資源描述：
《直方圖二值化》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在行業(yè)資料-天天文庫。
1、講主要內(nèi)容，觀點。基于直方圖分析的車牌二值化應(yīng)用方法車牌圖像二值化在車牌圖像識別中是一項關(guān)鍵技術(shù)，二值化的結(jié)果直接影響到字符分割的精度和識別。本文，通過分析最大類間方差（Otsu）法和Bernsen法的局限性，提出了基于直方圖分析的圖像二值化方法。該方法的準(zhǔn)確性測試了8000幅圖像，準(zhǔn)確度達到99%，只有那些被嚴重污染的圖像或者低分辨率的圖像不能被準(zhǔn)確的二值化，實驗及實地的實驗都表明我們的方法有很高的準(zhǔn)確度、很高的速度，更好的二值化效果。已經(jīng)成功的應(yīng)用在了識別系統(tǒng)中。關(guān)鍵詞：車牌識別，二值化，閾值確定，直方圖分析，圖像處理介紹：智能交通系統(tǒng)要完成的功能
2、：比如電子收費，交通管理，安全控制。車牌識別系統(tǒng)是智能交通實現(xiàn)的一種形式。主要的任務(wù)確定車牌區(qū)，圖像二值化，字符分割，然后識別。這些任務(wù)相互之間關(guān)聯(lián)緊密。二值化就是其中的一項關(guān)鍵技術(shù)。它的結(jié)果直接影響后面的字符分割與識別。傳統(tǒng)的二值化方法有許多：Otsu’s法和Bernsen's法。Otsu's法是經(jīng)典的截止閾值的方法，通過直方圖分析確定一個合適的閾值。如果車牌圖像的直方圖是雙峰的，那么閾值相對容易確定，因為雙峰表明，一個峰指的是字符區(qū)域，另外一個是背景區(qū)域。直方圖的谷被選為二值化的閾值。但是當(dāng)車牌圖像被噪音污染或者光照強度不夠而導(dǎo)致直方圖有多個峰或者
3、聯(lián)合的峰。那樣閾值的確定就麻煩了。Bernsen法是是個經(jīng)典的適應(yīng)閾值確定法，處理不均勻光照圖像.但是相當(dāng)?shù)陌嘿F有事還會出現(xiàn)（）。兩種方法在圖像二值化的實際應(yīng)用中都不理想。本文，增強二值化的效果，提出了基于直方圖分析的實用的圖像二值化方法。中國的車牌有兩種：白色字符黑色背景，黑色字符白色背景。通過判斷直方圖斜紋的重心偏向高灰度級還是低灰度級來確定車牌類型。如果偏向低灰度級，則為黑底白字類型。通過字符區(qū)域確定的百分比，我們給出閾值。實驗和實地測試的結(jié)果表明，它是一種切實可行的方法，并已在我們的CLPR系統(tǒng)成功應(yīng)用2.TWOCONVENTIONALTHRE
4、SHOLDINGMETHODS在本節(jié)中，有兩個傳統(tǒng)的閾值確定方法，津市和伯恩森的方法，進行了介紹和它們進行牌照二值化時的局限性進行了分析Otsu’smethod最大類間方差的方法同許多截止閾值技術(shù)一樣，最大類間方差的方法通過直方圖分析確定一個合適的圖像閾值。該算法視歸一化圖像的直方圖為一個概率分布、，然后使用類間方差與類內(nèi)方差的最大比來獲得閾值6閾值的：其中L是灰度級的數(shù)目，是輸入圖像灰度值的平均值，和分別是輸入圖像級灰度從0到t的zeromoment和1stmoment，車牌圖像由字符和背景組成。因此，當(dāng)直方圖有一個深谷時，谷底就是分開字符與背景的閾
5、值。。但是，當(dāng)圖像嘈雜污染，光照差或背景復(fù)雜時，直方圖將有一個以上的深山谷。然1（a）顯示板在惡劣的照明形象。圖1（b）顯示圖的直方圖。1（A）。圖第1（c）顯示了對二值化的結(jié)果。圖2（a）給出一個復(fù)雜的背景板圖片。圖2（b）顯示圖的直方圖。2（A）。圖2（c）所示的二值化的結(jié)果。2.2Bernsen’smethod伯恩森的方法是一個典型的的自適應(yīng)閾值方法。圖像中的每個像素，都要計算閾值。如果像素值低于閾值設(shè)置為背景值，否則前景值。找到閾值的另一種方法是計算局部地區(qū)像素值的的最低和最高值的平均值。這種方法的前提假設(shè)是更小的圖像區(qū)域更有可能擁有均勻的照明
6、。這種方法的缺點是，它是計算昂貴，并把“ghost”的現(xiàn)象，選區(qū)大小必須大到足以覆蓋足夠的前景和背景像素，否則將得到很差的閾值。但是若選擇區(qū)域過大，違反假設(shè)的統(tǒng)一照明。伯恩森的算術(shù)通過自適應(yīng)閾值操作實現(xiàn)，等同于一個給定的灰度圖像F（X，Y）到一個二進制圖像B（X，Y）的映射。使用一個閾值曲面T（X，Y）。我們可以操作以下步驟：1。對于圖像中的每個像素，計算閾值2。根據(jù)閾值曲面T（X，Y）將圖像二值化。是灰度圖像，是二進制圖像，是閾值曲面，是中心是（X，Y），大小為（2W+1）×（2W+1）的模板，W是估計最大寬度。圖3顯示了一個原始車牌圖像通過這種方法
7、，它的二值化結(jié)果。我們可以找到附近的一些“鬼”字符“E”，并在圖像的右側(cè)。3.PLATEBINARIZATIONBASEDONHISTOGRAMANALYSIS3.1直方圖分析在上一節(jié)的討論，我們知道，兩個大津市和伯恩森的方法在板限制圖像二值化。所以，我們找到一條切實可行的二值化方法，直方圖分析的基礎(chǔ)上，以提高準(zhǔn)確性板塊二值化。據(jù)了解，在中國有兩種類型的車牌。一種是“黑底白字”另一種是“黑底白字”。我們定義前者為“白”式的，后者為“黑式的。據(jù)直方圖的灰度級重心偏向低灰度級或高灰度級來確定車牌類型。如果重力中心傾向較低的灰度等級，風(fēng)格是“白”式，反之亦然
8、。然后，我們可以根據(jù)字符區(qū)域的固定百分比確定車牌圖像閾值。為了減少車牌邊界或邊界外背景的影響，
