进及COM组件调用等关键环节给出详细分析同时给出350幅实拍图片的测试结果帮助读者理解从算法设计到平台验证的完整过程。文档结构清晰包含中英文摘要、目录及章节化论述既可作为毕业设计论文撰写模板也可为相关工程开发提供技术参考。1. LabVIEW 与 MATLAB 车牌识别为什么是“双主控”而不是二选一看到“基于LabVIEW与MATLAB的车牌识别”这个标题第一反应通常是这两个软件都能单独做图像处理为什么要放在一起这正是这篇毕业论文题目的核心看点。LabVIEW擅长的是仪器控制、数据采集和界面搭建MATLAB擅长的是矩阵运算和算法验证两者通过节点调用拼在一起既能在前面板做出看得见的演示效果又能把字符识别的精度交给MATLAB去保证。适合的人群很明确正在做毕业设计、需要展示完整系统流程的工科生以及想快速搭一个“上位机算法”原型给领导或客户看效果的工程师。我打算按自己实际做过的那套方案来讲怎么分工、怎么传数据、哪些参数必须先调。2. 为什么识别核心放 MATLAB分工边界与三个集成通道的选型2.1 如果没有 MATLABLabVIEW 侧会卡在哪很多初学者默认用LabVIEW的视觉模块也就是Vision Development Module来做车牌定位和OCR。它不是不能跑但有几个实际痛点字符切分时要自己写投影算法LabVIEW的图形化语言表达循环和数组操作比较绕模板匹配函数只能给一个匹配分数拿不到候选字符的置信度序列后期想画ROC曲线或统计误识别率得自己拼数据线。更现实的问题是毕设答辩时老师经常会问“你的识别算法和现有研究对比怎么样”这时候给出MATLAB代码和中间结果图比只给LabVIEW的程序框图更容易说清楚。所以常见做法是给LabVIEW和MATLAB划一条明确边界LabVIEW管“图像获取、界面显示、结果落盘”MATLAB管“灰度化、定位、分割、识别”。这条边界意味着LabVIEW不需要安装额外的OCR工具包只用基础模块里的 MathScript 节点就行环境依赖一下子变轻了。2.2 LabVIEW 调 MATLAB 的三种方式对比LabVIEW调MATLAB有两条常用路径外加一条不常用的我在实际搭系统时都试过先看对比调用方式是否需要安装MATLAB数据类型支持实时性适合场景MathScript 节点原生否自带解释器仅支持数值数组、字符串、部分MATLAB函数中等简单预处理、公式计算MATLAB Script 节点是需安装MATLAB支持图像、矩阵、结构体几乎全语法较低有进程开销完整识别算法、复杂图像处理MATLAB Compiler 打包 DLL只装运行时需要自己封装接口较高部署交付不打开MATLAB毕设场景我一般推荐用MATLAB Script 节点因为它可以直接传uint8类型的图像矩阵识别结果直接返回字符串和分数数组不需要关心底层编解码。如果你手头的LabVIEW版本找不到这个节点位置在“数学”选板下的“脚本与公式”里面会有“MATLAB Script”选项前提是电脑装了MATLAB并且两个软件版本位数一致都是64位否则节点运行时直接报“无法加载”的错误。2.3 数据流设计哪个方向传单张图哪个方向传结果先想清楚数据流再动手画框图。我通常这样设计LabVIEW前面板到MATLAB识别的链路在前面板放一个“图片路径”字符串控件路径拼好后通过 MATLAB Script 节点的输入变量传入。MATLAB 脚本内部读图返回三个输出识别结果字符串、字符置信度数组、处理耗时。置信度数组连接到 LabVIEW 的 XY 图X轴是字符序号Y轴是匹配分数这样每个字识别的把握程度一眼能看出来。识别结果用字符串显示控件展示同时写入表格和日志文件。这条路线的关键点是不要在LabVIEW里用 IMAQ 图像类型直接连MATLAB节点。IMAQ是LabVIEW内部引用类型MATLAB Script 节点不认它必须先用 IMAQ ExtractSingleImage 转成二维数组再加一个属性节点取图像尺寸。你在查看VI时会看到那块图像数据线颜色从绿色变成橙色那就是数组类型说明转换成功了。3. MATLAB 侧识别代码拆解定位、分割、模板匹配一次跑通3.1 车牌定位颜色先验加形态学闭合最简单且稳定车牌识别在MATLAB里最稳定的路线不是深度学习而是“蓝色像素提取形态学处理”前提是图片里车牌是标准蓝底白字拍摄角度不太歪。核心逻辑是先把RGB转到HSV色彩空间用色调范围圈出蓝色区域再做形态学闭合把字符缝隙填起来连成一个完整区域。% 读取图像并转换色彩空间 img imread(imgPath); hsv rgb2hsv(img); % 提取蓝色区域Hue 在 0.55~0.75 之间Saturation 和 Value 都要足够高 blueMask (hsv(:,:,1) 0.55) (hsv(:,:,1) 0.75) ... (hsv(:,:,2) 0.35) (hsv(:,:,3) 0.15); % 形态学闭合先膨胀再腐蚀把字符之间的黑色缝隙连成整体 se strel(rectangle, [15, 15]); closedMask imclose(blueMask, se); % 找出所有连通区域按面积排序 cc bwlabel(closedMask); stats regionprops(cc, Area, BoundingBox); areaArray [stats.Area]; [~, idx] sort(areaArray, descend); % 默认取最大的区域如果出现两个相近的大区域再按宽高比筛选 plateBox stats(idx(1)).BoundingBox; plateImg imcrop(img, plateBox);颜色阈值的取值不是拍脑袋定的。HSV空间里蓝色主车牌的标准色调范围在0.55到0.75之间但不同相机白平衡不同S通道下限要留够余量否则白色车身容易混进来。我用0.35而不是0.3是为了压低阴影部分误检。S和V取0.35和0.15适合白天户外或停车场入口摄像头夜间补光灯场景下可以把V的下限降到0.05不然灯照区域会被丢掉。运行完上面这段如果 plateImg 切出来的图里还带大块背景说明形态学结构元素太小。把strelem的尺寸从[15,15]改成[25,25]再跑一遍。反过来如果两个相邻车牌黏在一起说明膨胀过头要缩小结构元素。3.2 字符分割垂直投影切分注意汉字和字母的宽度差异很多网上流传的垂直投影切割代码直接按“非零列归一”切字符一遇到汉字就出问题。汉字结构复杂比如“京”字左中右三部分之间有空隙投影后会被误切成多个碎片。我的做法是先对二值图做膨胀把汉字内部缝隙填掉再投影同时限制最小字符宽度。% 转灰度并二值化这里用 Otsu 方法避免手动调阈值 grayPlate rgb2gray(plateImg); bwPlate imbinarize(grayPlate, adaptive, ForegroundPolarity, dark); % 膨胀处理重点针对汉字内部笔画间隙 seChar strel(rectangle, [3, 3]); bwDilated imdilate(bwPlate, seChar); % 垂直投影统计每一列的白点数量 colProj sum(bwDilated, 1); % 初步找到所有连续非零段 charAreas []; inChar false; startIdx 0; for k 1:length(colProj) if colProj(k) 0 ~inChar inChar true; startIdx k; elseif colProj(k) 0 inChar inChar false; if k - startIdx 5 % 小于5像素的段视为噪声 charAreas [charAreas; startIdx, k]; end end end这段代码里最关键的是ForegroundPolarity设为dark意思是把深色字符当前景进行二值化恰好匹配蓝底白字里“白色字”的情况。如果你用的是白底黑字或新能源车牌这里要根据实际取反。切分之后字符个数不一定是7个。常见干扰铆钉边框残留会额外切出小段左右两侧干扰物会让第一个字符位置不对。我的经验是切完判断段数大于7段就先删掉所有宽度只有平均宽度1/3以下的段再判断小于7段说明有字符黏连对二值图再腐蚀一次重新投影。这一步写一个循环自动处理不要手工调。3.3 模板匹配识别相关系数比欧氏距离更抗噪字符识别不一定要上神经网络模板匹配对打印体字符极其有效。标准车牌字体是固定的每个字符的模板做好后用归一化互相关匹配在噪声和轻微倾斜下都能给出较高分数。% 模板文件夹结构templates/chars/*.png文件名即字符本身 templateDir fullfile(mainPath, templates, chars); charFiles dir(fullfile(templateDir, *.png)); templates cell(length(charFiles), 1); charLabels cell(length(charFiles), 1); for i 1:length(charFiles) templates{i} imresize(imread(fullfile(templateDir, charFiles(i).name)), [40, 20]); [~, name, ~] fileparts(charFiles(i).name); charLabels{i} name; end % 对每个切好的字符块做识别 recogResult ; confList []; for i 1:size(charAreas, 1) charImg imcrop(bwPlate, [charAreas(i,1), 1, charAreas(i,2) - charAreas(i,1), size(bwPlate,1)]); charImg imresize(charImg, [40, 20]); charImg imbinarize(charImg); % 再次二值化消除缩放灰度边缘 bestScore -1; bestChar ; for j 1:length(templates) score corr2(double(charImg), double(templates{j})); if score bestScore bestScore score; bestChar charLabels{j}; end end recogResult [recogResult, bestChar]; %#okAGROW confList [confList, bestScore]; %#okAGROW end这段代码里corr2算的是两幅图所有像素的二维相关系数取值范围在 -1 到 1 之间。实际效果里正确字符的相关系数通常在 0.6 以上错误匹配一般在 0.4 以下。这个分类间隔比欧氏距离的区分度好得多因为相关系数对整体亮度变化不敏感字符粗细稍微变化也不会剧烈影响分数。if 识别结果里出现“浙”“鲁”这类字形较复杂的省份简称和数字搞混比如“0”和“O”“1”和“I”我的应对办法是专门建立容易混淆字符的二次判断字典当两个候选模板分数差距小于 0.05 时直接启用规则判断车牌第二位之后不能是汉字如果最佳候选是汉字就跳到第二候选。4. LabVIEW 跑通端到端的 4 个必改参数和连线细节4.1 创建 VI 并放置 MATLAB Script 节点的完整步骤我指导过的学生最少卡十分钟的地方是找不到MATLAB Script节点入口。打开LabVIEW新建VI后按以下路径查找在程序框图空白处右键打开函数选板。选择“数学”分类往下找“脚本与公式”子选板。双击“MATLAB Script”添加到框图。节点框出现后在左边框右键添加输入右边框右键添加输出变量名要和MATLAB代码里的变量名完全一致。变量名必须完全一致包括大小写。节点里输入变量imgPath输出变量recogResultMATLAB 脚本内部所有的变量赋值都围绕这两根数据线展开。如果你希望把置信度数组也传出来再增加一个输出confList这个变量在脚本末尾赋值即可。4.2 数据格式转换从 IMAQ 图像到可读矩阵如果你用的是常见做法里“读文件”的方式比较简单前面板选择图片路径LabVIEW 的 IMAQ ReadFile 读入后先用 IMAQ ExtractSingleImage 转成数组。但这一行的细节有个容易踩的坑IMAQ ExtractSingleImage 提取出来的是一个二维灰度数组如果你的图片是彩色图这个节点会默认丢色彩信息转换前会弹出自适应模式。因此我推荐直接把图片路径字符串传入MATLAB让MATLAB自己执行imread这是处理彩色信息最可靠的方式。传递路径时LabVIEW 里的路径控件默认自带文件对话框。右键路径控件选择“浏览”可以弹窗选图把路径控件的接线端连到MATLAB Script节点的输入变量上就行。但有一点必须注意LabVIEW 路径控件输出的路径带系统分隔符MATLAB在Windows下认反斜杠如果你换成Linux环境部署路径里的分隔符解析会变。稳妥做法是在MATLAB脚本开头加一句imgPath strrep(imgPath, \, /);一次把事情做干净。4.3 GBK 转 Unicode中文车牌字符乱码的唯一根治方案这是热词里频繁出现的问题。产生乱码的环节在LabVIEW的前面板字符串显示控件本质原因MATLAB识别出的汉字字符是Unicode编码输出到LabVIEW字符串控件后LabVIEW默认按本机ANSI代码页也就是GBK解释两个字符集一错位前面板看到的就是“浜”“鍖”这类不可读字。解决方案不在MATLAB侧改编码在LabVIEW侧转换。在字符串显示控件之前接一个“代码页转换”节点具体操作右键程序框图空白处查找“字符串”函数选板。选择“代码页转换”函数LabVIEW 2020 之后的版本都有旧版本在“高级”菜单下。输入端连接MATLAB节点输出的字符串输出端连接前面板显示控件。双击节点设置源代码页为 65001UTF-8目标代码页为 936GBK。这样设置后“苏E12345”里的“苏”字就是正常汉字。如果你用的是旧版LabVIEW找不到这个节点替代方案是在MATLAB脚本里直接把结果写成native2unicode后再输出但不如LabVIEW侧转换干净。4.4 XY 图显示置信度曲线与保存识别日志置信度曲线是我每次都会加的前面板元素。把MATLAB输出的confList数组接到 XY 图的输入后X轴默认是点数Y轴是置信度值。具体连线方式创建一个“数组最大值最小值”函数包住confList把数组长度作为X轴范围然后把数组和X范围打包成簇输入XY图。这样每个字符柱状显示一眼能看出第几个字不可靠例如第2位最高分只有0.35那基本断定为字符分割错位。保存日志的操作用LabVIEW自带的“写入文本文件”函数即可前面板放一个“保存路径”控件拼接日期字符串把识别结果、耗时数组、置信度数组按逗号分隔拼成一行追加写入CSV。要注意的是如果多次点击运行日志文件会无限增长每次运行前用“删除文件”函数判断文件是否存在存在就先删掉保证单次实验数据是干净的。5. 答辩现场更出效果的 3 个进阶验证技巧5.1 用中间图像控件录制“识别过程”而不是只给结果这不是指截图而是在前面板放上4个图像显示控件分别对应原图、HSV蓝色掩膜、二值化图、字符切分结果。MATLAB Script 节点里的中间变量除了用分号抑制显示外每一个关键步骤都做一次imwrite输出到临时图片然后由LabVIEW的 IMAQ ReadFile 读入四个图像控件配合“等待ms”函数做延时播放。这等于把你代码里每一行算法的效果在答辩现场放了一个慢镜头回放比只展示最终车牌字符串直观得多。我一般让程序自动跑10张不同场景的图片中间加300毫秒延迟整段演示不超过15秒评委阅读代码的工作量会大幅降低。5.2 批量跑测试集并生成混淆矩阵数据模板匹配识别最容易被质疑的是“就这几张图能说明什么”。应对方式是写一个批量测试脚本MATLAB 侧循环读取一个测试文件夹内所有图片把每张图的真实车牌从文件名里解析出来然后和识别结果比对。比对结果生成一个三列的 CSV真实值、预测值、是否一致。这个CSV由LabVIEW读取后自动统计总体准确率和每一类字符的错误次数前面板用表格控件显示电脑右下角再放一个指示灯绿色代表通过率超过90%红色代表不达标。这一步的好处是即使你临时换了一套模板图片也能在五分钟内重新估算识别率不需要重新拍摄实验照片对毕业论文的实验章节来说是很实用的“最后一道防线”。5.3 失败样例的单独处理不要把识别率拉低到90%以下批量实验一定有失败图片。常见做法是把置信度低于0.5的字符位置标黄并在界面表格里显示“低置信度字符3”这比直接判错更有说服力。但要注意答辩演示的默认测试集不要放低置信度图片现场不确定因素已经够多没必要给自己挖坑把失败样例放在“演示结束后可验证”的子文件夹等老师追问时再展示处理逻辑。本文还有配套的精品资源点击获取