车牌图象转换算法及干扰消除方法研究.docVIP

车牌图象转换算法及干扰消除方法的研究 　　摘要:通过对常用的彩色图象转换成灰度图象算法的分析,找出存在的不足,提出了一种新的转换算法即HLS模型转换算法,使得转换后的灰度图象效果有明显改善。同时对二值化处理后图像中存在的干扰白点采用高斯滤波的方法去除,使二值化图像平滑、少毛刺,具有较好的连通性,为后续字符分割提供了良好的处理环境。 　　关键词:图象转换算法;HLS模型;二值化;高斯滤波 　　中图分类号:U495 文献标识码:A 　　 　　1 引言 　　 　　在智能车牌识别系统中我们获得的是彩色图象,当只需要研究图象的灰度即亮度特性时,为了后端更好的处理和识别,就必须首先将彩色图象转换成灰度图象。人们提出了很多彩色图象的转换模型[1],它们都是基于不同的工业标准来制定的, 其转换的结果存在诸多不足。而在计算机视觉研究领域,因为需要模拟视觉的功能来理解图象中的模式类,则在图象预处理中,对图象的转换就要基于视觉功能的原理来进行,使显示器表现的灰度图象在人的视觉系统中形成的亮度感知接近与彩色图象直接在人的视觉系统中形成的效果。笔者提出一种适合人眼视觉特性的转换算法即HLS模型转换算法,使转换后的灰度图象可以获得较好的效果。 　　通过图象转换后,可以得到较高对比度和亮度的车牌图象,从而可以直接进行二值化处理。但是由于感兴趣的车牌字符区域图象复杂,经过二值化后,字符图象周围出现许多干扰白点,而且字符图象本身的笔画连通性较差,不适合进一步的图象分割处理。为此,笔者提出一种对二值化图象进行高斯滤波的处理方法,来获得满意的二值化图象。 　　下面首先对电视工业标准转换算法和HLS模型转换算法的效果进行分析比较,然后讨论消除转换后图象中干扰的方法。 　　 　　2 采用电视工业标准转换矩阵的转换 　　 　　在彩色电视系统中,不是对三基色的值进行直接编码,而是对转换后的亮度信号和色度信号进行编码,亮度信号的转换是根据X-Y色度图和荧光粉复现的能力来制定的。在彩色电视接收机中对编码的信号进行解码,还原成彩色信号。而在黑白电视接收机中接收到的彩色信号中的亮度信号与真实彩色图象反映的亮度信息是存在一定的失真的。其转换矩阵为: 　　Y=0.3R+0.59G+0.11B(1) 　　式中Y为象素点的亮度。R、G、B分别为三基色的相对强度。 　　在智能车牌识别系统中,我们用计算机通过这种X-Y转换模型来模拟色光亮度的总响应,其效果如图1所示。从图1中可以看出图象中的边缘是不清晰的,达不到后续处理所需图象的清晰度。这说明人眼的视觉系统在感受彩色图象的整体亮度时,神经感觉与感受器感知的强度不是成线性关系的。 　　 　　3 采用HLS模型转化算法的转换 　　 　　HLS(色调、亮度、饱和度)模型[2]与一般的色调、亮度、饱和度模型不同。一般的色调、亮度、饱和度是从色度学角度与RGB模型、CMYK模型等模型之间的线性转换。它们的转换是通过一线性转换矩阵来实现的。而HLS模型是基于视觉感受的模型,它的转换算法是非线性的。其转换的算法为: 　　Y=[MAX(R,G,B)+MIN(R,G,B)]/2×3(2) 　　式中Y为象素点的亮度,R、G、B分别为三基色的相对强度。 　　将HLS模型转换算法用到智能车牌识别系统中,得到的灰度图象如图2所示。比较图1和图2,可以清楚地看到对于图象的边缘区域,图1反映出边缘的亮度噪声,而图2在边缘区域有较好的平滑效果。所以,用HLS模型转换算法使得转换后的灰度图象边缘噪声少,平滑效果好,为后续二值化处理提供了良好的汽车图象。 　　 　　图1 采用X-Y模型转换得到的灰度图象 　　 　　图2 采用HLS模型转换得到的灰度图象 　　 　　4 转换后的二值化图象 　　 　　通过图象的获取与转换, 虽然图象的背景很复杂,但我们所感兴趣的是图象中的车牌字符图象。所以在车牌图象的对比度和亮度都比较高的情况下,可以直接对其进行二值化[3],所取的二值化阈值固定。图3是阈值取127(备注:原图灰度范围为0～255)后二值化的结果。二值化后的图象去除了许多复杂背景信息,但仍然留有一些离散的白点,图4是车牌图象局部放大的图象。 　　 　　图3 阈值为127的二值化图象 　　从图4中可以看到,车牌字符图象的笔画连通性差,并且笔画图象存在锯齿,不平滑,这些都将干扰进一步对车牌图象的分割处理。 　　 　　图4 二值化后局部车牌放大图象 　　 　　5 二值图象的高斯滤波 　　 　　高斯函数对信号中的白噪声有很好的滤除作用,图3中分散的白点也可看作一种白噪声,可以用高斯滤波器进行滤除。一维高斯函数的形式是:?e-x2/2α2?,其曲线如图5所示[4]。 　　 　　图5 高斯曲线图 　　参照