基于MATLAB的车牌识别系统研究

上海交通大学

硕士学位论文

基于MATLAB的车牌识别系统研究

姓名：王璐

申请学位级别：硕士

专业：电工理论与新技术

指导教师：陈洪亮

20090101

基于MATLAB的车牌识别系统研究

摘 要

近几年，车牌识别系统作为智能交通的一个重要方向越来越受到重视。车牌识别系统可以应用于停车场管理系统、高速公路超速管理系统、城市十字路口的“电子警察”、小区车辆管理系统等各个领域，对国家的安全发展有很大的作用。虽然目前已有一些车牌识别系统相关产品出现，但是对其算法的研究发展从没有停止，仍有许多学者在做着进一步的研究改进。

本文首先对车牌识别系统的现状和已有的技术进行了深入的研究，在研究的基础上开发出一个基于MATLAB的车牌识别系统。确定了整体设计方案，其中软件部分包括车牌定位、车牌字符切分及车牌字符识别三个模块。车牌定位模块中提出了基于小波变换的车牌边缘提取的算法，以及车牌二次定位的算法，提高了系统在光照条件较差的情况下的定位准确率，该算法对于各种底色的车牌具有良好的适应性；车牌的二值化采用了改进的Otus算法，重新划分了其两维直方图的区域，改进后的算法大大减少了运行时间，对于各种类型的车牌都能达到较好的二值化效果；针对BP神经网络字符识别算法，采用有动量的梯度下降法训练网络，减小了神经网络学习过程的振荡趋势，使得BP网络能够较快的达到收敛，完成车牌字符的识别。对模板匹配算法和BP网络算法进行对比，证明了BP网络算法要优于模板匹配算法。

根据上述算法搭建了一个测试平台。整个测试平台的软件部分采用MATLAB的M语言编写。通过测试平台，对353幅卡口汽车照片进行车牌识别，测试系统的性能。测试结果表明，本课题设计的车牌识别系统可有效地实现车牌识别，为今后的产品化奠定了很好的技术基础。

关键词：车牌识别，小波变换，Otsu算法，模板匹配，BP网络，MATLAB

I

RESEARCH ON PLATE LICENSE

RECOGNITION SYSTEM BASED ON MATLAB

ABSTRACT

In recent years, the development of intelligent transportation has become more and more important. As an important aspect in intelligent transportation, plate license recognition system has taken more and more attention. The plate license recognition system can be applied to public parking, highway speeding management system, crossing road, district vehicle management system, and so on. Although now there are already some exsiting plate lecense recognition systems, the research and development of arithmetic have never stopped, and there are still many scholars who are doing further research and improvement.

Firstly, the paper gives a deep research on the status and technique of the plate license recognition system. On the basis of research, a solution of plate license recognition system is proposed, and the paper focused on the software part. The whole system concludes three modules. They are plate location, plate character segmentation, and plate character recognition. In the plate location module, the paper puts forward an arithmetic of plate edge recognition by wavelet decomposition, and an arithmetic of locating twice, which improve the accuracy in bad light condition, and are fit for plates with different grounding. An improved Otsu arithmetic is used in the process of binaryzating, which reduces the running time, and can achieve good effect for different kinds of plate. In character recognition part, with the momentum of the gradient descent method, the BP neural network can fast https://www.360docs.net/doc/0412252020.html,pared the BP neural network with template matching arithmetic, which improves that the BP neural network are better than the template matching arithmetic.

II

Then, a test platform has been built with MATLAB, for the test of the system. Through the test of 353 monitoring car photographs, the results shows that the system can effectively meets the requirement, and lay a good foundation of technology for productization.

KEY WORDS: plate license recognition, wavelet transform, Otsu, template matching, BP neural network, MATLAB

III

图目录

图1 车牌识别系统 (1)

图2 自选号牌车牌示例 (3)

图3 车辆牌照识别系统结构图 (10)

图4 系统流程图 (13)

图5 车牌定位的过程 (15)

图6（a）原始汽车图像（b）灰度图 (16)

图7 灰度变换的对比曲线 (17)

图8（a）灰度图（b）灰度变换后的图像 (17)

图9（a）灰度图（b）中值滤波后的图像 (18)

图10 小波分解树[10] (21)

图11 小波变换的Mallat算法 (23)

图12 二维小波变换的Mallat算法 (24)

图13 车辆灰度图 (25)

图14 X=214数据线的灰度图 (25)

图15 用HAAR小波进行五层分解 (26)

图16 车牌图像的小波分解 (27)

图17小波分解提取边缘 (27)

图18 开闭运算后的图像 (28)

图19 车牌区域标记 (29)

图20 初步提取的车牌 (29)

图22 平滑后的水平差分累加投影图 (31)

图23 水平定位后的图像 (31)

图24 平滑后的垂直差分累加投影图 (32)

图25 精确定位后的车牌 (32)

图26 车牌定位算法 (33)

图27 车牌字符切分流程 (35)

图28 二维Otsu算法阈值求解示意图 (38)

图29 改进的Otsu算法阈值求解示意图 (40)

VII

图30 改进的Otsu算法二值化实验 (41)

图31 图像空间 (42)

图32 Hough空间 (42)

图33 利用Hough变换查找倾斜角度 (43)

图34 车牌二值子图及其水平投影 (44)

图35 坐标变换示意图 (46)

图36 两种校正算法的比较 (47)

图37 字符投影图 (48)

图38 字符切分后的效果图 (49)

图39 车牌字符切分算法 (50)

图40 加权后模板与原模板 (54)

图41 特征提取 (54)

图42 模板匹配字符识别流程图 (56)

图43 BP神经网络结构示意图 (58)

图44 三层BP网络示意图 (58)

图45 BP网络的应用过程 (60)

图46 BP算法流程 (63)

图47 车牌识别测试系统流程 (65)

图48 车牌识别测试系统界面 (67)

图49 测试系统文件菜单 (68)

图50 测试系统视频设备菜单 (68)

图51 测试系统识别参数设置菜单 (69)

图52 测试系统系统设置菜单 (70)

图53 测试分析（1） (71)

图54 测试分析（2） (72)

图55 测试分析（3） (73)

图56 测试分析（4） (73)

图57 测试分析（5） (74)

图58 测试分析（6） (75)

图59 测试分析（7） (76)

VIII

表目录

表1 字符识别方法结果分析 (64)

表2 车牌识别结果分析 (76)

IX

3

1绪论

1.1研究背景

1990年，美国智能交通学会CITS America提出了智能交通系统（ITS）的概念。目前，智能交通系统已经在世界上经济发达国家的一些城市及高速公路系统中得到了广泛应用。我国在该领域的研究起步较晚，但随着全球范围智能交通技术研究的兴起及奥运会的成功举办，智能交通在我国也逐渐进入了应用阶段，相应的，我国也加快了对智能交通技术研究的步伐，智能交通技术的研究现已进入快速发展期。

车牌识别系统作为数字摄像、计算机信息管理、图像分割和图形识别技术在智能交通领域的应用，是智能交通管理系统中重要的组成部分。车牌识别技术可应用于道路交通监控、交通事故现场勘察、交通违章自动记录、高速公路超速管理系统、小区智能化管理等方面[1]，为智能交通管理提供了高效、实用的手段。

目前世界各国都在进行适用于本国汽车牌照的自动识别研究，美、日、韩等国已有相关系统（基于传感器）问世。引进这些系统费用比较高、而且由于各国车牌和实际的交通环境不同，引进的系统往往无法满足我国城市的需求，而国内市场上虽然已有产品投入使用，但是在后续处理时很大程度上仍然需要人工识别，所以对车牌识别技术的研究依然是目前高科技领域的热门课题之一。车牌识别系统的成功设计、开发和应用具有相当大的社会效益、经济效益和学术意义。

基于图像处理的车牌识别系统一般包括以下五个部分：

图1 车牌识别系统

Figure 1 Flow chart of license plate recognition system

1

在实际应用中，车牌识别系统必须快速、准确、鲁棒地识别出车牌。因此，在车牌识别过程中，车辆的检测、图像的采集、车牌的识别等都是重要的环节，其中关键的技术有：

1）车辆牌照区域定位技术，即给出图像中车牌所在位置。

2）车辆牌照字符切分技术，即对定位后的车牌区域中的字符进行切分和归一化处理，其中车牌的二值化和倾斜校正对于字符的切分和识别都是非常重要的。

3）车辆牌照字符识别技术，即将切分后的字符识别出来。

车牌识别是一个很复杂的图像处理和模式识别问题，研究时存在很多难点，主要在于：

1）获取的车牌图像质量不高。车牌图像往往含有大量复杂的背景信息，遮盖了有用信息。很多时候受到照明条件、天气条件、及运动失真的影响，会出现图像模糊、清晰度不高、目标区域过小、色彩失真等现象，影响了车牌的定位。

2）车牌悬挂位置不唯一。在汽车的各个位置都可能出现车牌，而且不能保证车牌的水平悬挂，甚至有的车牌出现了扭曲。

3）牌照多样性。其他国家的汽车牌照格式，如尺寸大小，牌照上字符的排列等，通常只有一种。而我国则根据不同车型、用途，规定了多种牌照格式，例如分为军车、警车、普通车等。

4）我国标准车牌照是由汉字、英文字母和阿拉伯数字组成的，汉字的识别与字母和数字的识别有很大的不同，增加了识别的难度。

5）国外许多国家汽车牌照的底色和字符颜色通常只有对比度较强的两种颜色，例如韩国，其车牌底色为红色，车牌上的字符为白色；而我国汽车牌照仅底色就有蓝、黄、白、黑等多种颜色，字符颜色也有黑、红、白等若干种颜色。

6）由于环境、道路或人为因素造成汽车牌照污染严重，这种情况下国外发达国家不允许上路，而在我国仍可上路行驶。使得车牌的对比度降低，特征不是很明显，即使在定位准确的情况下，字符的识别也会受到很大影响。

目前在国内存在多种牌照格式，且存在以上种种困难和特殊性，加大了我国车

2

牌自动识别的难度，使得中国车辆牌照识别远远难于国外的车辆牌照识别。因而如何提高识别率和识别处理的实时性及实用性成了一个紧要的任务。图2为我国目前使用的一个自选号牌车牌样本，上面标明了车牌样式规定。

图2 自选号牌车牌示例

Figure 2 Examples of self-selected plate

1.2车牌识别系统现状

1.2.1国内外车辆牌照识别技术现状

目前，国内外有大量关于车牌识别方面的研究报道。国外在这方面的研究工作开展较早。在上世纪70年代，英国就在实验室中完成了“实时车牌检测系统”的广域检测和开发。同时代，诞生了面向被盗车辆的第一个实时自动车牌监测系统。发展到今日，国外对车牌检测的研究已经取得了一些令人瞩目的成就，如Yuntao Cui[2]提出了一种车牌识别系统，在车牌定位以后，利用马尔科夫场对车牌特征进行提取和二值化，对样本的识别达到了较高的识别率。Eun Ryung等[3]利用图像中的颜色分量，对车辆牌照进行定位识别，其中提到了三种方法：①以Hough变换为基础的边缘检测定位识别；②以灰度值变换为基础的识别算法；③以HLS彩色模式为基础的车牌识别系统，识别率分别为81.25%、85%、91.25%。日本对车牌图像的获取也做了大量的研究，并为系统产业化做了大量工作。Luis[4]开发的系统应用于

3

公路收费站，全天识别率达到了90%以上，即使在天气不好的情况下也达到了70%。国外对车牌识别的研究起步早，总体来讲其技术已比较领先，同时由于他们车牌种类单一，规范程度较高，易于定位识别，目前，已经实现了产品化，并在实际的交通系统中得到了广泛的应用。由于中国车牌的格式与国外有较大差异，所以国外关于识别率的报道只具有参考价值，其在中国的应用效果可能没有在其国内的应用效果好，但其识别系统中采用的很多算法具有很好的借鉴意义。

从车牌识别系统进入中国以来，国内有大量的学者在从事这方面的研究，提出了很多新颖快速的算法。中国科学院自动化所的刘智勇等[5]开发的系统在一个样本量为3180的样本集中，车牌定位准确率为99.42%，切分准确率为94.52%，这套系统后来应用于汉王公司的车牌识别系统，取得了不错的效果。南京大学的熊军等[6]提出了基于字符纹理特征的定位算法，准确率达95%。华中科技大学的陈振学等[7]学者提出了一种新的车牌图像字符分割与识别算法，使用一维循环清零法，通过对垂直投影图进行一次扫描，有效的清除了杂点和间隔符，正确分割率达到了96.8%。浙江大学的张引、潘云鹤等[8]提出了彩色边缘算子ColorPrewitt和彩色边缘检测与区域生长相结合的牌照定位算法ColorLP，算法简单，且全面作用在颜色空间的三个分量上，检测出的牌照区域易于与背景剥离。但是计算量和存储量都比较大，难以满足实时性的要求。此外，当车辆区域的颜色和附近颜色相近时，定位失误率会增加。国内还有许多学者都在进行这方面的研究，并且取得了大量的研究成果。1.2.2车牌识别技术的应用情况

车辆牌照自动识别技术是智能交通系统的一个重要组成部分，它在交通管理、监控中有着广泛的应用。车辆牌照识别系统技术能够从一幅车辆图像中准确定位出车牌图像，经过字符切分和识别后实现车辆牌照的自动识别，从而为以上应用提供信息和基础功能。

目前车牌识别系统主要应用于以下领域：

1）停车场管理系统。利用车牌识别技术对出入车辆的号牌进行识别和匹配，

4

与停车卡结合实现自动计时、计费的车辆收费管理系统。

2）高速公路超速自动化管理系统。以车牌自动识别技术为基础，与其他高科技手段结合，对高速公路交通流状况进行自动监测、自动布控，从而降低交通事故的复发生率，确保交通顺畅。

3）公路布控。采用车牌识别技术实现对重点车辆的自动识别，快速报警，既可以有效查找被盗车辆，同时又为公安、检察机关提供了对犯罪嫌疑人的交通工具进行远程跟踪与监查的技术手段。

4）城市十字交通路口的“电子警察”。可以对违章车辆进行责任追究，也可以辅助进行交通流量统计，交通监测和疏导。

5）小区车辆管理系统。社区保安系统将出入社区的车辆通过车牌识别技术进行记录，将结果与内部车辆列表对比可以实现防盗监管。

目前，市场上已出现了一些可应用的汽车牌照自动识别系统。如CPRS-1型汽车牌照识别系统是在国家“863”计划课题与国防图像目标识别课题相结合的研究基础上研制成功的，实现了识别汽车牌照中的数字、字母和汉字以及汽车牌照的底色（白、黑、蓝、黄四种）的功能，可以全天候工作。另一种型号GW－PR－9902T 的牌照识别器系统产品，采用新型的数字图像处理和识别技术，基于嵌入式工控机／DSP和专用硬件电路，利用定向反射和自然光相结合的识别原理，实时地完成复杂情况下的汽车牌照的定位、分割以及识别。此类产品都已应用于高速公路的收费监控系统。总体上说，虽然汽车牌照识别系统在国内还未形成一个成熟的产业，但是随着我国国民经济的迅速发展，机动车辆规模及流量大幅度增加，高速公路和城市交通管理现代化水平的提高势在必行，迫切需要高科技的智能交通系统来充实和加强交通管理水平。车牌识别技术在智能交通系统中占有重要位置，车牌识别技术的推广普及，必将对加强高速公路、城市道路管理，减少交通事故、车辆被盗案件的发生，保障社会稳定等方面产生重大而深远的影响。

1.2.3车牌识别技术的发展趋势

5

车牌识别技术作为智能交通系统中的关键技术，在各国学者的共同努力下，已经得到了长足的发展，并且已经得到了不同程度的实际应用，但目前还存在着种种不足。

对于未来车牌识别产品的技术发展趋势，汉王科技智能交通部总经理乔炬认为。首先，由于市场需求不同，对识别产品的需求也有差异，因此就要求研发针对不同细分市场的车牌识别产品。其次，随着算法的不断改进，基于视频触发技术的车牌识别产品将得到大范围的应用，但是视频触发技术取代外触发装置尚需时日。第三，现在的车牌识别系统设备过多，系统集成难度大，系统稳定性差，系统维护是一个让人头疼的问题。随着技术不断进步，以往多个设备实现的功能可能由一个设备实现。

目前，车牌识别技术和产品性能进入实用阶段的时间还不是很长，随着人工智能以及自动识别技术的进步，未来的技术发展空间还会非常大。例如，核心算法继续发展，识别率和识别速度进一步改善，图像处理中对模糊图像预处理能力增强，画质改善技术的提高等等。

1.3本课题的研究内容

本文就车辆牌照自动识别技术进行了一系列的研究工作，在研究国内外各种典型的车牌识别方法的基础上，努力学习和创新，结合中国车牌的特点，对适合中国车牌的识别系统进行了研究。

在课题研究中作者的主要研究内容有：

1）在广泛查阅国内外车牌识别系统算法的基础上，以MATLAB的Image Acquisition Toolbox、Image Processing Toolbox以及Neural Network Toolbox工具箱为骨架，以M语言为主要编程语言，部分模块结合C语言开发了一套车牌识别系统，实现了车牌识别系统中车牌的定位、车牌字符的切分、以及车牌字符的识别的功能。

6

2）车牌边缘提取效果的好坏对于车牌能否准确定位有很大影响。已有的车牌系统大多采用传统边缘检测算子对车牌边缘进行提取，在光线不好或者图像比较模糊时效果并不是很理想。在对数字图像进行处理时，离散小波变换往往是首选的数学工具。考虑到小波变换在图像处理中有着良好的特性，而且小波变换对于噪点有着良好的抑制作用，同时分解后的高频部分的垂直分量和低频部分的水平分量非常有助于图像的细节信息的获取，本文借助MATLAB的wavemenu对小波变换进行了细致的研究和分析，采用了多分辨率分析的Mallat快速小波算法对小波变换进行了两次分解，并对小波变换在车牌边缘提取中的应用进行了研究。测试结果显示利用小波变换提取的车牌边缘特征明显，在此基础上进行形态学处理后车牌定位的准确性和鲁棒性都比较好。

3）车牌识别系统主要由车牌定位、车牌字符切分以及车牌字符识别三个部分组成。本文依次对这三个组成部分中涉及到的算法进行了研究和优化。

车牌定位中首先对车牌进行了预处理，即灰度化处理，灰度拉伸，应用中值滤波算法进行了降噪处理。之后采用了小波变换的算法提取车牌边缘，进行形态学处理后，根据车牌先验知识进行初步定位，再用投影法进行二次定位提取出了车牌。

在车牌字符切分部分主要进行了二值化、车牌倾斜校正以及字符切分的算法研究。二值化选取了改进的全局阈值Otsu算法。然后通过对Hough变换和投影特征法的对比，选取了投影特征法和坐标变换算法进行了车牌校正。根据车牌垂直投影图显现出的多个集中峰群的特点，进行了车牌字符切分。

在最后部分，对主流的模板匹配字符识别和BP神经网络字符识别的算法分别进行了研究与改进。最后将两种算法进行了对比分析，可以看出，改进的BP网络的算法特性要远优于模板匹配算法，更适于系统的实际应用。

4）本文依次完成了车牌定位、车牌字符切分以及车牌字符识别等组件的开发。采用M语言建立了测试平台，并对353张卡口图片进行了测试，对实验结果进行了分析。

5）根据实验结果分析系统仍然存在的缺陷与不足，给出结论，提出展望。

7

1.4本文的创新点

本文的创新点主要体现在以下四个方面：

1）提出了基于小波变换的车牌边缘提取的算法，和车牌二次定位的算法。根据车牌部分垂直方向的特征比其他部分明显的特点，采用了Mallat小波快速算法对小波变换进行了两次分解，提取出高频部分的垂直分量，进行形态学处理后可以看到车牌部分的特征非常明显，其他干扰特征则已弱化。然后根据车牌先验知识进行初步定位，去除伪车牌，最后根据投影进行精确定位，提高了光线较差情况下车牌的定位准确率。

2）对二值化过程中采用的Otsu算法进行了改进，重新划分其两维直方图的区域，由二维降到一维，提高了运算速度。

3）针对模板匹配字符识别算法中的特征提取，提出了将字符按照九宫格的方式划分，然后在每一区域分别进行特征提取的算法，提高了识别准确率。

4）针对BP神经网络字符识别算法，采用有动量的梯度下降法来训练网络，即按照某一时刻的负梯度方向修正网络权值，同时加入动量因子，修正负梯度方向的值，使得整个网络能够更快更好地收敛，提高了字符识别的运算速度和准确率。

1.5论文结构

本文组织结构共分为7个章节：

第1章为绪论，主要介绍车牌识别研究的背景和现状，包括国内外技术的发展现状和一些较好的算法、车牌识别技术的应用情况以及发展趋势等。

第2章对车牌系统的总体设计进行了介绍。车牌的总体设计包括硬件设计、软件设计以及测试平台的搭建。本文侧重进行了软件设计和测试平台的搭建，依次完成了车牌定位、车牌字符切分、车牌字符识别三个组件的设计，并搭建了测试平台。

第3章主要研究车牌定位。在详细阐述小波变换理论的基础上，结合wavemenu 工具箱对小波变换进行了详细分析，提出采用小波变换分解后的垂直分量进行边缘

8

提取的算法，结合形态学处理，采用初步定位去除伪车牌和精确定位相结合的算法，实现车牌的准确定位。

第4章是关于车牌字符切分的研究，这里主要针对二值化、倾斜校正、字符切分进行了研究。对二值化中采用的Otsu算法进行改进，重新划分二维直方图的区域，改进后的算法运行时间短、二值化效果好。

第5章研究车牌字符识别的问题，对模板匹配和神经网络的方案进行研究、改进和试验。对模板匹配法中的特征提取采用新的划分方式进行划分，分别提取特征，提高了识别准确率。对BP网络采用有动量的梯度下降法训练网络，改进后的网络可以快速收敛。最后通过实验得出结论，改进的神经网络算法在准确性、实时性和鲁棒性方面都要优于改进的模板匹配法。

第6章根据前三章研究的算法采用M语言设计了车牌识别系统的测试平台，对353张卡口图片进行测试，并对测试结果进行分析，验证改进算法的实际效果，并分析了系统的优缺点。

第7章对全文进行总结。提出了本研究课题中存在的有待改善的一些问题，指出系统可以改进的方向和对未来工作的展望。

9

10

2 系统总体设计

2.1 车牌识别系统总体设计

一个完整的车辆牌照识别系统是一个复杂的系统，应该包括图像采集、图像预处理、车牌定位、字符切分、字符识别以及图像编码、数码传输与更新等步骤，基本可以分为硬件部分和软件部分，硬件部分主要完成车辆图像的摄取采集，软件部分主要完成对采集到的车辆图像进行车辆牌照定位、车牌字符切分与车牌字符识别等工作，这部分工作最为复杂，最后对识别结果进行数据传送和存储，将处理后的识别信息交给管理系统进行管理。整个系统的核心是软件部分的工作，能否通过牌照对车辆进行有效管理，很大程度上取决于软件部分识别车牌的准确性。一个车牌识别系统的基本结构如图3所示：

图3 车辆牌照识别系统结构图

Figure 3 The structure of the License Plate Recognition System

2.2 系统硬件设计

一个车牌识别系统的基本硬件配置由摄像机、主控机、采集卡和照明装置组成。例如在停车场管理系统中，系统硬件主要包括车辆传感探测器、高性能工控计算机、

高分辨率CCD摄像机、高放大倍数镜头、CCD自动亮度控制器和视频采集卡等。

首先是探测车辆的接近、通过和停留等。常用的有光探测器、微波雷达通过型探测器、测速雷达探测器、声探测器、红外探测器、电磁感应探测器和压敏探测器等。我国停车场应用较多的是红外探测器和电磁感应环探测器。设置在停车场入口和出口的两对红外发射和接收设备进行车辆检测。利用编码调制信号，增强抗干扰的能力，具有较强的可靠性。前端工控机利用红外线探测到车辆经过的信号时，控制图像采集卡抓拍图像，并对抓拍的汽车图像进行牌照识别，同时控制摄像机光圈的大小，以适应外界环境不同的光照条件。然后将识别出的牌照信息储存到服务器中，当车辆离开时，同样的进行牌照识别，将其与前面输入的牌照信息进行对比，计算出停车时间，然后计费。

本课题主要侧重算法的研究，主要工作是设计软件，对已摄取到的卡口车辆照片实现车牌识别。

2.3系统软件设计

硬件设备采集到图片后首先要考虑图像的存储格式。目前比较常用的图像格式有*.BMP、*.JPG、*.GIF、*.PCX等，本课题采集到的图片是*.JPG的格式。

软件系统的编写大多采用VC或者MATLAB语言，本课题选用了MATLAB语言。MATLAB具有以下优点：

1）MATLAB编程效率高，使用方便。MATLAB以矩阵作为基本语言要素大大提高了数值计算的编程效率。MATLAB本身拥有丰富的函数库，并具有结构化的流程控制语句和运算符，用户在使用过程中能够方便自如地应用。其图像处理工具箱更是大大扩展了MATLAB解决图像处理问题的能力，其他还有诸如用于神经网络和小波的工具箱等，对于算法的分析都有着很大的帮助。

2）MATLAB扩充能力强，交互性好，移植性和开放性较好。MATLAB的库函数同用户文件在形式上是一样的，用户可以根据自己的需求方便地建立与扩充新的

11