车牌图像识别二值化研究

2023年12月8日发(作者：荣威纯电动车suv)

车牌图像识别＝值化研究　■于伯连　摘要：文章针对传统的二值化方法对车牌图像产生断裂和噪声的问题，分别试验比较了Ｏｔ　ｓｕ方法和Ｎｉｂｌａｃｋ方法，在此基础上研　究了一种基于图像分块的Ｏｔ　ＳＵ二值化方法，把图像分为Ｎ小块分别进行０ｔ　Ｓ／１，对每个小块通过不同的阈值进行二值化。实验结果　表明，二值化方法能有效消除断裂和噪声现象。　关键词：智能交通系统；车牌识别；图像处理；二值化；０ｔ　ＳＵ　１．引言　谷底的某一点。但是对大多数实际图像　来说，谷底是很难被检测到的，尤其是　和类内方差　：，分别由以下两式决定：　＝智能交通是当前交通管理发展的　主要方向，汽车牌照自动识别技术则是　智能交通系统的重要组成部分ｌｌｌ，也是　当谷底很平、很宽，或图像本身充满了　噪声，或是两个峰的高度不平衡，以至　于根本找不出谷的情况下。针对这个问　题，０ｔｓｕ提出了最大类间方差法，它是　＝Ｗ｜（Ｍｉ—Ｍｊ＋Ｗ　ＭｆＭｆ　ＷｉＷ２（Ｍｉ—Ｍ　ｚ）　ｌ１）　（２）　图像处理和模式识别技术研究中的热　点。一般来说，车牌识别过程必须经过　三个主要步骤：车牌定位、车牌字符分　Ｏ＂Ａ＝　，　，＋　２　２　２　在判决分析最小二乘法原理的基础上，　推导得出的自动选取阈值的二值化方　选择方差之比　最大时的阈值Ｔ作为　０ｔｓｕ法定义的最佳阈值。　割、字符的识别。而在分割车牌字符之　前又必须对车牌图像进行二值化，并且　法，其基本思想是将图像直方图用某一　灰度值分割成两组，当两组方差最大　时，此灰度值就作为图像二值化处理的　阈值。Ｏｔｓｕ阈值法使用范围比较广，不　论图像的直方图有无明显的双峰，都能　得到比较满意的分割效果。　Ｏｔｓｕ算法的描述：①求出图像中最　大的灰度ｍａｘ—ｇｒａｙ；②令Ｔ＝０；③求出大　于和小于ｋ的这两类像素总数和像素　其结果的好坏将直将影响字符分割和　字符识别系统的性能指标。图像的二值　化就是对图像进行阈值化分割，将图像　中目标和背景分离出来，易于提取目标　的一种图像处理技术。图像二值化的关　键在于阈值Ｔ的选取，根据阈值Ｔ来区　的灰度平均值；④计算类间方差　：和类　内方差气　：；⑤Ｔ：Ｔ＋Ｉ，循环３～５步，直　到Ｔ＞ｍａｘ—ｇｒａｙ；⑥找出最大的值，得到　相应的阈值Ｔ。　该方法速度快，但是有一些缺点，　如Ｏｔｓｕ法的判别准则函数可能呈双峰，　此时，往往将大量背景错分为字符，导　Ｏｔｓｕ法是在判断分析最Ｊｌ￣Ｚ－乘法　原理的基础上推导出的，是全局阈值二　值化方法中最典型的一种，它的简要原　分图像中的对象和背景。　针对传统的二值化方法对车牌图　像识别效果不好的问题，本文对全局阈　值方法中的０ｔｓｕ方法和局部阈值方法　中的Ｎｉｂｌａｃｋ方法进行比较分析，然后　研究分析基于图像分块的０ｔｓｕ二值化　方法，发现此方法比前两种二值化方法　效果好。　２．０ｔ　ＳＵ二值化方法　理［２１：设给定图像具有Ｌ个灰度级，阈值　设为Ｔ，先统计出图像的灰度直方图，然　后把灰度大于或小于Ｔ的像素分为两　类，即类１和类２，类１中的像素总数为　Ｗ，（　），平均灰度值为　，（ｋ），方差６，　（　）；类２中的像素总数为　（　），平均　灰度值为　（　），方　差为６　（　），所有图　致无法识别，并且容易造成车牌边缘断　裂现象（如图１所示，图１（ｂ）为图１（ａ）用　Ｏｔｓｕ方法进行二值化的结果，图１　ｆｂ１有　明显断裂现象）。　在理想的情况下，图像的灰度直方　图在两个峰ｆ分别代表物体和背景１之间　有一个陡的波谷，这样阈值就可以选为　像像素平均值为　，（ａ）原图　（ｂ）二值化后的图　则类间方差　图１　Ｏｔｓｕ二值化方法结果显示　作者简介：于伯连，天津港建设公司。　ＡＵｇｕｓｔ　２０　１０　ｌｌ叠　０