汽车牌照识别技术的研究与实现
合肥工业大学
硕士学位论文
汽车牌照识别技术的研究与实现
姓名:李凌
申请学位级别:硕士
专业:计算机应用技术
指导教师:胡敏
20060901
后用k将其分成两组Co=(1~k)和CI={k+l~m),两组产生的概率如下:c。产生的概率Wo=Zp,=w(.i})
cl产生的概率W1=∑P,=l-w(k)
c0组的平均值鳓=喜鲁=器
cl组的平均值鲈毫鲁=篇
其中,∥;∑驴。是整体图像的平均值,∥(1j})=∑扫,是闽值为k时的灰度的平均值,所以型都采样的灰度平均值为∥=wo胁+w”x1,u。,两组间的方差用下式求出:
cr2㈣=w0(/.to-U)+wl魄训2=蹀篙辫,从l至m间改变k'求出
¨1尼¨I—WI厅}J
上式为最大值时的k,即求nqAtxo-2(.i})的值七+,|】}‘就是阈值。
本文在进行拉普拉斯锐化处理时对灰度变化超过255的像素点作了限值处理,令它们的灰度值都等于255。因此锐化图像中255值的点很多,也能反应车牌边框内的信息,二值化阚值T设置为254。
啪,=傺焉掣一.z.z,
4、对边缘二值化图像去除孤立点。
在M×N的模板内,如果其内含的位置居中的(射一1)×(N—1)子模板内如果存在像素点,且此予模板外、M×N模板内没有像素点,即认为此子模板内的点为孤立点,予以去除。
5、利用第4步得到的边缘二值化图像信息,把在第1步中均值滤波图像的
边缘点的灰度值恢复到滤波前,得到图2.4所示。
图2.1原始图像
图2.2均值滤波后图像
图2.3采用拉普拉斯模板对图像进行锐化后的图像
图2.4改进均值滤波后的图像
改进的平滑滤波算法采用了3×3模板,它能有效弥补均值滤波对边缘点等图像尖锐信息的模糊化。实验表明,经过改进均值滤波算法处理后,图像中的噪
2.3直方图修正
图2.5被椒盐噪声污染的图像
图2.6中值滤波后图像
直方图修正是图像增强技术中最常用最重要的方法之一【lI】,直方图修正是通过构造灰度级变换、改造原图像的直方图,使变换后图像的直方图达到一定要求,采用直方图修正可以使原图像灰度级集中的区域拉开或使灰度分布均匀区域集中,从而增大反差,使图像的细节清晰,达到增强图像的目的。
设变量r代表要增强图像中的像素的灰度级,假定r已经归一化,即:0≤,≤1,r=0代表黑,r=l代表白,设图像的灰度级为S,S与r的关系s=T(r),且变换函数T满足以下条件:
l、0≤,s1
T(r)单调增加,该条件使灰度级保持从黑到白的顺序。2、0≤r≤10≤丁(,)≤1,该条件保证映射变换后的像素在允许范围内。对一幅图像,每一个像素点的灰度级r可以看作是[0,1]区间上的随机变量,假定r是连续变量,则可用概率密度函数只(r)表示图像的灰度级分布,用P(J)
表示变换后的图像的灰度级概率密度函数,根据概率论,如果已知随机变量R