1、PAGE 不均勻光照下的灰度車牌圖像二值化方法設計(shj)與實現Gray License Plate Image Binarization Method under Non-uniform Illumination Design and Implementation *鍵入文字 摘要(zhiyo)數字圖像處理是用一種特定的計算方法對數字圖像進行處理的一種過程，在研究過程中，不均勻光照下的圖像二值化是數字圖像處理中的一個難題，在汽車牌照自動識別系統工作當中，往往(wngwng)會在特殊的場景下遇到復雜的光照環境，因此經常會出現車牌光照不均的現象，給圖像二值化帶來困難。本文介紹了在不均勻光照下對

2、灰度車牌二值化的一種局部閾值的方法：Bernsen法。實驗表明，在復雜光照下對于(duy)車牌的二值化采用傳統的全局閾值法效果并不樂觀，而使用局部閾值法能夠有效地克服不均勻光照對車牌識別的影響，二值化效果較好，車牌識別率得到顯著的提高。關鍵詞：不均勻光照；二值化；局部閾值法Abstract Digital image processing is to use a specific calculation method for digital image processing process of a kind of image processing in the process of rese

3、arch, the non-uniform illumination image binarization is a difficult problem in digital image processing, the car license plate automatic recognition system of work, often encountered in special situations of complex light environment, so often can appear the phenomenon of uneven illumination, the l

4、icense plate bring difficulties.The grayscale plates under non-uniform illumination of a local threshold binarization methods: bernsen method in this paper. And comparing the global threshold method, the experimental results show that under complex illumination for the license plate of the global th

5、reshold method with traditional binarization effect is not optimistic, and using local threshold value method can effectively overcome the effects of non-uniform illumination on the license plate recognition, the effect of binarization, license plate recognition rate are improved significantly. Keyw

6、ords: Non-uniform illumination; Binarization; Local threshold value method目錄(ml)TOC o 1-3 h u HYPERLINK l _Toc17149 第1章 緒論(xln) PAGEREF _Toc17149 1 HYPERLINK l _Toc5562 1.1 圖像(t xin)與數字圖像 PAGEREF _Toc5562 1 HYPERLINK l _Toc22441 1.2 數字圖像處理技術內容(nirng)與發展現狀 PAGEREF _Toc22441 2 HYPERLINK l _Toc30236 1.

7、3本文的各章節內容和結構 PAGEREF _Toc30236 5 HYPERLINK l _Toc30190 第2章 灰度車牌圖像的二值化 PAGEREF _Toc30190 6 HYPERLINK l _Toc3363 2.1對于灰度車牌圖像二值化的概述 PAGEREF _Toc3363 6 HYPERLINK l _Toc19187 2.2灰度圖像與二值圖像 PAGEREF _Toc19187 7 HYPERLINK l _Toc28903 2.2.1彩色圖像 PAGEREF _Toc28903 7 HYPERLINK l _Toc25553 2.2.2灰度圖像 PAGEREF _Toc2

8、5553 7 HYPERLINK l _Toc5111 2.2.3二值圖像 PAGEREF _Toc5111 8 HYPERLINK l _Toc840 2.3灰度圖像二值化原理及意義 PAGEREF _Toc840 9 HYPERLINK l _Toc9911 2.4灰度圖像二值化的應用 PAGEREF _Toc9911 9 HYPERLINK l _Toc22065 第3章 圖像二值化方法 PAGEREF _Toc22065 11 HYPERLINK l _Toc28829 3.1圖像二值化方法研究動態 PAGEREF _Toc28829 11 HYPERLINK l _Toc1089 3

9、.2全局閾值法 PAGEREF _Toc1089 13 HYPERLINK l _Toc18513 3.3局部閾值法 PAGEREF _Toc18513 13 HYPERLINK l _Toc18455 第4章 不均勻光照下的灰度車牌圖像二值化方法設計與實現 PAGEREF _Toc18455 15 HYPERLINK l _Toc20666 總結 PAGEREF _Toc20666 19 HYPERLINK l _Toc9646 參考文獻 PAGEREF _Toc9646 20 HYPERLINK l _Toc32742 附錄 PAGEREF _Toc32742 22 HYPERLINK l

10、 _Toc27188 附錄1：源程序清單 PAGEREF _Toc27188 22 HYPERLINK l _Toc8945 附錄2：外文文獻翻譯 PAGEREF _Toc8945 27 HYPERLINK l _Toc132 致謝 PAGEREF _Toc132 40第1章 緒論(xln)1.1 圖像(t xin)與數字圖像圖像是一種可以用直接或者間接的方式(fngsh)作用于人的眼睛，并且產生視覺效果的實體，它可以用各種各樣的觀測系統反映出客觀世界。人類從自然環境中獲取信息最直接最主要的手段就是通過視覺。根據相關的統計數據顯示，在人類能夠獲取到的所有信息當中，大約60%來自于視覺，20%來

11、源于聽覺，而通過其他方式獲取的信息加起來才只占到了20%1。由此可以看出，視覺信息在人類的生活當中起到了著舉足輕重的作用。然而，圖像無疑是人類在獲得視覺信息的途徑當中最主要的成分，也是人類能夠體驗到的最重要、信息量最大的信息來源。通常情況下，客觀事物都是以三維的(3D)方式存在于各類空間當中，但是從客觀的景物中獲取的圖像卻都是存在于二維(2D)平面當中的。一般來說，圖像都會以各種各樣的方式存在，有些是可以看見的，而有些是無法用視覺辨別的；有些是抽象的，潛移默化存在的，而有些又是實際的，我們觸手可及的；而對于計算機的處理來說，有些圖像恰恰是適用于它的，但還有一些是無關于它的。然而究其本質，我們可

12、以把圖像總結為這樣的兩大類。模擬圖像。模擬圖像是指用膠片或者是磁帶這樣比較傳統的圖像記錄工具采集到的圖像。這其中也包含了很多跟我們生活息息相關的東西，比如說照相圖像和電視圖像等。當然，光學圖像也不例外，而我們平時在顯微鏡的輔助下觀察到的一些圖像，就運用了光學的原理。模擬圖像最大的優點就是，人們會以很快的速度去處理它，但不得不承認，它的精確度很難保證，而靈活性也相對較差，并且不能使用任何的電子設備進行傳遞和轉移。數字圖像。數字圖像也就是我們現在經常說到的數碼成像，可以用無線設備將其傳送到云端。但它與模擬圖像也存在著密不可分的關系，因為這些數字圖像也是模擬圖像在經過一些處理之后得到的點陣圖像，而這

13、些處理的方法也必須是離散化的。但是嚴格的來說，數字圖像必須先要通過相同距離的矩形網格進行采樣，然后在幅度方面要進行相同間隔量化的一種二維函數。所以也可以說，數字圖像就是一種二維采樣數組，只不過是被量化了而已。一般來說，很多個像素(pixel)的結合才能組成一個數字圖像。如有一張圖像顯示256400，也就是說，這個圖像是一個矩形圖，而在它的水平方向有256列像素，垂直方向有400行像素。每個像素也是有它們特定的屬性的，其中包括顏色(color)以及灰度(gray scale)這樣一些對于一幅圖像的好壞來說，起決定性作用的因素。顏色的量化也分為很多的等級，從單色到24位真彩色，他們的等級越高，也就

14、意味著誤差會更小，圖像在顏色方面呈現出來的表現效果也會越強。而在單色圖像當中，灰色作為像素亮度的一個表象性特征，它的等級越高，呈現出來的表現效果也會越強。然而量化等級的增加也必然會導致數據量的擴大，這樣一來，在處理圖像的時候，不但會使計算量增大，它的復雜程度也會隨之而增加。相對于模擬圖像來說，數字圖像明顯還是具備(jbi)很多的優點：(1)精度高?，F在高速發達的計算機技術完全能夠使一幅(y f)模擬圖像用數碼轉換成一個二維數組，也就是說任意多個像素都能夠構成一個數字圖像，而所有像素又能量化為成一個12位也就是4096個灰度級的亮度，用這種精確度去處理一個數字圖像，它得到的效果是跟一副彩色照片(

15、ci s zho pin)近乎一致的。(2)處理方便。從本質上來說，數字圖像其實就是一組數據，所以如果想對它進行修改的話，計算機是完全可以用任何方式去完成的，比如說改變圖像的大小、顏色，或者保留、刪除其中的一部分內容等。(3)重復性好。對于我們最常見的模擬圖像，比如說照片來說，即便當初照相時使用的是非常昂貴的相機，或者用了品質極佳的相紙，都會在時間的沖蝕下變得泛黃或者褪色，而數字圖像的優點就在于，它可以隨時保存在任意的光盤當中，幾十年甚至上百年之后，當你再用計算機打開它的時候，依然可以看到當時鮮活的畫面。數字圖像處理經過初創期、發展期、普及期及廣泛應用幾個階段，如今已是各個學科競相研究并在各個

16、領域廣泛應用的一門科學。隨著科學技術的進步以及人類需求的不斷增長，圖像處理科學無論是在理論上還是實踐上，均會取得更大的發展2。 1.2 數字圖像處理技術內容與發展現狀數字圖像處理就是用一種特定的計算方法對數字圖像進行處理的一種圖像處理過程，并且通過這樣的方法能夠滿足視覺或其他的一些接受系統上的需求。是通過計算機對圖像進行去除噪聲、增強、復原、分割、提取特征等處理的方法和技術3。對于圖像處理來說，數字必然是一個基礎性的要素。而圖像處理的最主要的任務還是要對它的算法進行各種各樣的設計并得以實現。就目前來說，越來越多的領域都已經慢慢開始重視圖像處理技術，而他們也一直在這方面取得了相當不錯的成績。但是

17、畢竟各個領域的需求是不同的，所以根據這些需求就產生了以下幾個分支技術：(1)圖像變換。圖像的陣列比較大的時候，如果直接在空域中進行相應的處理，將會產生很大的計算量4。所以，這時候就需要一種變換方法，比如說最常見的傅立葉變換和離散余弦變換，除此之外還有小波變換這樣相對間接的處理技術，以此方式就可以把空域處理轉變為變換域的處理，這樣就能夠減少一部分計算量，在性能方面也可以得到提高。（2）圖像增強與復原。主要還是(hi shi)為了使圖像的可用性增加，削弱不必要的干擾，使圖像更具清晰度。圖像增強其實不準確無誤的展現出最原始的圖像，但這一點，需要圖像復原就可以完成，而它也同時可以消除一些在圖像的獲取當

18、中產生的某一部分退化。（3）圖像壓縮編碼。它的條件是需要滿足特定的保真度，從而能夠對圖像有關數據和信息編碼，通過對這些信息量的壓縮，來減少對圖像的描述量，用這樣的方法更加方便(fngbin)的保存和傳輸,在各種各樣各樣的應用背景之下，圖像壓縮也存在兩種不同的方法，一種是失真壓縮，另一種是不失真壓縮5。（4）圖像分割。作為數字圖像處理當中(dngzhng)起關鍵性作用的技術，圖像分割最大的價值就是可以提取出圖像當中最具重要意義的一部分6。如果需要對圖像進行分析或者理解，圖像分割也就起到了基礎性的作用，圖像的有意義特征包括圖像的邊緣、區域等。而圖像邊緣及區域等，就是對于這個圖像來說最具重要意義的一

19、部分。（5）圖像分析。在圖像當中存在著很多不同的對象，對它們進行分類，或者識別、描述以及分割，都可以稱為是對此圖像的分析。（6）圖像識別。圖像識別可以歸納到模式識別的行列當中，也就是在圖像經過一些類似于增強、復原以及壓縮這樣的預處理之后，再對圖像進行分割或者提取，從而更好的判別可以把把圖像分為哪一類7。而對于圖像分類來說，最常用，也是相對來說更經典的識別方法有兩種，一種是統計模式分類法，另外一種就是句法模式分類。近些年以來，有兩種最新分類方法也開始被重視，它們分別是模糊模式識別和人工的神經網絡模式。（7）圖像隱藏。就是在媒體信息當中一種相互隱藏的方式，其中最常見的除了數字水印，還有一個就是圖像

20、上信息的偽裝等。這些圖像處理方式其實都是相互依存不可分割的，然而對于一個實用性的圖像處理系統來說，要想得到一種需求，一般都會將幾種不同的處理技術進行結合。比如說，圖像變換顯然對于圖像編碼技術來說起著基礎性的作用，而圖像處理最后的目的又是圖像的增強和復原，這些又能夠為下一步的圖像處理工作做好充分的準備；如果一個圖像的特征是通過圖像分割的方法得到的，那這個圖像特征不但能夠被視為最后的結果，而且還能作為進一步圖像分析基礎性的要素8。由于圖像處理技術具備不同的特征，所以也會被運用于各種不同的領域，從而發展出各種各樣的分支學科，比如說遙感圖像處理和醫學方面的圖像處理等，其他還有一些重要領域，比如說計算機

21、圖形學、人工智能以及機器人視覺等不同領域，這些學科都和圖像的處理有著密不可分的關系。圖像處理技術在發展方面大概經歷了從初創期、發展期到普及期，再到最后的實用化期這四個階段。初創期大概是從上個世紀60年代開始的，當時的圖像大多數都是采用中型或者大型機器設備通過像素型光柵用掃描顯示的方法進行處理的。在此期間，基于圖像保存的成本很高，而這些用于處理的設備又很昂貴，所以它的應用領域非常的狹窄。進入到70年代也就是發展期之后，更多的中、小型機器設備被廣泛地應用于圖像處理方面，并且逐漸開始運用光柵掃描的方式，當時CT出現，衛星遙感圖像也應運而生，這些都大大的推動了圖像處理技術的進一步發展。到了上世紀80年

22、代，圖像處理技術也隨之而步到了普及期，這個時候微機已經完全可以對圖像進行處理了。當時超大規模集成電路（Very Large Scale Integration, VLSI）明顯的提高了圖像處理的速度，與此同時也極大的改善了設備價格昂貴的問題，在圖像系統的推廣以及應用等方面起到了巨大的促進作用。當圖像處理技術發展到90年代的實用化時期之后，極大的圖像處理信息量促使各領域對于圖像處理的速度也產生了非常高的要求。數字圖像的處理對于現如今存在的一些(yxi)實際應用來說還具有很多的特點。(1)處理(chl)的信息量很大，導致(dozh)對于處理速度的要求越來越高?，F在大多數的處理信息都是二維的，數量巨

23、大。比如說一幅256256低分辨率的黑白圖像，要求64Kbit的數據量；對高分辨率彩色512512圖像，則要求256Kbit數據量；如果要處理30幀/s的視頻圖像，則每秒要求處理500Kbit22.5Mbit數據量9。所以就會需要一個計算速度極快的計算機，同時還要具備很大的存儲容量等。(2)占用的頻帶較寬。數字圖像跟語音信息相比較，最大的特點就是，它要比語音信息要占有更大數量級的頻帶10。比如說，一般電視的圖像需要大概56MHz的帶寬，而語音卻僅僅需要大約4KHz的帶寬。所以對于數字圖像來說，無論是想實現成像、傳輸，還是存儲、顯示以及處理等環節，都存在很大的技術難度，而且成本相對較高，與此同時

24、，在頻帶的壓縮技術方面也產生了相較于之前更高的要求。(3)數字圖像的每一個像素之間都存在著很強的相關性，而且壓縮的潛力也很大。在圖像的畫面當中經常會發現，有很多像素的灰度是接近甚至是相同的。一般來說，相鄰兩幀之間和幀內的相關性都有很大的差別，而前者往往大于后者。所以也能由此看出，圖像處理當中，信息壓縮依然具備巨大的潛力。(4)主觀因素嚴重影響著圖像質量的評價。人類都具有非常復雜的視覺系統，所以，要想把一個處理后的數字圖像拿給人去觀察或者是評價，所得到的結果一定會受到環境條件、人的情緒，以及愛好或者是知識狀況的很大影響，所以人的主觀因素會在很大程度上影響到評價的結果。除此之外，所謂的計算機視覺其

25、實也是模仿人類的視覺而產生的，所以說究竟應該怎么樣去客觀公正的評價一個圖像的質量，也是人們現在需要深入研究的一個重要課題。(5)圖像處理技術需要很強的綜合能力。數字圖像的處理技術通常涉及到了非常廣泛的方面，除了通信技術和計算機技術之外，電子技術和電視技術，以及越來越多數學和物理方面的應用，都離不開圖像處理技術的基礎知識和專業技能。比如說，信息論與抽象數學融合才會產生跟圖像編碼有關的理論基礎，而圖像的識別不但需要具備隨機過程的知識，還需要掌握信號處理等方面的技能。除此之外，像小波變換和神經網絡，以及分形理論等等類似于這樣的課題，還需要更為專業的知識儲備。另外，圖像的處理應用性極強，而且它和計算機

26、技術的運用與發展相適應。如今電子技術在不斷的提高(t go)，計算機技術也在全面地普及，不得不承認數字圖像的處理技術正在飛速發展。1.3本文的各章節(zhngji)內容和結構第一章介紹了圖像(t xin)與數字圖像處理的概論，簡要說明了現階段對于數字圖像處理的一些技術。第二章介紹了對于灰度車牌圖像二值化的概述，灰度圖像二值化的意義，以及現階段對于灰度圖像二值化的一些應用。第三章介紹了圖像二值化方法的研究動態，以及對于車牌識別系統經常會用到的兩類方法，即全局閾值法和局部閾值法。第四章用全局閾值法和局部閾值法分別對原圖像進行處理，并對仿真結果進行了對比和總結。第2章 灰度車牌圖像的二值化2.1對于

27、灰度車牌圖像(t xin)二值化的概述近些年以來，高速公路的普遍發展和人們對于交通智能化日益增長的需求不斷擴大，促使隨之而產生的汽車牌照的實時自動識別技術開始引起人們大量的重視(zhngsh)。汽車牌照的自動識別技術無論是在智能交通管理方面還是在公共安全等體系當中都存在著舉足輕重的作用，同時也具備了非常好的應用前景，而它也成為了目標自動識別當中一個非常典型的問題。車牌識別系統(LPR)在智能交通系統的技術當中起著關鍵性的作用。如今ITS在人們的工作生活中的已經被廣泛(gungfn)地應用，隨之而來的LPR也得到了飛速的發展，因此，它也逐漸被應用到了我們生活的方方面面。LPR的發展前景非常的廣泛

28、，所以無論是它的開發項目還是研制工作，在國內外都備受關注，它在很多的領域都有所涉及，無論是對于圖像處理和人工智能技術，還是對模式識別和信息論等很多學科來說，都是一門綜合性極高的應用技術。車牌識別系統也包含了很多的內容，例如車牌圖像獲取、車牌定位，以及圖像預處理、字符的分割和識別11。車輛圖像無論是自然環境還是車自身，都具備非常復雜的背景，同時，光照條件和天氣條件等一些因素都會對其產生不利的影響。所以，在車輛圖像的獲取過程當中，除了這些背景因素之外，車牌照不同程度上存在的磨損和變形，都會使車牌定位在準確率方面大大減分。為了提高車牌定位的準確率，就是需要對采集到的原圖像進行一些預先的處理，也就是我

29、們前面所提到的圖像預處理。圖像二值化在數字圖像處理當中占據著非常重要的作用，不但可以為識別字符做足準備，而且也是保證字符識別精確度的最主要前提，而對于最終得到的識別結果來說，字符的識別也起到了決定性的作用12。中國的汽車牌照主要分為三種，一種是黃底黑字，另外兩種則分為藍底白字和黑底白字，而它們的灰度圖像也可以分為兩大類，分別是白底黑字和黑底白字。然而在一些情況之下，不均勻的光照、畸變的攝像機、不充足的曝光量和過窄的動態范圍等情況，都有可能造成牌照圖像出現不同程度的偽影；而且由于不均勻的圖像灰度和天氣或人為原因造成的牌照上的污垢、灰塵等，都非常容易模糊牌照字符上的圖像邊緣，以至于很難清晰的分辨和

30、識別字符，使二值化的效果受到嚴重的影響，車牌圖像二值化作為車牌識別系統的關鍵性步驟，二值化的效果的好壞也必然成為了影響車牌識別系統準確性的決定性因素13。所以，能夠在絕大多數場景下，尤其是受自然因素影響的光照，產生的污垢或者灰塵的條件下，準確迅速的識別汽車牌照的信息，在這個信息快速發展的時代非常必要。2.2灰度圖像與二值圖像2.2.1彩色圖像 彩色圖像在多光譜圖像中的被視為一種特殊的情況，人類的視覺有三基色，它們分別是紅（R）、綠（G）、藍（B）這樣三個波段，它近似于人眼睛的光譜量化性質。R、G、B三種顏色的分量決定著彩色圖像彩色圖像的每一種顏色，每個分量都可以取255種值，而正是這樣的像素點

31、，構成了1600多萬種顏色的改變范圍?；叶葓D像作為一種相對特殊的彩色圖像，它的R、G、B三種顏色的分量都是相同的，一個像素點也具有255種變化范圍。圖2.1為彩色圖像。圖2.1 彩色圖像2.2.2灰度圖像(t xin) 灰度圖像是黑白的，所以灰度照片又被稱為黑白照片，同樣類似于黑白電視當中顯示出來的圖像，只是點與點之間黑色程度都有明顯的差異，這就是所謂的深度。灰度圖像的組成部分不止是黑白兩種顏色，一般來說一個256級的灰度圖，也就意味著是256種不同的灰度級顏色組合而成了這個圖像。所以色彩信息是不包括在灰度圖像當中的，而亮度信息則包括在內。圖2.2正指圖像灰度化效果，這個特殊的彩色圖像也是R、

32、G、B三個相同分量的顏色組成的灰度圖像，它的一個像素點同樣有255種灰度范圍。編譯顏色的空間我們可以分為三個種類，也就是我們常說的YUV，其中“Y”是指亮度“U”是指色度“V”則代表濃度，根據這三種分類，Y的分量的物理意義是點的亮度，由該值反映亮度等級，根據RGB和YUV顏色空間的變化關系可建立(jinl)亮度Y與R、G、B三個顏色分量的對應，如公式(gngsh)（2-1）所示。 (2-1)以這個亮度值表達圖像的灰度值。圖2.2 灰度圖像(t xin)2.2.3二值圖像(t xin)二值圖像(t xin)是指圖像的每一個像素中，只有黑白兩個灰度組成，而在這個灰度值中間不存在過度的圖像14。二值

33、圖像一般占用的空間相對較小，不但有很快的處理速度，而且還能運用布爾邏輯對圖像進行運算，極大的提高了效率。不過更為關鍵的一點在于，在此基礎之上，我們還能夠從中獲取到這些圖像的重要特征。除此之外，就進行相關的這方面來說，使用二值圖像顯然比使用灰度級圖像能夠獲得更多更好的相關性能，同時還能起到極佳的降噪作用。如果把它運用在硬件當中，還有效的避免了一些繁瑣的乘法運算，不但使硬件系統速度有了很大的提高，而且還節省了很多的成本，一舉兩得。二值圖像跟灰度級圖像相比，在符號的匹配方面也占據著明顯的優勢，因為它的表達方式很適合運用到符號，并且確保它的準確性。毫無疑問，二值圖像在極大的壓縮了信息量的同時，還對原始

34、圖像的一些重要特征進行了一定程度的保留，功不可沒。圖2.3為二值圖。圖2.3 二值圖像2.3灰度圖像二值化原理及意義在灰度圖像當中，色彩信息是不包括在其中的，而它最主要的成分還是亮度信息。然而，我們可以通過一種處理方式使灰度圖像由彩色圖像轉化而得到，這種方式我們稱其為灰度化處理。彩色圖像是由R、G、B三種分量共同組合在每一個像素當中的，也有255種值可以從每個分量當中獲取得到，這其中的每個像素點的顏色都有巨大的可變范圍，這個數值大概有1600多萬。但是灰度圖像在彩色圖像當中完全屬于一種特殊的情況，因為它R、G、B三種分量的構成比例是完全相同的，每個像素點此時也已不是1600多萬，而僅有255種

35、，所以為了在數字圖像處理的過程當中減少一定的計算量，一般情況下會先把任意圖像轉換成灰度圖像。灰度圖像在描述的方面(fngmin)跟彩色圖像大相徑庭，它們都是使一幅圖像分成整體、局部兩部分，然后對其顏色和亮度的等級進行分布的研究和特征的判斷。使一幅彩色圖像灰度化處理的方式顯然離不開像素點的分量，但在此之前我們首先需要掌握R、G、B這些分量的平均值到底是多少，了解之后，使這三個分量達到相等，便可以實現灰度化處理的效果。 有圖像的灰度化處理，必然也少不了圖像二值化的處理，二值化處理最明顯的特征就是灰度值的變化，此時灰度值需要調整到0或255，與此同時產生的圖像也只有黑白兩種色調。這種方法同樣在反映圖

36、像整體特征的同時，也反映出了圖像局部的特征，但它的不同之處在于，它需要選取一個相對恰當的閥值，并用這個閥值來獲得一個灰度圖像，而這個圖像也同樣擁有256個不同亮度等級。顯而易見，二值圖像在數字圖像的處理當中具有非常重要地位，最典型的例子也往往就發生在一些實用的圖像處理當中，在我們身邊很多領域或者是各種各樣的環境中，有許多系統性的東西都是通過二值圖像的處理而成并得以實現的，但無論是對二值圖像進行處理還是需要對此圖像進行分析研究，都需要做到一個必不可少的前提，就是通過一個灰度圖最后得到一個二值化的圖像，由此一來，像素的值被調整到0或255的位置之后，圖像的一些集合性質就不再跟多級值有關，而只與這個

37、點的位置相關聯，這樣一來，在進行下一步圖像處理的時候，處理的方法也不再復雜，數據量也明顯減少。除了二值圖像的重要作用，它在圖像分析當中廣泛的應用度也是可見一斑，正如前面所提到的，二值圖像只有黑和白這兩個灰度級，占據的存儲量非常小，而且具備極快的處理速度，通過布爾邏輯就可以(ky)方便的解決運算方面的問題。但同時也不得不承認，在此基礎之上，如需得到一些更多方面的特征，特別是幾何特征，就必須對該圖像進行進一步的處理。2.4灰度圖像(t xin)二值化的應用在圖像處理的所有分支性結構當中，圖像二值化無疑是最活躍的一部分，它的應用領域可以說涉及到了每一個人生活的方方面面，就拿人人必備的身份證來說，它所

38、具備的識別技術能過快去速的運用于各個重要的行政工作當中，比如說調查暫住人口、核查公民的身份、核查酒店業的信息登記以及追逃犯罪人員等，這些都對公安工作的效率起到了極大的幫助作用。身份證對每個人來說都具備不可忽視的重要作用，所以對于身份證圖像的處理也應該做到慎之又慎，因為它不但具有激光的防偽陰影網格，而且其版面也是由各種噪聲構成的，所以面對這個復雜的背景必須要采取一些相應的措施，再加上每一個身份證的激光防偽標志都是不同的，而且在打印的時候打印條件也有很大的差異，在識別身份證字符的時候經常會出現各種各樣的問題。因此，為了盡量避免這些不必要誤差的出現，使字符更準確的定位和識別，我們必須盡量消除噪聲信號

39、，對其進行預處理。而在預處理的過程當中，最主要也是起關鍵性作用的一步就是二值化，同時，對于OCR系統來說，二值化也直接影響著它的性能。在很多領域都會運用到數據的預處理，而此時，圖像二值化就成為了一項最為重要的技術，比如說在模式識別技術、顆粒分析、光學字符識別（OCR）以及醫學數據可視化當中的切片配準等一些相關應用當中，都發揮著非常重要的作用。最近十幾年以來，激光技術普遍的發展起來，與此同時也隨之而產生了一種新型的雕刻技術，也就是激光電科技術，這種技術也同樣用到了圖像的二值化處理。它能夠運用計算器圖形學和圖像處理相結合的方式，對某種材料進行文字和圖像的加工。對于一幅雕刻圖像來說，最基本的需求就是

40、能夠通過一定技能獲得光滑并且能夠如實地展現出原圖像，但是一般來說，激光器很難完成如此精確的操作，因為它的開關畢竟只呈現出兩種狀態，所以，圖像二值化處理就成為了一項極具關鍵作用的技術，而此圖像的好壞，也就取決于二值化處理當中(dngzhng)如何選取閾值了。在我們平時的現實生活當中，大部分圖像不是灰度圖像就是彩色圖像，只具有黑白這二值的圖像是很少見的。然而，在激光雕刻中進行二值化處理，也正是為了能夠讓這些不同的圖像都適合運用于激光雕刻中，對于這樣的激光雕刻技術，當然也要找到適用于它的二值化方法，由此得到的二值圖像才能保證它達到最好的效果。在如今這樣信息化大發展的社會當中，身份的識別被受到了越來越

41、廣泛的關注和應用。前面我們提到的指紋識別技術，除了在公安等行政系統上得到了廣泛的應用之外，實際上具備的廣闊前景遠不止此，就拿身邊最常見的例子來說，確認計算機用戶、使用銀行的ATM機取款，或者信用卡轉賬、各類IC卡的確認，以及海關身份的鑒定和電子(dinz)門鎖等常見的自動指紋識別系統（AFIS），其中也包含了指紋圖像預處理、指紋的采集以及指紋特征的提取和比對等若干不同的模塊。在此之中，二值化也就成為了最關鍵的組成部分。第3章 圖像(t xin)二值化方法3.1圖像(t xin)二值化方法(fngf)研究動態圖像的二值化是圖像處理當中的基本技術之一，在圖像處理過程中起著非常重要的作用(zuyng

42、)，近年來國內外學者對圖像二值化方法的研究越來越關注15。在光學字符識別(OCR)、顆粒分析、醫學數據可視化中的切片配準、模式識別技術等應用中，圖像二值化是在進行數據預處理的過程中必不可少。因為在圖像二值化的過程會損失掉許多對于原圖像有用的信息，所以在進行二值化預處理的過程中，關鍵是能不能保留原圖有用的特征，在圖像二值化時對于閾值是要根據應用的不同來進行不同的選擇16。所以研究如何選取自適應圖像的閾值使非常有意義的，很多學者為此討論了對于圖像二值化的方法。不均勻光照下灰度車牌圖像二值化的方法是數字圖像處理中難以攻克的一個問題，在不均勻的光照下，車牌的自動識別系統很難將車牌識別，給接下來的圖像二

43、值化造成難題，所以，有學者研究出一種解決辦法，先用同態濾波解決車牌圖像在復雜光照的影響，然后再用改進之后的局部閾值法中的Bernsen算法對車牌圖像進行二值化。最后的結果顯示，這種改進的Bernsen算法能夠在一定程度上克服復雜光照的影響，并且二值化效果良好，提高了車牌的識別率。另一方面，很多研究者針對當前常用車牌識別算法中二值化算法存在的問題,提出了基于分形維數的二值化的算法。通過計算兩次突變的分維數,來確定圖像的灰度值范圍,并利用該灰度值范圍確定閾值。通過實驗,表明利用分形維數所得到的閾值進行二值化處理取得了理想的效果17。這種方法不僅解決了在不同光照和自然光混合影響的背景下對于車牌識別的

44、影響，還能從不均勻的光照背景下將傾斜的車牌提取出來。如果在車牌識別的過程中遇到背景偏白或者泛白，由于攝像機的變形、車輛的牌照表面被污染、動態范圍過窄等因素，灰度車牌的圖像背景太模糊，導致過于接近字體的灰度，使系統混淆車牌底字和背景，一些研究者提出采用高帽與低帽形態的濾波增強車牌圖像的前景底字，消除或減少外界背景對于車牌圖像的影響，再使用基于迭代的圖像分塊二值化算法進行處理，結果顯示，此方法能夠有效的解決背景泛白和偏暗的影響，有著較好的二值化效果結合Canny 算子的圖像二值化方法，對經典的二值化方法Otsu 算法和Bernsen 算法中存在的缺點進行了分析后提出圖像二值化方法，該方法綜合考慮了

45、邊緣信息和灰度信息，通過邊緣附近種子點在高閾值二值化圖像中的填充和低閾值圖像對它的修補而得到二值化結果圖像，較好地解決了經典二值化方法中存在的抗噪能力差、邊緣粗糙、偽影現象等缺點18。基于貝葉斯算法的二值化算法。針對在圖像二值化過程中動態選取閾值難的問題，在分析了全局閾值法和局部閾值法各自優缺點的基礎(jch)上。提出了一種基于貝葉斯算法的全局閾值法和局部閾值法相結合的二值化方法。經實驗證明，該方法既能夠有效地消除光照不均勻對圖像的影響，較好地保留目標圖像的細節，又能夠有效地消除偽影，提高處理速度19。在灰度車牌的識別過程中，能否有一個好的二值化效果直接決定著識別效果的好壞，首先通過我們剛才提

46、到的改進后的Bernsen方法對原始車牌圖像進行二值化，得到第一幅源圖像；然后根據自組織神經網絡計算閾值(y zh)，對圖像再次進行二值化，得到第二幅源圖像；再根據灰度值最小的原則作為圖像融合方法，得到最終的二值化圖像，通過最后的處理結果說明這種方法的可靠性20。對于準確的識別圖像(t xin)有很大的幫助。圖像的帶參數的二值化方法。這種方法不僅在實現傳統的黑白二值化方面，而且要強于Windows的繪圖軟件的黑白二值化功能。而且可以實現任意灰度間隔的二值化。因此該方法除能用于任意灰度起點的一般意義上的二值化外特別適用于圖像的挖掘和隱藏21。圖像處理中閾值法計算簡單，具有較高的運算效率，是圖像分

47、割中廣泛采用的方法，主要分為全局閾值法和局部閾值法兩種。針對顆粒圖像，提出了一種基于形態學的最大類間方差Otsu二值化算法，實驗證明，該算法這一算法能較好地保留原圖像中的特征，二值化后的圖像效果不錯22。數碼管圖像的目標和背景分離不明顯，直方圖分布較復雜。針對該問題，提出基于拉普拉斯高斯（Laplacian of Gaussian，LOG）算子邊緣檢測的全局二值化方法對其進行處理，該方法通過提取圖像邊緣部份的像素灰度獲得圖像二值化的閾值。處理結果表明，與傳統的幾種方法相比，該方法能夠快速選取良好的二值化閾值，較好地區分目標和背景，在相當大模板寬度內圖像二值化的結果都令人滿意23。遺傳算法是當前

48、許多科學實驗領域廣泛應用的一種非線性并行算法。一種基于遺傳算法的灰度圖二值化方法研究了遺傳算法在數字圖像的灰度圖二值化中的應用，提出了一種新的灰度圖二值化方法。該方法通過對每個子群體的優化計算和動態改進的適應度函數，確定新的分割閾值。實驗驗證該方法對于噪聲干擾的一般質量圖像有著良好的效果24?；谶吘壧卣鞯亩祷撝颠x取方法，閾值選取是圖象處理與 HYPERLINK / 分析的基礎。針對幾種常用的圖像二值化自動選取閾值 HYPERLINK / 方法，通過 HYPERLINK /pc/ 計算機仿真對實驗結果進行了比較 HYPERLINK / 研究。在此基礎上，提出了一種新的圖像二值化算法。該算法

49、著重于在圖像二值化時保留圖像的邊緣特征。實驗結果表明，這個基于邊緣特征檢測算子的算法能很好地保留原圖的邊緣特征，并能處理低質量的圖像25。圖像二值化是用灰度變換來研究灰度圖像的一種常用方法(fngf)，即設定某一閾值將灰度圖像的像素分成大于閾值的像素群和小于閾值的像素群兩部分。例如輸入灰度圖像(t xin)函數為，輸出(shch)二值圖像函數為，則如公式（3-1）所示。 （3-1）閾值(threshold )是把目標和背景區分開的標尺，選取適當的閾值就是既要盡可能保存圖像信息，又要盡可能減少背景和噪聲的干擾，這是選擇閾值的原則26。灰度圖像的二值化處理有很多種方法，主要分為全局閾值法和局部閾值

50、法。3.2全局閾值法 全局閾值法是在二值化的過程中，它能夠使用一個類似于整幅圖像灰度直方圖的全局信息，只使用一個全局閾值，求出這幅圖像的最佳分割閾值，這個閾值也可以分為單閾值和多閾值兩種。這種方法就會使圖像當中每一個像素的灰度值跟T作對比，如果該值大于T，就可以選取白色也就是前景色，如果該值小于或者等于T，則需要選取背景色27。如果欲使一個灰度文本圖像轉化為二值圖像，此時就需要確定一個閾值，而確定該閾值的依據就是文本圖像的直方圖以及灰度空間分布28。全局閾值法還可以分為兩大類，一類是基于點的閾值法，另一類則是基于區域的閾值法。閾值的選擇往往在很大程度上對閾值分割法的結果起著決定性的作用，所以到

51、底該怎樣去選擇適合于這幅圖像的閾值也起到了關鍵性的作用。選擇不同的初始灰度也會產生不一樣的二值化圖像，所以，選擇一個恰當的初始T值，才能獲得你想要的最佳效果。除此之外，迭代法也可以得到一個非常精確的閾值，但它唯一的不足就是占據了太多的時間，相比其他算法來說，效率要低很多。3.3局部閾值法用目前像素的灰度值和這個像素周圍點的局部灰度特征這兩方面要素來得到像素的閾值。比如說，一幅原圖像可以被劃分為一些小塊，而這些小塊是不相交的，這一部分圖像的閾值就是通過每一塊圖像灰度的平均值得到的，一般來說，全局閾值化能夠取得比較顯著的效果，特別是對于目標、背景相對來說較為清晰的圖像。但如果出現另外一種情況，即得

52、到的是不均勻的圖像背景，或者目標灰度的變化率相對較大，這個時候全局的方法就不能在適用于它了。當出現不均勻的光照、產生突發性的噪聲，或者背景的灰度變化比較大的時候，局部閾值的確定技術會自動確定出幾個不同的閾值，而它的依據，便是像素的坐標位置關系，此時，就需要對其實施動態情況下的自適應二值化處理。局部閾值的選取一般會選擇把圖像劃分成很多的子圖像，對于每一個子圖像運用整體閾值法，這樣的話，便能夠使整幅圖像都由局部閾值法來構成，也就是說，每一個子圖像都可以確定一個響應的閾值，而此時閾值具體的確定方法和全局閾值的確定方法具有相似之處。用此方法分割之后得到的圖像，在每一個不相同子圖像的邊界處分布著不連續的

53、分布，而要想消除這樣的不連續性，就必須得使用到平滑技術。不均勻光照在很大程度上對車牌圖像的處理(chl)產生了很大的影響，為此，一般來說可以把整個車牌的圖像分割成更多的子區域，這樣的話，在每一個子區域內，圖像的亮度就會接近均勻，用這種方法就可以減少不均勻的光照產生的影響。也正因為這樣，自圖像的大小如何選擇，對于分割的精度就產生了最直接的影響，無論過大還是過小，都會使圖像分割的性能有所下降。對于子圖像來說，如果尺寸太小，在圖像處理的過程中，就會使計算量大大增加；如果尺寸太大，就會使以前一些局部性的信息被忽略，對于劃分圖像區域的意義也就會隨之而消失，所以這個時候，之前被驗證過的一些知識對于我們來說

54、就變得至關重要。 一般來說，局部閾值法適用于去識別一些干擾嚴重、品質也比較(bjio)差的圖像，相對于全局閾值法來說，應用更加的廣泛，但同時也存在著很多的缺點和問題，比如說，對于字符的筆畫來說，不能保證它的連通性、實現起來速度相對較慢以及很容易產生偽影現象等。對于局部二值化來說，Bernsen方法、基于紋理圖像的方法、多閾值的梯度強度法以及最大方差法等，這些都是相對來說更為典型的算法30。而在本文中，相對來說較為簡單Bernsen方法被運用到了下面(xi mian)的實驗中，用此對不均勻光照下車牌的圖像進行二值化處理。第4章 不均勻光照下的灰度車牌圖像二值化方法設計與實現如圖4.1所示，我們(

55、w men)在特定的場景下拍攝了這樣(zhyng)的一張車牌照片，不難看出，這張車牌照片的左半部分光照較為充足，較為明亮，而右半部分光照較弱，相對暗了一些。 圖4.1 復雜光照(gungzho)下拍攝的車牌照片我們先來用傳統的全局閾值法來處理這張不均勻光照下的車牌圖像，選取一個合適的閾值，用Matlab進行仿真，得到處理后的二值化圖像，如圖4.2所示。圖4.2 全局閾值法處理過的車牌圖片 我們可以很明顯的看出，由于原圖像的右半部分光照強度比較弱，所以在用全局閾值法進行二值化的結果，所得到的處理過后的圖片的右半部分很難看清車牌號的數字，二值化效果并不是很好，極大的影響了車牌識別系統的工作。由于光

56、照的不均勻，導致車牌的原圖像像素分布并不是很均勻，因此，選用局部閾值法處理的效果可能會更好一些，所以接下來，我們再來選用局部閾值法來處理原圖像。局部閾值法把灰度閾值選取為隨像素位置變化而變化的函數，它是一種動態選擇閾值的自適應方法。在本文中，我們選用局部域值的Bernsen法來進行研究。流程圖如圖4.3。讀入灰度圖像以的邊界為對稱軸擴展為N+2，M+2的矩陣N+2，M+2的extend矩陣求出以為中心的33窗口的max和min依公式t=0.5(max + min)求出當前窗口的閾值開 始顯示二值圖像結 束NY圖4.3 Bernsen算法(sun f)流程圖設圖像(t xin)在像素點處的灰度值

57、為，考慮(kol)以像素點為中心的窗口，（表示窗口的邊長），則Bernsen算法可以描述如下：計算圖像中各個像素點的閾值，如公式（4-1）所示。 （4-1）對圖像中各像素點用值逐點進行二值化，如公式（4-2）所示。 （4-2）用存儲(cn ch)灰度圖像的值，設為，把邊界(binji)擴展成 extend矩陣(j zhn)。首先讀取原圖像的大小為。由于中的元素不是每個都是在窗口的中心，所以需要對灰度圖像進行擴展。首先創建一個的矩陣extend，把矩陣中的像素，而第一行和最后一行，第一列和最后一列的填充依據是以它靠近的行或列為對稱軸進行填充。遍歷從到的像素，并取以當前像素為中心的窗口的最大像素m

58、ax和最小像素min，依據公式求出閾值。把灰度圖像矩陣賦值于另一矩陣，以免改變當前得到的灰度圖像矩陣。遍歷該矩陣，對當前灰度值與比較，如果大于賦予1，判為目標像素類，否則賦予0，作為背景像素類。顯示得到的二值圖像。仿真后的圖像如圖4.4所示。圖4.4 Bernsen法處理過后的車牌圖像接下來對兩種二值化處理方法得到的實驗結果進行分析。(a)全局閾值法處理后的車牌圖像 （b）Bernsen法處理后的車牌圖像圖4.5 兩種方法仿真結果的比較全局閾值法在優于其他一些方法的同時，同樣存在一些缺點，主要表現在以下方面(fngmin)：如果說目標和背景這兩者之間的灰度差異不大，很有可能會呈現出大面積的黑色

59、區域，嚴重的還有可能會使圖像的信息不翼而飛；在使用一維灰度直方圖的分布過程當中，往往都沒有跟圖像的空間信息相結合，所以處理的效果并不是很理想；圖像有時會出現斷裂的現象，或者有時候背景也會產生噪聲，這時候往往很難達到所預期的效果。圖4.5中的（a）很好的說明了這個(zh ge)問題。而局部(jb)閾值法一般用于識別干擾比較嚴重、品質較差的圖像，相對整體閾值方法有更廣泛的應用，尤其是在不均勻的光照下對車牌的二值化，通過局部閾值的確定更好的對原圖像進行了均勻處理，使得仿真結果良好，即使是在光照不均勻的情況下依然可以將圖像處理的很清晰，圖4.5的（b）很好的說明了這一點。然而局部閾值法也存在缺點和問題

60、，如實現速度慢、不能保證圖像連通性以及容易出現偽裝現象等。所以在不同的情況下，要合理的選擇適當的二值化方法來處理車牌圖像，以便對于汽車牌照自動識別系統的工作起到至關重要的作用。總結本文簡要的介紹了在不均勻光照(gungzho)條件下的灰度車牌二值化方法的設計與實現，目前對于數字圖像處理的研究過程中，不均勻光照下的圖像二值化是一個難題，在汽車牌照自動識別系統工作當中，復雜的光照環境會給車牌圖像的二值化帶來困難。本文先簡要的介紹了在圖像進行二值化處理經常會用到的方法，進行了分析(fnx)，然后用一張光照不均勻的車牌圖像進行仿真，首先采用全局閾值法進行實驗，得到的二值化效果并不樂觀，右側光照較弱的區