灰度图像下车牌定位与分割算法研究
刘培锋 1 张文斌 1 王祁 1
(1. 哈尔滨工业大学电气工程及自动化学院、哈尔滨工业大学 351信箱、150001
摘要:给出了一种能在复杂交通环境下对汽车牌照进行定位和分割的算法。算法都是基于灰度图像的。在定位算法中,首先对图像进行边缘检测和水平膨胀,然后进行连通区域分析、水平聚类,最后对得到的车牌候选区域进行模糊决策,找出真正车牌区域,很好的解决了伪车牌问题。在分割算法中,利用最小二乘法对车牌进行倾斜校正,利用可变小模板对字符进行分割。实验证明,定位准确率为 97%,分割准确
率为 95.3%,具有非常好的效果。
关键词 :连通区域;水平聚类;模糊决策;最小二乘法
中图分类号:TP391.4文献标识码:A
Study on the Location and Segmentation Algorithm
of Vehicle License Plate with Gray Image
LIU Pei-feng ZHANG Wen-bin WANG Qi
(P.O.BOX 351, School of Electrical Engineering and Automation, Harbin Institute
of Technology, 150001
Abstract: An algorithm to obtain location and segmentation of vehicle license plate under complicated traffic background is provided. The algorithm is based on gray image. In the study on this localization algorithm, firstly image edge detection and horizontal dilate are carried out, then connected area analysis and horizontal clustering are presented, finally in order to better solved the problem of false vehicle plate, the fuzzy decision-making is carried on the obtained vehicle license area. In the study on segmentation, least
squares method is used for tilt correction, and variable small template is used for character segmentation. Experimental results show that the method is quite effective, and the plate location rate of success is 97.8%, the character segmentation rate of success is 95.3%. Key words: Connected area; Horizontal clustering; Fuzzy decision-making; Least squares method
1引言
车牌自动识别是计算机视觉、图像处理与模式识别技术在智能交通领域应用的重要研究课题之一,是实现交通管理智能化的重要环节 [1],主要包括车牌定位、字符分割和字符识别 3个关键环节。其中,车牌定位主要是从复杂背景区域中把车牌分离出来,而字符分割主要是将字符从车牌中切分出来。在车牌识别中,车牌定位、字符分割是识别的前提和基础,它们效果的好坏直接影响识别的效果。由于背景复杂、图像污损等原因,车牌定位、分割都不能达到让人满意的程度,因此车牌定位、分割还有待于进一步研究。目前车牌定位的方法主要有两类:基于彩色图像信息 [2]和基于灰度图像信息的定位方法 [3],前者一般需要进行颜色空间变换,计算量较大,而且当图像亮度降低到一定程度,特别是在夜晚条件和光照不均情况下,图像将可能变成非彩色的,具有很大的局限性。因此出现了很多基于灰度图像的定位方法,例如基于形状、纹理特征的 [4],基于小波变换和行扫描的,以及基于 BP 神经网络的定位方法 [5],这些方法一般计算量较大,对背景简单图像具有一定效果,但是对于复杂环境却有一定的局限性。
本文给出一种基于灰度图像的、利用连通区域水平聚类和模糊决策的定位方法以及利用最小二乘法进行倾斜校正,可变小模板进行切分的字符分割方法,在复杂的环境条件下取得了很好的效果。
2车牌定位
在复杂环境下我们对图像进行车牌定位, 首先对图像进行预处理, 以改善图像质量。由于环境的复杂, 水平聚类定位得到的区域可能会有一些伪车牌区域,因此我们采用模糊决策方法找出真正的车牌区域。 2.1预处理与边缘检测
本文研究基于灰度图像的车牌定位算法,所以首先将彩色车牌图像转化为灰度图像,图 1、图 3即为
基金项目:黑龙江省交通基金资助项目(HJZ_2004_12 项目名称:重载车辆对水泥混凝土路面破坏作用的研究
图像 fig1、 fig2的灰度图像。由于图像均来自实际的自然环境中,背景复杂,不可避免存在着光照和噪声等因素的影响,因此我们需要对得到的灰度图像进行预处理。这里采用顶帽方法提高图像对比度,采用纳维滤波器滤除噪声。根据对图像的纹理特征分析,我们知道车牌区域在垂直方向上具有非常丰富的边缘特征,因此我们利用 Prewitt 算子,进行图像垂直方向边缘检测。为了使图像具有更好的连通特性,以便于后续分析,利用数学形态学方法,对边缘检测后的二值图像进行水平膨胀。图2、图 4即为 fig1、 fig2边缘检测后在水平方向膨胀的结果,从图中可以看出车牌区域已经很明显显示出来,并且具有很好的连通特性。
图 1 fig1灰度图像图 2 fig1水平膨胀图像图 3 fig2灰度图像图 4 fig2水平膨胀图像
2.2 连通区域分析与水平聚类
图像预处理后,我们对其进行连通区域标记,求出每个连通区域的高度,利用高度阈值进行筛选,剔除过高和过低的干扰区域。图 5、图 7就是 fig1、 fig2连通区域高度筛选后的图像, 从这幅图像中可以看出, 车牌区域已变成若干个连通区域,彼此之间在高度和空间位置上存在着相关性,因此我们利用这些相关性对这些连通区域水平聚类,把车牌重新组合起来。设第 i 个连通区域有如下属性:水平方向最小值min i
X , 水平方向最大值 max i X ,垂直方向最小值 min i Y ,垂直方向最大值 max i Y ,高度为 i H ,则定义如下相关性条件:
(1水平相关性:
min max i j X X x ?≤?或max min i j X X x ?≤? (1 (2垂直相关性:
i j mid mid Y Y y ?≤? (其中 max min 1( 2
i i i mid Y Y Y =+ (2 (3高度相关性:
i j H H h ?≤? (3
上述公式中, x ?、y ?、h ?分别表示水平相关性、垂直相关性、高度相关性
的阈值。
如果两个连通区域满足上述相关性,则将两个连通区域合并,变成一个新的连通区域,继续聚类。聚类结束后,利用车牌高度和宽度先验知识对聚类得到的连通区域再次筛选,就可以得到车牌的候选区域。
图 5 fig1连通区域分析图 6 fig1 水平聚类图 7 fig2连通区域分析图 8 fig2 水平聚类
图 6、图 8即为 fig1、 fig2的聚类结果。从图中我们可以看出,车牌区域已经非常好的聚合在一起。图 6聚类后只有一个连通区域,所以它就是我们所要定位的车牌,其定位结果如图 9所示:
图 9 fig1 定位结果图 10 fig2定位结果 2.3 模糊决策
从图 8可以看出,经过连通区域水平聚类和高度、宽度筛选后,车牌区域可能不止一个,因此我们需要从候选车牌区域中,分析得到真正的车牌区域。这里我们采用模糊决策的方法,设定以下模糊规则:
(1区域宽高比:
标准车牌的宽高比大约为 3,实际中由于倾斜等因素,可能有所变化,根据实验情况,我们设置其隶属度函数为:
21124.51(3 0i i h h P ?≤≤?+?=???
其它 (4 其中 i h 表示第 i 个候选区域的宽高比值, 1i P 则表示此模糊规则下第 i 个候选区域的隶属度。
(2区域字符密度:
车牌的区域字符密度(即车牌区域内白色像素总和与整个区域面积的比值在一定范围内,根据实验情况,我们定义如下隶属函数:
22
10.3510.3511400(0.35 i i P ρρρ≤??=?<≤?+??
(5 其中i ρ表示第 i 个候选区域的区域字符密度, 2i p 表示此模糊规则下第 i 个候选区域的隶属度。
(3车牌区域方差:
在边缘检测后的图像中,由于车牌区域有一系列排列均匀的字符边缘,所以车牌区域方差较小,其表达式为:
2, 11( *M N i j i i j X M N σ==?=∑∑ (6 其中i σ表示第 i 个候选车牌区域方差, M , N 分别表示区域高度和宽度, , i j X 表示区域像素值, 区域像素的均值,设图像有k 个车牌候选区域,则第 i 个候选区域的区域方差隶属度函数为:
311( k k
i
j i j j j P σσσ===?∑∑ (7 其中 3i P 表示此模糊规则下第 i 个候选区域的隶属度。
设以上三个评价因素的重要程度分别为α、β、δ,从实验中我们可以得出,三个评价因素的重要程度是:区域方差最重要,其次区域字符密度,再次宽高比,因此我们可设置α=0.25, β=0.35, δ=0.4。进行模糊决策时,首先分别计算车牌候选区域三个评
价因素的隶属度,然后利用下面融合公式计算融合后的该车牌候选区域的隶属度
P 。融合公式为:
123i i i i P P P P αβδ=++ (8
融合后隶属度最大值所对应车牌候选区域即为最佳车牌区域,也是我们定位的最终结果。这种方法很好的解决了伪车牌问题。图 8所示的两个候选区域经模糊融合后, 其结果如图 10所示, 融合结果完全正确。 3 车牌分割
3.1 预处理
首先把定位得到的车牌图像进行预处理,包括对比度增强,二值化,将车牌统一到黑底白字。由于汽车牌照自动识别系统工作在复杂的光照环境下,经常会出现车牌光照不均的现象,所以二值化方法的选择对车牌识别率有很大影响。本文首先使用同态滤波方法去除图像的不均匀光照的影响,然后使用改进的 Bernsen 算法对车牌图像进行二值化,这种方法有效的解决了光照不均和车牌模糊等因素影响,具有非常好的效果。实际处理中,为了使二值化后得到的车牌图像具有更好的连通特性,我们需要进一步处理。首先将车牌二值化图像中 0、 1跳变值小于某一阈值的行去除, 然后将车牌区域连续长度大于某一阈值的白色像素去除。图 11中 (a1、 (a2为车牌二值化图像, (b1、 (b2则为预处理结果。
(a1 (b1 (c1
(d1
(a2 (b2 (c2 (d2
图 11 二值化和预处理结果
3.2倾斜校正和确定上下边界
由于道路的坡度、车牌的悬挂、摄像头与车牌之间存在倾斜角度等影响,使车牌图像产生了倾斜(如图 11(a1 、 (a2所示 ,给字符分割和后面的识别带来困难。因此在分割之前要进行倾斜校正。现在多采用 Hough 变换查找车牌边框的倾斜校正方法。而由于实际情况中定位得到的车牌区域可能没有上下边框, 或者上下边框没有被定位到车牌区域,使用 Hough 变换很容易出现误校正情况,因此采用了利用连通区域的直线拟合的倾斜校正方法。
首先对图像进行连通区域标记,利用字符的高度、宽高比等先验知识对连通区域进行聚类分析,得到字符可能的连通区域, 取每个字符连通区域外接矩形的上 (下水平中心为横坐标, 外接矩形的上 (下高度值为纵坐标,利用最小二乘法,在车牌字符的上下边界拟合出两条直线,然后计算它们与水平方向的夹角, 取它们夹角均值对车牌字符进行倾斜校正。校正结果如图 11(c1、 (c2所示。由于图像校正后,大小发生变化,为了确定字符的上下边界,需要进行二次连通区域标定,对连通区域中字符进行上下边界聚类分析, 即可精确得到车牌字符的上下边界,同时对连通区域字符左右边界聚类分析,可得到字符的宽度,设其为 _
h width 。图 11(d1、 (d2即为确定了上下边界的车牌字符。
3.3可变小模板字符切分
通常我们采用模板匹配的方式切分字符时,各个字符设定的宽度都是相同的,但是在实际图像中,由于图像的二值化、图像分辨率低等因素的影响, 各个字符的宽度和以及它们之间的间距与理论估算值有 1~2个像素的浮动,为了适应车牌字符这种宽度的变化,本文给出一种可变小模板的字符切分方法。
(1 、利用图 12所示的 1号模板切分第一个字符, 2号模板切分第二至第六个字符, 3号模板切分第
7个字符。其中
i
a 表示第 i 个字符起始位置,
i
b 为第 i 个字符结束位置,
1
i
b
?
~
i
a 为相邻两个字符的间距。 (2 、设每个模板字符区域初始宽度为 _
h width , 即前面连通区域聚类分析所得宽度。而字符间距的宽度可根据标准车牌模板,用 _
h width 求得。模板高度为实际车牌高度。
图 12 三种可变切分模板
(3利用模板进行切分时,首先计算模板内每个字符区域白色像素总和
1
S ,再计算每个字符与前一
个字符间距以及后一个字符间距内的所有白色像素总和
2
S ,并且求出二者比值:
21
P S S
=(其中第一个字符没有前字符间隔,第七个没有后字符间隔
(4 、设车牌的总宽度为 N ,利用 1号模板从车牌的最左端至 /7.5
N 范围内切分第一个字符,求出
该模板下最小的 P 值,并记录此时
1
a 和
1
b ,在 _1, 2
h width ±±的范围内,改变模板的大小,同样求出每种模板的最小 P 值,分析以上几种情况,即可得出第一个字符最佳切分点。
(5 、利用 2、 3号模板从前一个字符结束位置至下一个字符宽度一半的位置, 采用切分第一个字符相同的方法,切分余下的六个字符。其切分结果如图 13所示。
图 13 字符切分结果
这种切分策略可以完全精确的分割每个字符,使字符充满整个分割区域,适应了各个字符宽度不相等的情况,在实际的应用中取得很好的分割效果。
4结论
我们在实际环境中采集了 300幅图像, 利用以上定位和分割算法进行处理, 其中, 定位准确率为 97%, 分割准确率为 95.3%。实验证明,该算法抗干扰能力强,适应范围广,可应用与实际的车牌识别系统中。本文创新点:利用连通区域水平聚类成功定位出车牌候选区域,利用模糊决策在车牌候选区域中精确的定位出真正车牌,很好的解决了伪车牌问题,提高了定位的准确率。在字符分割算法中,利用可变小模板,精确的切分出每个字符,为后续字符识别奠定了基础。
参考文献:
[1] 苏厚胜 . 车牌识别系统的设计与实现 [J]. 机器视觉 , 2006, 103-107
[2] 周泽华,潘保昌,郑胜林等 . 基于多颜色模型的车牌定位方法 [J]. 微计算机信息 ,2007,1-1:283-285.
[3] Cavin L, Fischer U. Multi-objective Process Design in Multi-purpose Batch Plants Using a Tabu Search Optimization
Algorithm[J]. Computers & Chemical Engineering, 2004, 28(4: 459-478.
[4] 郭天舒,苑玮琦 . 基于结构特征的车牌定位算法研究 [J]. 红外 , 2006年 , 27(6: 16-20.
[5] 胡乃平、王丽、周艳平 . 一种改进的 BP 算法及其在车牌识别中的应用 [J].微计算机信息, 2006, 9-1:313-314.
作者简介:刘培锋(1983- ,男(汉族 ,黑龙江省双城人,哈尔滨工业大学电气工程及自动化学院硕士研究生,主要从事图像处理和模式识别研究。 E-
mail :hitfeng@https://www.doczj.com/doc/036581654.html,
Biography: Liu Peifeng,(1983-,male(the Han nationality, from ShuangCheng Heilongjiang province Master, graduate from School Electrical Engineering and Automation, Harbin Institute of Technology, major in image processing and pattern recognition.
导师简介:王祁(1944- ,男(汉族 ,黑龙江省哈尔滨人,哈尔滨工业大学电气工程及自动化学院教授,博士生导师,主要从事智能测试理论与技术,图像处理等方面研究。
Biography :Wang Qi, (1944-,,male(the Han nationality, from harbin Heilongjiang province,professor and supervisor of doctoral candidate in School Electrical Engineering and Automation, Harbin Institute of Technology, major in intelligent test theory and technology and image processing etc.
通信地址:哈尔滨工业大学 351信箱(150001 张文斌 E-mail: zwbscg@https://www.doczj.com/doc/036581654.html,
otsu算法选择使类间方差最大的灰度值为阈值，具有很好的效果 算法具体描述见otsu论文，或冈萨雷斯著名的数字图像处理那本书 这里给出程序流程： 1、计算直方图并归一化histogram 2、计算图像灰度均值avgValue. 3、计算直方图的零阶w[i]和一级矩u[i] 4、计算并找到最大的类间方差（between-class variance） variance[i]=(avgValue*w[i]-u[i])*(avgValue*w[i]-u[i])/(w[i]*(1-w[i])) 对应此最大方差的灰度值即为要找的阈值 5、用找到的阈值二值化图像 我在代码中做了一些优化，所以算法描述的某些地方跟程序并不一致 otsu代码，先找阈值，继而二值化 // implementation of otsu algorithm // author: onezeros(@https://www.doczj.com/doc/036581654.html,) // reference: Rafael C. Gonzalez. Digital Image Processing Using MATLAB void cvThresholdOtsu(IplImage* src, IplImage* dst) { int height=src->height; int width=src->width; //histogram float histogram[256]= {0}; for(int i=0; i 图像分割方法综述 图像分割方法综述 摘要：图像分割是计算计视觉研究中的经典难题，已成为图像理解领域关注的一个热点，本文对近年来图像分割方法的研究现状与新进展进行了系统的阐述。同时也对图像分割未来的发展趋势进行了展望。 关键词：图像分割；区域生长；活动边缘；聚类分析；遗传算法 Abstract:Image segmentation is a classic problem in computer vision,and become a hot topic in the field of image understanding. the research actuality and new progress about image segmentation in recent years are stated in this paper. And discussed the development trend about the image segmentation. Key words: image segmentation; regional growing; active contour; clustering analysis genetic algorithm 1 引言 图像分割是图像分析的第一步，是计算机视觉的基础，是图像理解的重要组成部分，同时也是图像处理中最困难的问题之一。所谓图像分割是指根据灰度、彩色、空间纹理、几何形状等特征把图像划分成若干个互不相交的区域，使得这些特征在同一区域内表现出一致性或相似性，而在不同区域间表现出明显的不同。简单的说就是在一副图像中，把目标从背景中分离出来。对于灰度图像来说，区域内部的像素一般具有灰度相似性，而在区域的边界上一般具有灰度不连续性。 关于图像分割技术，由于问题本身的重要性和困难性，从20世纪70年代起图像分割问题就吸引了很多研究人员为之付出了巨大的努力。虽然到目前为止，还不存在一个通用的完美的图像分割的方法，但是对于图像分割的一般性规律则基本上已经达成的共识，已经产生了相当多的研究成果和方法。本文根据图像发展的历程，从传统的图像分割方法、结合特定工具的图像分割方 专业综合实验报告----数字图像处理 专业：电子信息工程 班级： ： 学号： 指导教师： 2014年7月18日 车牌图像定位与识别 一、设计目的 利用matlab实现车牌识别系统，熟悉matlab应用软件的基础知识，利用其解决数字信号处理的实际应用问题，从而加深对理论知识的掌握，巩固理论课上知识的同时，加强实践能力的提高，理论联系实践，提高自身的动手能力。同时不断的调试程序也提高了自己独立编程水平，并在实践中不断完善理论基础，有助于自身综合能力的提高。 二、设计内容和要求 车牌识别系统应包含图像获取、图像处理、图像分割、字符识别、数据库管理等几个部分，能够完成复杂背景下汽车牌照的定位分割以及牌照字符的自动识别。这里，只要求对给定的彩色车牌图像变换成灰度图像，用阈值化技术进行字符与背景的分离，再提取牌照图像。 三、设计步骤 1．打开计算机，启动MATLAB程序； 2．调入给定的车牌图像，并按要求进行图像处理； 3．记录和整理设计报告 四、设计所需设备及软件 计算机一台；移动式存储器；MATLAB软件。 五、设计过程 车辆牌照识别整个系统主要是由车牌定位和字符分割识别两部分组成，其中车牌定位又可以分为图像预处理及边缘提取模块和牌照的定位及分割模块；字符识别可以分为字符分割和单个字符识别两个模块。 (一）对图像进行图像转换、图像增强和边缘检测等 1.载入车牌图像： 原图 2.将彩图转换为灰度图并绘制直方图： 灰度图 灰度直方图 3.用roberts 算子进行边缘检测： 图像中车辆牌照是具有比较显著特征的一块图象区域，这此特征表现在：近似水平的矩形区域；其中字符串都是按水平方向排列的；在整体图象中的位置较为固定。正是由于牌照图象的这些特点，再经过适当的图象变换，它在整幅中可以明显地呈现出其边缘。边缘提取是较经典的算法，此处边缘的提取采用的是 分享到 一键分享 QQ空间 新浪微博 百度云收藏 人人网 腾讯微博 百度相册 开心网 腾讯朋友 百度贴吧 豆瓣网 搜狐微博 百度新首页 QQ好友 和讯微博 更多... 百度分享 登录 | 注册 窗体顶端 窗体底端 收藏成功 确定 收藏失败，请重新收藏确定 窗体顶端 标题 标题不能为空 网址 标签 摘要 公开 取消收藏 窗体底端 分享资讯 传PPT/文档 提问题 写博客 传资源 创建项目 创建代码片 设置昵称编辑自我介绍，让更多人了解你帐号设置退出 社区 博客 论坛 下载 Share 极客头条 服务 CODE 英雄会 活动 CSTO 俱乐部 CTO俱乐部 高校俱乐部 奋斗斌斌的专栏 解决项目中的琐碎细节问题b.zhao_npu@https://www.doczj.com/doc/036581654.html, 目录视图 摘要视图 订阅 有奖征资源，博文分享有内涵人气博主的资源共享：老罗的Android之旅微软Azure?英雄会编程大赛题关注CSDN社区微信，福利多多社区问答：叶劲峰游戏引擎架构 灰度图像阈值化分割常见方法总结及VC实现 分类：图像处理OpenCV 2011-11-11 23:20 7427人阅读评论(14) 收藏举报 算法图形byte图像处理扩展 目录(?)[+] Otsu法最大类间方差法 一维交叉熵值法 二维OTSU法 参考文献 在图像处理领域，二值图像运算量小，并且能够体现图像的关键特征，因此被广泛使用。将灰度图像变为二值图像的常用方法是选定阈值，然后将待处理图像的每个像素点进行单点处理，即将其灰度值与所设置的门限进行比对，从而得到二值化的黑白图。这样一种方式因为其直观性以及易于实现，已经在图像分割领域处于中心地位。本文主要对最近一段时间作者所学习的阈值化图像分割算法进行总结，全文描述了作者对每种算法的理解，并基于OpenCV和VC6.0对这些算法进行了实现。最终将源代码公开，希望大家一起进步。（本文的代码暂时没有考虑执行效率问题） 首先给出待分割的图像如下： 1、Otsu法（最大类间方差法） 该算法是日本人Otsu提出的一种动态阈值分割算法。它的主要思想是按照灰度特性将图像划分为背景和目标2部分，划分依据为选取门限值，使得背景和目标之间的方差最大。（背景和目标之间的类间方差越大，说明这两部分的差别越大，当部分目标被错划分为背景或部分背景错划分为目标都会导致这两部分差别变小。因此，使用类间方差最大的分割意味着错分概率最小。）这是该方法的主要思路。其主要的实现原理为如下： 1）建立图像灰度直方图（共有L个灰度级，每个出现概率为p） 2）计算背景和目标的出现概率，计算方法如下： 上式中假设t为所选定的阈值，A代表背景（灰度级为0~N）,根据直方图中的元素可知，Pa为背景出现的概率，同理B为目标，Pb为目标出现的概率。 3）计算A和B两个区域的类间方差如下： 基于MATLAB 的图像阈值分割技术 摘要：本文主要针对图像阈值分割做一个基于MATLAB 的分析。通过双峰法，迭代法以及OUTS 法三种算法来实现图像阈值分割，并且就这三种算法做了一定的分析和比较，在加椒盐的图片上同时进行三种实验，做出比较，最终得出实践结论。 关键词：图像分割 MATLAB 阈值分割 算法 引言：图像分割是图像处理与计算机视觉领域低层次视觉中最为基础和重要的领域之一，它是对图像进行视觉分析和模式识别的基本前提．同时它也是一个经典难题，到目前为止既不存在一种通用的图像分割方法，也不存在一种判断是否分割成功的客观标准，图像阈值分割即是其中的一种方法。 阈值分割技术因其实现简单、计算量小、性能较稳定而成为图像分割中最基本和应用最广泛的分割技术，已被应用于很多的领域，在很多图像处理系统中都是必不可少的一个环节。 1、阈值分割思想和原理 若图像中目标和背景具有不同的灰度集合：目标灰度集合与背景灰度集合，且两个灰度集合可用一个灰度级阈值T 进行分割。这样就可以用阈值分割灰度级的方法在图像中分割出目标区域与背景区域，这种方法称为灰度阈值分割方法。 在物体与背景有较强的对比度的图像中，此种方法应用特别有效。比如说物体内部灰度分布均匀一致，背景在另一个灰度级上也分布均匀，这时利用阈值可以将目标与背景分割得很好。如果目标和背景的差别是某些其他特征而不是灰度特征时，那么先将这些特征差别转化为灰度差别，然后再应用阈值分割方法进行处理，这样使用阈值分割技术也可能是有效的 设图像为f(x,y)，其灰度集范围是[0,L]，在0和L 之间选择一个合适的灰度阈值T ，则图像分割方法可由下式描述： 这样得到的g(x,y)是一幅二值图像。 （一）原理研究 图像阈值分割的方法有很多，在这里就其中三种方法进行研究，双峰法，迭代法，以及OUTS 法。 方法一：双峰法 T y x f T y x f y x g ≥<),(),(10){,( 安徽建筑工业学院电子与信息工程学院本科毕业设计（论文）开题报告 课题名称：基于模式识别的图像处理算法研究 ——基于模式识别的车牌定位算法研究专业：电子信息工程 班级：08电子①班 学生姓名：陈宇栋 学号：08205010127 指导教师： 填表日期：2012年3月5日 安徽建筑工业学院电子与信息工程学院 二○一一年十二月制表 说明 1.抓好毕业设计（论文）的开题报告是保证毕业设计 （论文）质量的一个重要环节。为了加强对毕业设计（论文）的过程管理，规范毕业设计（论文）的开题报告，特印发此表。 2.毕业生一般应在毕业设计前期准备过程中，通过文 献调研，主动跟指导教师讨论，完成毕业设计（论文）的开题报告。 3.此表经过指导教师和有关人员签字后，一份由指导 教师保存，一份交院教学办公室。 4.毕业生在毕业设计（论文）答辩时，必须提交这份 毕业设计（论文）开题报告。 填写选题依据和设计方案，力求简练，若表中栏目不够填写，可另加附页。 一、简表 学生简况 姓名陈宇栋性别男出生年月1988-08入学时间2008-09学号08205010127专业电子信息工程班级08电子①班 课题名称基于模式识别的图像处理算法研究 子课题基于模式识别的车牌定位算法研究 课题来源纵向课题 类型计算机软件设计 研究（设计）内容 随着计算机和人工智能技术的发展，模式识别在图像处理中的应用日益广泛，智能交通工具在世界范围内引起重视，而车牌识别系统是智能交通工具的重要组成部分，该系统可以记录十字路口违章车辆，实现高速公路、收费路口、停车场等地的收费。车牌识别系统包括从图像的采集到预处理，再到车牌区域的定位和字符的分割，最后对分割出的字符进行识别的一系列过程。本次毕业设计主要对汽车牌照识别系统进行处理研究，借助于Visual C++编程环境运行在相应的硬件平台上，利用数字图像模式识别技术实现对汽车牌照的自动识别。按照模式识别系统组成，完成汽车牌照自动识别技术包括车牌预处理、车牌特征提取和车牌识别等功能，完成相应的算法研究。 对采集的车牌图像进行预处理包括图像灰度化、二值化、灰度拉伸及边缘提取等过程，并且过滤图像噪声使图像区域特征明显，根据区域特征确定车牌区域。车牌字符分割可以采用车牌区域纵向灰度投影的方式进行字符区域识别和分割实现。最后进行车牌分割字符图像归一化，将分割好的字符图像通过系数变换得到高度、宽度均相等的图像，以方便特征提取，提高识别的准确率，实现车牌的识别。 近年来，智能交通系统(ITS)越来越受到人们的重视在车牌识别中，车牌自动识别系统作为核心部分之一应用已经越来越普及。车牌识别系统主要分车牌定位、字符切分和字符识别三部分，而车牌定位又是系统中最重要的步骤，定位的成功与否以及定位的准确程度将会直接决定后期能否进行车牌识别以及识别的准确度。 文中利用MATLAB进行分析与仿真。MATLAB是一种简单，高效、功能强大的高级语言,在科学与工程计算领域有着广泛的应用前途。在数字图像处理领域,可应用MATLAB数字图像处理技术进行系统分析与设计。 本文要讨论的是对彩色车牌图像进行包括灰度化、二值化、图像增强、边缘检测的预处理，之后进行区域提取来实现对车牌的初定位。借助MATLAB编程语言在仿真过程中分析现有算法并加以改进。 1 车牌定位中的基本理论与算法 1.1图像灰度化 彩色图像包含着大量的颜色信息，不但在存储上开销很大，而且在处理上也会降低系统的执行速度，因此在对图像进行识别等处理中经常将彩色图像转变为灰度图像，以加快处理速度。经过灰度变换后，像素的动态范围增加，图像的对比度扩展，使图像变得更加清晰、细腻、容易识别。 在车牌识别中要利用灰度分布的特征进行进一步的分割、识别，因此对车牌图像进行灰度化成为车牌定位的必要步骤之一。 1.2图像二值化 二值图像是指整幅图像画面内仅黑、白二值的图像。在实际的车牌处理系统中，进行图像二值变换的关键是要确定合适的阀值，使得字符与背景能够分割开来，二值变换的结果图像必须要具备良好的保形性，不丢掉有用的形状信息，不会产生额外的空缺等等。车牌识别系统要求处理的速度高、成本低、信息量大，采用二值图像进行处理，能大大地提高处理效率。如果图像中某中像素的灰度值小于该阈值，则将该像素的灰度值设置为0或255，否则灰度值设置为255或0。 中北大学 课程设计说明书 学生姓名：学号： 学生姓名：学号： 学生姓名：学号： 学生姓名：学号： 学院：信息与通信工程学院 专业：电子信息工程 题目：信息处理综合实践: 图像分割算法的比较与分析 指导教师：陈平职称: 副教授 2014 年12 月29 日 中北大学 课程设计任务书 14/15 学年第一学期 学院：信息与通信工程学院专业：电子信息工程 学生姓名：学号： 课程设计题目：信息处理综合实践: 图像分割算法的比较与分析起迄日期：2015年1月5日～2015年1月16日课程设计地点：电子信息工程专业实验室 指导教师：陈平 系主任：王浩全 下达任务书日期: 2014 年12月29 日课程设计任务书 课程设计任务书 目录 第一章绪论 (1) 研究目的和意义 (1) 图像分割的研究进展 (1) 第二章区域生长法分割图像 (4) 区域生长法介绍 (4) 区域生长法的原理 (4) 区域生长法的实现过程 (5) 第三章程序及结果 (6) 区域生长算法及程序 (6) 图像分割结果 (7) 第四章方法比较 (8) 阈值法 (8) 区域法 (8) 分水岭法 (8) 形态学方法 (9) 第五章总结 (10) 参考文献 (11) 第一章绪论 研究目的和意义 图像分割是一种重要的图像技术，在理论研究和实际应用中都得到了人们的广泛重视。图像分割的方法和种类有很多，有些分割运算可直接应用于任何图像，而另一些只能适用于特殊类别的图像。许多不同种类的图像或景物都可作为待分割的图像数据，不同类型的图像，已经有相对应的分割方法对其分割;但某些分割方法只是适合于某些特殊类型的图像分割，所以分割结果的好坏需要根据具体的场合及要求衡量。图像分割是从图像处理到图像分析的关键步骤，可以说，图像分割结果的好坏直接影响对图像的理解。 图像分割是由图像处理到图像分析的关键步骤，在图像工程中占有重要位置。一方面，它是目标表达的基础，对特征测量有重要的影响。另一方面，因为图像分割及其基于分割的目标表达、特征提取和参数测量等将原始图像转化为更抽象、更紧凑的表达形式，使得更高层的图像分析和理解成为可能。因此在实际应用中，图像分割不仅仅要把一幅图像分成满足上面五个条件的各具特性的区域，而且要把其中感兴趣的目标区域提取出来。只有这样才算真正完成了图像分割的任务，为下一步的图像分析做好准备，使更高层的图像分析和理解成为可能。 图像分割在很多方面，如医学图像分析，交通监控等，都有着非常广泛的应用，具有重要的意义。(1)分割的结果常用于图像分析，如不同形式图像的配准与融合，结构的测量，图像重建以及运动跟踪等。(2)在系统仿真，效果评估，图像的3D重建以及三维定位等可视化系统中，图像分割都是预处理的重要步骤。 (3)图像分割可在不丢失有用信息的前提下进行数据压缩，这就降低了传输的带宽，对提高图像在因特网上的传输速度至关重要。(4)分割后的图像与噪声的关系减弱，具有降噪功能，便于图像的理解。 图像分割的研究进展 图像分割是图像处理中的一项关键技术，至今已提出上千种分割算法。但因 江苏科技大学 数字图像处理 图像分割——区域生长法专题 1 图像分割简介 图像分割( image segmentation) 就是把图像分成各具特征的区域并提取出感兴趣目标的技术和过程。这里特征可以是象素的灰度、颜色、纹理等, 预先定义的目标可以对应单个区域也可以对应多个区域。图像分割是图像处理到图像分析的关键步骤, 在图像工程中占据重要的位置。一方面, 它是目标表达的基础, 对特征测量有重要的影响。另一方面, 因为图像分割及其基于分割的目标表达、特征提取和参数测量等将原始图像转化为更抽象更紧凑的形式, 使得更高层的图像分析和理解成为可能。 图像分割是一种重要的图像处理技术, 它不仅得到人们的广泛重视和研究, 在实际中也得到大量的应用。图像分割包括目标轮廓、阈值化、图像区分或求差、目标检测、目标识别、目标跟踪等技术。 从大的方面来说，图像分割方法可大致分为基于区域的方法、基于边缘的方法、区域与边缘相结合的方法，以及在此基础上的采用多分辨率图像处理理论的多尺度分割方法。 其中基于区域的方法采用某种准则，直接将图像划分为多个区域。而基于边缘的方法则通过检测包含不同区域的边缘，获得关于各区域的边界轮廓描述，达到图像分割的目的，而区域与边缘相结合的方法通过区域分割与边缘检测的相互作用，得到分割结果。 图像分割中基于区域的方法主要有直方图门限法、区域生长法、基于图像的随机场模型法、松弛标记区域分割法等。本文主要讨论基于区域分割的区域生长法。区域生长是一种古老的图像分割方法，最早的区域生长图像分割方法是由Levine等人提出的。该方法一般有两种方式，一种是先给定图像中要分割的目标物体内的一个小块或者说种子区域，再在种子区域基础上不断将其周围的像素点以一定的规则加入其中，达到最终将代表该物体的所有像素点结合成一个区域的目的；另一种是先将图像分割成很多的一致性较强，如区域内像素灰度值相同的小区域，再按一定的规则将小区域融合成大区域，达到分割图像的目的，典型的区域生长法如T. C. Pong等人提出的基于小面（facet）模型的区域生长法，区域生长法固有的缺点是往往会造成过度分割，即将图像分割成过多 OpenCV下车牌定位算法实现代码（一） 车牌定位算法在车牌识别技术中占有很重要地位，一个车牌识别系统的识别率往往取决于车牌定位的成功率及准确度。 车牌定位有很多种算法，从最简单的来，车牌在图像中一般被认为是长方形，由于图像摄取角度不同也可能是四边形。我们可以使用OpenCV中的实例：C:\Program Files\OpenCV\samples\c.squares.c 这是一个搜索图片中矩形的一个算法。我们只要稍微修改一下就可以实现定位车牌。 在这个实例中使用了canny算法进行边缘检测，然后二值化，接着用cvFindContours搜索轮廓，最后从找到的轮廓中根据角点的个数，角的度数和轮廓大小确定，矩形位置。以下是效果图： 这个算法可以找到一些车牌位置，但在复杂噪声背景下，或者车牌图像灰度与背景相差不大就很难定位车牌。所以我们需要寻找更好的定位算法。下面是squares的代码： #ifdef _CH_ #pragma package #include 车牌识别LPR(License Plate Recogniti ON)技术作为交通管理自动化的重要手段和车辆检测系统的一个重要环节，能经过图像抓拍、车牌定位、图像处理、字符分割、字符识别等一系列算法运算，识别出视野范围内的车辆牌照号码；它运用数字图像处理、模式识别、人工智能技术对采集到的汽车图像进行处理，能够实时准确地自动识别出车牌的数字、字母及汉字字符，并以计算机可直接运行的数据形式给出识别结果，使得车辆的电脑化监控和管理成为现实。 车牌识别技术的任务是处理、分析摄取的视频流中复杂背景的车辆图像，定位、分割牌照字符，最后自动识别牌照上的字符。为了保证汽车车牌识别系统能在各种复杂环境下发挥其应有的作用，识别系统必须满足以下要求: (1)鲁棒性:在任何情况下均能可靠正常地工作，且有较高的正确识别率。 (2)实时性:不论在汽车静止还是高速运行情况下，图像的采集识别系统必须在一定时间内识别出车牌全部字符，达到实时识别。 车牌识别技术的关键在于车牌定位、字符分割和字符识别三部分，其中车牌定位的准确与否直接决定后面的字符分割和识别效果，是影响整个LPR系统识 别率的主要因素，是车牌识别技术中最为关键的一步。目前车牌定位的方法多种多样, 归纳起来主要有基于纹理特征分析的方法、 基于边缘检测的方法、 基于数学形态学定位、基于小波分析定位以及基于彩色图像定位等，这些方法各有所长。 1、车牌目标区域特点 车牌定位方法的出发点是利用车牌区域的特征来判断牌照，将车牌区域从整幅车辆图像中分割出来。车牌自身具有许多的固有特征，这些特征对于不同的国家是不同的。从人的视觉角度出发，我国车牌具有以下可用于定位的特征: (1)车牌底色一般与车身颜色、字符颜色有较大差异; (2)车牌有一个连续或由于磨损而不连续的边框; (3)车牌内字符有多个，基本呈水平排列，在牌照的矩形区域内存在丰富的边缘，呈现规则的纹理特征; (4)车牌内字符之间的间隔较均匀，字符和牌照底色在灰度值上存在较大的跳变，字符本身和牌照底内部都有比较均匀的灰度; (5)不同图像中牌照的具体大小、位置不确定，但其长宽比在一定的变化范围内，存在1个最大值和1个最小值。 以上几种特征都是概念性的，各项特征单独看来都非车牌图像所独有，但将它们结合起来可以唯一地确定车牌。在这些特征中，颜色、形状、位置特征最为直观，易于提取。纹理特征比较抽象，必须经过一定的处理或者转换为其他特征才能得到相应的可供使用的特征指标。通常文字内容特征至少需要经过字符分割或识别后才可能成为可利用的特征，一般只是用来判断车牌识别正确与否。 对以CPT算法为主的灰度阈值化方法的研究 目录： 第一章：绪论 第二章：图像的预处理 第三章：图像分割概述 第四章：灰度阈值化图像分割方法 第五章：CPT算法及其对它的改进 第六章：编程环境及用PhotoStar对改进的CPT算法和其他算法的实现 第七章：实验结果与分析 第一章：绪论 1.1数字图像处理技术的发展 人类传递信息的主要媒介是语音和图像。据统计，在人类接受的信息中，听觉信息占20％，视觉占60％，其他如味觉、触觉、嗅觉总的加起来不过占20％。所以，作为传递信息的重要媒体和手段——图像信息是十分重要的。【5】对于图像信息的处理，即图像处理当然对信息的传递产生很大影响。 数字图像处理技术起源于20世纪20年代，当时通过海底电缆从伦敦到纽约传输了一幅图片，它采用了数字压缩技术。1964年美国的喷气处理实验室处理了太空船“徘徊者七号”发回的月球照片，这标志着第三代计算机问世后数字图像处理概念得到应用。其后，数字图像处理技术发展迅速，目前已成为工程学、计算机科学、生物学、医学等领域各学科之间学习和研究的对象。 经过人们几十年的努力，数字图像处理这一学科已逐渐成熟起来。人们总是试图把各个学科应用到数字图像处理中去，并且每产生一种新方法，人们也会尝试它在数字图像处理中的应用。同时，数字图像处理也在很多学科中发挥着它越来越大的作用。 1.2图像分割概述和本论文的主要工作 图像分割的目的是把图像空间分成一些有意义的区域，是数字图像处理中的重要问题，是计算机视觉领域低层次视觉问题中的重要问题，同时它也是一个经典的难题。几十年来，很多图像分割的方法被人们提出来，但至今它尚无一个统一的理论。 图像分割的方法很多，有早先的阈值化方法、最新的基于形态学方法和基于神经网络的方法。 阈值化方法是一种古老的方法，但确是一种十分简单而有效的方法，近几十年人们对阈值化方法不断完善和探索，取得了显著的成就，使得阈值化方法在实际应用中占有很重要的地位。 本文将主要对图像分割的阈值化方法进行探讨。在对阈值化方法的研究过程中，本人首先将集中精力对效果比较好的阈值化方法进行探讨，并对其存在的不足加以改进，从而作出性能优良的计算机算法；由于目前很多方法各有其特点，所以将对具有不同特点的图像用不同的方法处理进行研究。在论文正文部分还将其应用到实践中去，并对其加以评价。 第二章：图像的预处理 2.1图像预处理的概述 由于切片染色和输入光照条件及采集过程电信号的影响，所采集的医学图 课程结业论文 课题名称基于阈值的图像分割方法姓名湛宇峥 学号1412202-24 学院信息与电子工程学院专业电子信息工程 指导教师崔治副教授 2017年6月12日 湖南城市学院课程结业论文诚信声明 本人郑重声明：所呈交的课程结业论文，是本人在指导老师的指导下，独立进行研究工作所取得的成果，成果不存在知识产权争议，除文中已经注明引用的内容外，本论文不含任何其他个人或集体已经发表或撰写过的作品成果。对本文的研究做出重要贡献的个人和集体均已在文中以明确方式标明。本人完全意识到本声明的法律结果由本人承担 目录 摘要 (1) 关键词 (1) ABSTRACT (2) KEY WORDS (2) 引言 (3) 1基于点的全局阈值选取方法 (4) 1.1最大类间交叉熵法 (5) 1.2迭代法 (6) 2基于区域的全局阈值选取方法 (7) 2.1简单统计法 (8) 2.3 直方图变化法 (9) 3局部阈值法和多阈值法 (10) 3.1水线阈值算法 (11) 3.2变化阈值法 (12) 4仿真实验 结论 (12) 参考文献 (13) 附录 基于阈值的图像分割方法 摘要：图像分割多年来一直受到人们的高度重视，至今这项技术也是趋于成熟，图像分割方法类别也是不胜枚举，近年来每年都有上百篇有关研究报道发表。图像分割是由图像处理进到图像分析的关键环节，是指把图像分成各具特性的区域并提取出有用的目标的技术和过程。在日常生活中，人们对图片的要求也是有所提高，在对图像的应用中，人们经常仅对图像中的某些部分感兴趣，这些部分就对应图像中的特定的区域，为了辨识和分析目标部分，就需要将这些有关部分分离提取出来，因此就要应用到图像分割技术。 关键词：图像分割；阈值；matlab 摘要: 车牌定位是车牌自动识别技术中的一个关键问题，许多学者研究发展多种车牌定位算法。简要介绍和比较了目前比较常见的几种车牌定位方法进行了。 车牌识别LPR(License Plate RecognitiON)技术作为交通管理自动化的重要手段和车辆检测系统的一个重要环节，能经过图像抓拍、车牌定位、图像处理、字符分割、字符识别等一系列算法运算，识别出视野范围内的车辆牌照号码；它运用数字图像处理、模式识别、人工智能技术对采集到的汽车图像进行处理，能够实时准确地自动识别出车牌的数字、字母及汉字字符，并以计算机可直接运行的数据形式给出识别结果，使得车辆的电脑化监控和管理成为现实。 车牌识别技术的任务是处理、分析摄取的视频流中复杂背景的车辆图像，定位、分割牌照字符，最后自动识别牌照上的字符。为了保证汽车车牌识别系统能在各种复杂环境下发挥其应有的作用，识别系统必须满足以下要求: (1)鲁棒性:在任何情况下均能可靠正常地工作，且有较高的正确识别率。 (2)实时性:不论在汽车静止还是高速运行情况下，图像的采集识别系统必须在一定时间内识别出车牌全部字符，达到实时识别。 车牌识别技术的关键在于车牌定位、字符分割和字符识别三部分，其中车牌定位的准确与否直接决定后面的字符分割和识别效果，是影响整个LPR系统识别率的主要因素，是车牌识别技术中最为关键的一步。目前车牌定位的方法多种多样, 归纳起来主要有基于纹理特征分析的方法、基于边缘检测的方法、基于数学形态学定位、基于小波分析定位以及基于彩色图像定位等，这些方法各有所长。 1、车牌目标区域特点 车牌定位方法的出发点是利用车牌区域的特征来判断牌照，将车牌区域从整幅车辆图像中分割出来。车牌自身具有许多的固有特征，这些特征对于不同的国家是不同的。从人的视觉角度出发，我国车牌具有以下可用于定位的特征: (1)车牌底色一般与车身颜色、字符颜色有较大差异; (2)车牌有一个连续或由于磨损而不连续的边框; (3)车牌内字符有多个，基本呈水平排列，在牌照的矩形区域内存在丰富的边缘，呈现规则的纹理特征; (4)车牌内字符之间的间隔较均匀，字符和牌照底色在灰度值上存在较大的跳变，字符本身和牌照底内部都有比较均匀的灰度; (5)不同图像中牌照的具体大小、位置不确定，但其长宽比在一定的变化范围内，存在1个最大值和1个最小值。 以上几种特征都是概念性的，各项特征单独看来都非车牌图像所独有，但将它们结合起来可以唯一地确定车牌。在这些特征中，颜色、形状、位置特征最为 1．课程设计的目的 (1)使学生通过实验体会一些主要的分割算子对图像处理的效果，以及各 种因素对分割效果的影响 (2)使用Matlab软件进行图像的分割 (3)能够进行自行评价各主要算子在无噪声条件下和噪声条件下的分割 性能 (4)能够掌握分割条件（阈值等）的选择 (5)完成规定图像的处理并要求正确评价处理结果，能够从理论上做出合 理的解释 2．课程设计的要求 （1）能对图像文件（bmp,jpg,tiff,gif）进行打开，保存，退出等功能操作 （2）包含功能模块：图像的边缘检测（使用不同梯度算子和拉普拉斯算子）（3）封闭轮廓边界 （4）区域分割算法：阈值分割，区域生长等 3．前言 3.1图像阈值分割技术基本原理 所谓图像分割是指根据灰度、彩色、空间纹理、几何形状等特征把图像划分成若干个互不相交的区域，使得这些特征在同一区域内，表现出一致性或相似性，而在不同区域间表现出明显的不同。简单的讲，就是在一幅图像中，把目标从背景中分离出来，以便于进一步处理。图像分割是图像处理与计算机视觉领域低层次视觉中最为基础和重要的领域之一，它是对图像进行视觉分析和模式识别的基本前提。同时它也是一个经典难题，到目前为止既不存在一种通用的图像分割方法，也不存在一种判断是否分割成功的客观标准]5[。 在对图像的研究和应用中，人们往往仅对图像中的某些部分感兴趣，这些部分称为目标或前景(其他部分称为背景)，他们一般对应图像中特定的、具有独特性质的区域。为了辨识和分析目标，需要将他们分离提取出来，在此基础上才有可能对目标进一步利用。图像分割就是指把图像分成格局特性的区域并提取出感兴趣目标的技术和过程。这里特性可以是象素的灰度、颜色、纹理等，预先定义的目标可以对应单个区域，也可以对应多个区域。现有的图像分割算法有：阈值分割、边缘检测和区域提取法。本文着重研究基于阈值法的图像分割技术。 若图像中目标和背景具有不同的灰度集合：目标灰度集合与背景灰度集合，且两个灰度集合可用一个灰度级阈值T进行分割。这样就可以用阈值分割灰度级的方法在图像中分割出目标区域与背景区域，这种方法称为灰度阈值分割方法。 在物体与背景有较强的对比度的图像中，此种方法应用特别有效。比如说物体内部灰度分布均匀一致，背景在另一个灰度级上也分布均匀，这时利用阈值可以将目标与背景分割得很好。如果目标和背景的差别是某些其他特征而不是灰度特征时，那么先将这些特征差别转化为灰度差别，然后再应用阈值分割方法进行处理，这样使用阈值分割技术也可能是有效的 阈值分割 1/*===============================图像分割 =====================================*/ 2 /*-------------------------------------------------------------------------- -*/ 3/*手动设置阀值*/ 4 IplImage* binaryImg = cvCreateImage(cvSize(w, h),IPL_DEPTH_8U, 1); 5 cvThreshold(smoothImgGauss,binaryImg,71,255,CV_THRESH_BINARY); 6 cvNamedWindow("cvThreshold", CV_WINDOW_AUTOSIZE ); 7 cvShowImage( "cvThreshold", binaryImg ); 8//cvReleaseImage(&binaryImg); 9 /*---------------------------------------------------------------------------*/ 10/*自适应阀值 //计算像域邻域的平均灰度，来决定二值化的值*/ 11 IplImage* adThresImg = cvCreateImage(cvSize(w, h),IPL_DEPTH_8U, 1); 12double max_value=255; 13int adpative_method=CV_ADAPTIVE_THRESH_GAUSSIAN_C;//CV_ADAPTIVE_THRESH_MEAN_C 14int threshold_type=CV_THRESH_BINARY; 15int block_size=3;//阈值的象素邻域大小 16int offset=5;//窗口尺寸 17 cvAdaptiveThreshold(smoothImgGauss,adThresImg,max_value,adpative_method, threshold_type,block_size,offset); 18 cvNamedWindow("cvAdaptiveThreshold", CV_WINDOW_AUTOSIZE ); 19 cvShowImage( "cvAdaptiveThreshold", adThresImg ); 20 cvReleaseImage(&adThresImg); 21 /*-------------------------------------------------------------------------- -*/ 22/*最大熵阀值分割法*/ 23IplImage* imgMaxEntropy = cvCreateImage(cvGetSize(imgGrey),IPL_DEPTH_8U,1); 24 MaxEntropy(smoothImgGauss,imgMaxEntropy); 25 cvNamedWindow("MaxEntroyThreshold", CV_WINDOW_AUTOSIZE ); 26 cvShowImage( "MaxEntroyThreshold", imgMaxEntropy );//显示图像 27 cvReleaseImage(&imgMaxEntropy ); 28 /*-------------------------------------------------------------------------- -*/ 29/*基本全局阀值法*/ 30 IplImage* imgBasicGlobalThreshold = cvCreateImage(cvGetSize(imgGrey),IPL_DEPTH_8U,1); 31 cvCopyImage(srcImgGrey,imgBasicGlobalThreshold); 中北大学 毕业设计（论文）任务书 学院、系： 专业： 学生姓名：车永健学号： 设计(论文)题目：基于灰度直方图的图像分割阈值自适应选取方法 起迄日期: 2015年3月9日~2015年6月20日设计(论文)地点: 指导教师:郭晨霞 系主任: 发任务书日期:2015年 2 月25 日 任务书填写要求 1．毕业设计（论文）任务书由指导教师根据各课题的具体情况填写，经学生所在系的负责人审查、系领导签字后生效。此任务书应在毕业设计（论文）开始前一周内填好并发给学生； 2．任务书内容必须用黑墨水笔工整书写或按教务处统一设计的电子文档标准格式（可从教务处网页上下载）打印，不得随便涂改或潦草书写，禁止打印在其它纸上后剪贴； 3．任务书内填写的内容，必须和学生毕业设计（论文）完成的情况相一致，若有变更，应当经过所在专业及系主管领导审批后方可重新填写； 4．任务书内有关“学院、系”、“专业”等名称的填写，应写中文全称，不能写数字代码。学生的“学号”要写全号（如020*******,为10位数），不能只写最后2位或1位数字； 5．有关年月日等日期的填写，应当按照国标GB/T 7408—94《数据元和交换格式、信息交换、日期和时间表示法》规定的要求，一律用阿拉伯数字书写。如“2004年3月15日”或“2004-03-15”。 毕业设计（论文）任务书 毕业设计（论文）任务书 3．对毕业设计（论文）课题成果的要求〔包括毕业设计(论文)、图纸、实物样品等)： 1、论文一份； 2、程序代码及图像结果； 3、英文翻译一份。 4．毕业设计（论文）课题工作进度计划： 起迄日期工作内容 2015年 3月 9 日~ 3 月20日 4 月 1 日~ 4月 20 日 4 月 21 日~ 5月 10 日 5 月 11 日~ 6月 15 日 6 月 16 日~ 6月 19 日查找资料，完成开题报告； 学习有关知识，方案确定，完成中期报告；完善算法并仿真验证； 撰写、修改、评阅毕业论文； 论文答辩 学生所在系审查意见： 系主任： 年月日图像分割方法综述
车牌图像定位与识别
灰度阈值分割算法
基于MATLAB的图像阈值分割技术
基于模式识别的车牌定位算法研究-开题报告
关于车牌定位的一些算法
图像分割算法的比较与分析
图像分割区域生长法
OpenCV下车牌定位算法实现
数字图像处理-常用车牌定位方法的介绍和分析
基于阈值的灰度图像分割
根据阈值的图像分割方法
车牌定位方法
数字图像灰度阈值的图像分割技术matlab
几种常见的阈值分割算法核心代码
基于灰度直方图的图像分割阈值自适应选取方法
相关主题
文本预览