实例介绍
【实例简介】
二值化阈值的选取方法，主要是选用经典的otsu方法，也成为大津法，是由日本人大津展之发明的
第4期 欧阳庆:不均匀光照下车牌图像值化研究 145 上述滤波算法即是图像处理中的同态滤波增效果.引人另一阈值11(x,y 强算法,整个过程如图4所示 T(r,y)= ag T,(x+k,y+[ FTH「 LF H IFTH Ex (5)逐点二值化 如果 图4同态滤波箅法流程示意图 f(x,y)>(1a)×T:;b(x,y)=255 分别刘图1中的车牌图像进行同态滤波处理 后的结果如图5所示.这里 Butterworth高通滤波 f(x,y)<(1-a)×T:,b(x,y)=C 器参数取n=2,d=3 其中:a∈(0,1).可取0.2-0.4 ②如果(1-a)×T≤f(x,y)≤(1-a)×T1, 计算T2(x,y). 当T3(x, T1时,则 图5同态滤波处理后的车牌图像 f(r,y)< T,(r,y) b(r, y 255f(x,y)≥T4(,y) 3改进的 Bernsen二值化算法 否则,令T(x,y)=1/2×(T+T:(x,y),则 陈丹、贺贵明5利用基于全局的二值化思想对 0f(x,y)<T3(x,y) b(x, y ernsen算法进行了一些改进,并采用一种快速算 255f(x,y)≥T3(x,y) 法寻找局部窗口极值,使得此方法更加具有实用价 上述算法考虑了图像的整体灰度特性,对局部 值.试验证明该算法一般情况下优于单独采用Ot阈值方法的 Bernsen算法进行了改进,克服了 u法或 Bernsen法.该算法实现步骤如下: Bernsen算法的部分缺点,一定程度上消除了伪影 算法的过程描述如下 及笔画断裂现象 (1)为了消除个别灰度特异点,首先算出一个阈4不均勺光线环境下的车牌图像二 2 值T.T取值满足∑ht≥A×10%,hit为 值化 原图灰度直方图,A为面积(即图像像素总数) 上节所述改进的 Bernsen算法可以部分程度 (2)计算各点的阀值: 上克服伪影的影响,但是,光线不均引起车牌图像 T2(r, y)=0.5x( max f(r+k,y+l)+ 降质严重时,其二值化效果仍然不理想,如图6所 小,(a)为原始图像,(b)为同态滤波增晰处理,(c) min f(xtk,y+l) 为原始图像直接用改进的 Bernsen算法二值化, (3)为尽量避免伪影及笔画断裂现象的产生 (d)为原始图像经固态滤波后再用改进的 Bernsen 引入阀值r。,用以确定局部考察窗冂内极大与极算法二值化 小值的变化. 国外Ie6等人为了解决光照不均的影响,提 T3(, y)= max f(tk,y+I) ,l≤ 出了将车牌二值化图像进行投影然后将牌照分成多 minf(x+k·y+D) 个小区间再进行二次二值化.该算法的前提是首先 4)采用取平均值的澽波方法对阈值曲面进行要对整个车牌图像进行二值化,然而当光照不均稍 平滑以消除光照不均等噪声所产生的阈值突变,作严重时,车牌图像二值化的效果可能使后面的投影 为尽量避免伪影现象出现的另一手段,改善二值化无法进行,从而无法进行后述的分区二值化工作 98 填498 「乐80丽80 (d) 图6二值化效果示意图 146 武汉大学学报(工学版) 2006 为解决复杂光照环境下的车牌二值化问题,本 vey of thresholding echniques [J]. Computer Graph 文将同态滤波和改进的 Bernsen算法结合起来,即 ics, Vision and Image Processing, 1988(41):233 在用改进的 Bernsen算法二值化车牌图像之前,首 先对图像进行同态滤波,然后再进行二值化,算法 L2 Chow C K, Kaneko T. Automatic detection of the lef: ventricle from cineangiogram [J]. Computers and 流程如图7所示.实践证明该方法既可克服光照不 Biomedical Research, 1972,5:388-410 均带来的影响,也适合光照正常环境下的车牌图像[3] Yanowitz S D, Bruckstein A M. A new method for 二值化 image segment ation [I]. Computer Graphics, Vision [始图像一同念滤波培-改进的Bm法1 ng,1989(46冫:82-95 4_Sauvola I, Pietikainen M. Adaptive documen: image 图7复杂光线下车牌图像二值化算法流程 binarization [I. Paltern Recognition. 200C(33) 从图6明显地可以看出,经过同态滤波处理后 225-236 再进行二值化有效地去掉了不均匀光线带来的影 5]陈丹张峰,贺贵明.一种改进的文本图像二值化 响.二值化后的车牌字符清晰,便于后续的车牌识 算法[.计算机工程,2003,29(13):85-86 K g 别流程的进行 et al. Adaptive local binarization method for recogni 参考文献: ticn of vehicle license plates, combinatorial image analysis_A_. 1Cth International Workshop, IWCIA [1 Sahco PK, Soltani S, Wong AKC, Chen YC.Sur 2004[C_. Proceedings,2001:646-655 上接第126页) 尔滨建筑大学学报,2000,33(1):8-91 L111 Sorkine (D, Cohen-(r D, Goldenthal R, et al L10 De J S Maas AJ. Measurement and analysis of ther Boundary-distortion piecewise mesh parameterization mal images sequences of nature background LJT C. In: Proc. of 12Th ieee Visualization Confer- sPIE1687,992:265-273 ence, Boston, 2002: 355-362 【实例截图】
【核心代码】
二值化阈值的选取方法，主要是选用经典的otsu方法，也成为大津法，是由日本人大津展之发明的
第4期 欧阳庆:不均匀光照下车牌图像值化研究 145 上述滤波算法即是图像处理中的同态滤波增效果.引人另一阈值11(x,y 强算法,整个过程如图4所示 T(r,y)= ag T,(x+k,y+[ FTH「 LF H IFTH Ex (5)逐点二值化 如果 图4同态滤波箅法流程示意图 f(x,y)>(1a)×T:;b(x,y)=255 分别刘图1中的车牌图像进行同态滤波处理 后的结果如图5所示.这里 Butterworth高通滤波 f(x,y)<(1-a)×T:,b(x,y)=C 器参数取n=2,d=3 其中:a∈(0,1).可取0.2-0.4 ②如果(1-a)×T≤f(x,y)≤(1-a)×T1, 计算T2(x,y). 当T3(x, T1时,则 图5同态滤波处理后的车牌图像 f(r,y)< T,(r,y) b(r, y 255f(x,y)≥T4(,y) 3改进的 Bernsen二值化算法 否则,令T(x,y)=1/2×(T+T:(x,y),则 陈丹、贺贵明5利用基于全局的二值化思想对 0f(x,y)<T3(x,y) b(x, y ernsen算法进行了一些改进,并采用一种快速算 255f(x,y)≥T3(x,y) 法寻找局部窗口极值,使得此方法更加具有实用价 上述算法考虑了图像的整体灰度特性,对局部 值.试验证明该算法一般情况下优于单独采用Ot阈值方法的 Bernsen算法进行了改进,克服了 u法或 Bernsen法.该算法实现步骤如下: Bernsen算法的部分缺点,一定程度上消除了伪影 算法的过程描述如下 及笔画断裂现象 (1)为了消除个别灰度特异点,首先算出一个阈4不均勺光线环境下的车牌图像二 2 值T.T取值满足∑ht≥A×10%,hit为 值化 原图灰度直方图,A为面积(即图像像素总数) 上节所述改进的 Bernsen算法可以部分程度 (2)计算各点的阀值: 上克服伪影的影响,但是,光线不均引起车牌图像 T2(r, y)=0.5x( max f(r+k,y+l)+ 降质严重时,其二值化效果仍然不理想,如图6所 小,(a)为原始图像,(b)为同态滤波增晰处理,(c) min f(xtk,y+l) 为原始图像直接用改进的 Bernsen算法二值化, (3)为尽量避免伪影及笔画断裂现象的产生 (d)为原始图像经固态滤波后再用改进的 Bernsen 引入阀值r。,用以确定局部考察窗冂内极大与极算法二值化 小值的变化. 国外Ie6等人为了解决光照不均的影响,提 T3(, y)= max f(tk,y+I) ,l≤ 出了将车牌二值化图像进行投影然后将牌照分成多 minf(x+k·y+D) 个小区间再进行二次二值化.该算法的前提是首先 4)采用取平均值的澽波方法对阈值曲面进行要对整个车牌图像进行二值化,然而当光照不均稍 平滑以消除光照不均等噪声所产生的阈值突变,作严重时,车牌图像二值化的效果可能使后面的投影 为尽量避免伪影现象出现的另一手段,改善二值化无法进行,从而无法进行后述的分区二值化工作 98 填498 「乐80丽80 (d) 图6二值化效果示意图 146 武汉大学学报(工学版) 2006 为解决复杂光照环境下的车牌二值化问题,本 vey of thresholding echniques [J]. Computer Graph 文将同态滤波和改进的 Bernsen算法结合起来,即 ics, Vision and Image Processing, 1988(41):233 在用改进的 Bernsen算法二值化车牌图像之前,首 先对图像进行同态滤波,然后再进行二值化,算法 L2 Chow C K, Kaneko T. Automatic detection of the lef: ventricle from cineangiogram [J]. Computers and 流程如图7所示.实践证明该方法既可克服光照不 Biomedical Research, 1972,5:388-410 均带来的影响,也适合光照正常环境下的车牌图像[3] Yanowitz S D, Bruckstein A M. A new method for 二值化 image segment ation [I]. Computer Graphics, Vision [始图像一同念滤波培-改进的Bm法1 ng,1989(46冫:82-95 4_Sauvola I, Pietikainen M. Adaptive documen: image 图7复杂光线下车牌图像二值化算法流程 binarization [I. Paltern Recognition. 200C(33) 从图6明显地可以看出,经过同态滤波处理后 225-236 再进行二值化有效地去掉了不均匀光线带来的影 5]陈丹张峰,贺贵明.一种改进的文本图像二值化 响.二值化后的车牌字符清晰,便于后续的车牌识 算法[.计算机工程,2003,29(13):85-86 K g 别流程的进行 et al. Adaptive local binarization method for recogni 参考文献: ticn of vehicle license plates, combinatorial image analysis_A_. 1Cth International Workshop, IWCIA [1 Sahco PK, Soltani S, Wong AKC, Chen YC.Sur 2004[C_. Proceedings,2001:646-655 上接第126页) 尔滨建筑大学学报,2000,33(1):8-91 L111 Sorkine (D, Cohen-(r D, Goldenthal R, et al L10 De J S Maas AJ. Measurement and analysis of ther Boundary-distortion piecewise mesh parameterization mal images sequences of nature background LJT C. In: Proc. of 12Th ieee Visualization Confer- sPIE1687,992:265-273 ence, Boston, 2002: 355-362 【实例截图】
【核心代码】
标签：
好例子网口号：伸出你的我的手 — 分享！
小贴士
感谢您为本站写下的评论，您的评论对其它用户来说具有重要的参考价值，所以请认真填写。
- 类似“顶”、“沙发”之类没有营养的文字，对勤劳贡献的楼主来说是令人沮丧的反馈信息。
- 相信您也不想看到一排文字/表情墙，所以请不要反馈意义不大的重复字符，也请尽量不要纯表情的回复。
- 提问之前请再仔细看一遍楼主的说明，或许是您遗漏了。
- 请勿到处挖坑绊人、招贴广告。既占空间让人厌烦，又没人会搭理，于人于己都无利。
关于好例子网
本站旨在为广大IT学习爱好者提供一个非营利性互相学习交流分享平台。本站所有资源都可以被免费获取学习研究。本站资源来自网友分享，对搜索内容的合法性不具有预见性、识别性、控制性，仅供学习研究，请务必在下载后24小时内给予删除，不得用于其他任何用途，否则后果自负。基于互联网的特殊性，平台无法对用户传输的作品、信息、内容的权属或合法性、安全性、合规性、真实性、科学性、完整权、有效性等进行实质审查；无论平台是否已进行审查，用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二与二十三条之规定，若资源存在侵权或相关问题请联系本站客服人员，点此联系我们。关于更多版权及免责申明参见 版权及免责申明
网友评论
我要评论