张黎宾XXXX电子信息工程基于MATLAB的车牌识别系统中图.doc

38 毕 业 论 文 基于 MATLAB 的车牌识别系统中图像预处理 研究 学学 院 院 电气工程学院电气工程学院 专专 业 业 电子信息工程电子信息工程 姓姓 名 名 张黎宾张黎宾 学学 号号 P081613538P081613538 指导老师 指导老师 刘文博刘文博 20122012 年年 5 5 月月 38 基于 MATLAB 的车牌识别系统中图像预处理研究 专业 电子信息工程 姓名 张黎宾 指导教师 刘文博 摘 要 数字图像处理技术是自 1960 年以来发展起来的一门新兴学科 随 着图像处理技术理论和方法的进一步完善 使得数字图像处理技术在许多领 域得到了广泛的应用 并展现出广阔的应用前景 本文主要是研究车牌识别系统中一个重要的模块 图像预处理 为了 使彩色图像减少存储信息 我们可以先对彩色图像进行灰度化 只保留该图 像的亮度信息 本文通过传统的方法中值滤波和均值滤波对图像进行去噪 对结果比较分析 虽然中值滤波比均值滤波效果要好 但是图像还是含有较 多的噪声 所以本文在小波变换的基础上进行了改进 图像经过小波变换后 再进行中值 均值滤波去噪 这样也再次把中值 均值滤波进行对比 通过对 效果图的分析和总结 改进后的去噪效果要比之前的更好 同时改进后的中 值滤波还是比均值滤波好一些 因此基于小波变换的中值滤波是值得采用的 本文提出的针对车牌图像的预处理过程对灰度图像可以达到不错的效 果 并且在一定的程度上解决了因外界因素而造成的车牌图像对比度较低的 问题 关键词 数字图像处理 预处理 中值滤波 I 38 ABSTRACT Digital image processing technology is I emerging subject since 1960 the amelioration of image processing theory and methods gets the Digital image processing technology to be applied widely in many fields and present a broad application prospect in the days to come This paper is mainly research vehicle plate recognition system a important module image preprocessing In order to make the color image to reduce the storage information we can first on the gray of the color images just retaining the brightness information of the image This article through the traditional method of median filter and mean filter for image noise reduction to comparative analysis the result although the effect of median filtering is better than the mean filter the images still contain lots of noise Therefore this paper makes improvement on the basis of wavelet transform image after wavelet transform noise reduction of the median filtering and mean filter It compared the median filtering and mean filter once more According to the effect graph analysis and summary the effect of the improved noise reduction is better than before at the same time the improved median filtering is also better than the improved mean filter so based on wavelet transform is worth the median filter The idea of vehicle plate recognition system will earn a positive result as far as the pray image is concerned and to some degree resolve the problem evoked by internal dampers II 38 Key Words Digital image processing Pre processing Median filtering 目 录 1 绪论 1 1 1 课题的研究背景 1 1 2 车牌识别系统的原理 1 1 3 国内车牌特征 2 1 4 本文的结构安排与主要工作 3 2 MATLAB 简介 5 2 1 初识 MATLAB 5 2 2 MATLAB 的基本功能 6 3 图像灰度化与增强 7 3 1 灰度化 7 3 2 二值化 8 3 3 图像增强 10 3 3 1 图像增强的背景与定义 10 3 3 2 图像增强的意义 11 3 4 直方图 11 3 5 直方图均衡化 13 3 5 1 直方图均衡化的背景 13 3 5 2 直方图修正技术的基础 14 3 5 3 直方图的均衡化 15 4 滤波去噪 18 4 1 中值滤波 18 4 1 1 中值滤波的定义 18 4 1 2 中值滤波的基本原理 18 4 2 均值滤波 19 4 2 1 均值滤波的定义 19 4 2 2 均值滤波的基本原理 20 4 3 基于小波变换的均值 中值滤波图像去噪 23 4 3 1 小波变换 23 4 3 2 对小波变换进行改进 24 4 4 小结 25 5 总结 28 致 谢 29 参考文献 30 附 录 31 0 38 1 绪论 1 1 课题的研究背景 随着经济的快速增长 汽车走进寻常百姓家庭已经是常事 汽车的拥 有人数也不断的在刷新 进入 2000 年以来 全世界各国的交通堵塞 交通 事故和环境污染等问题越来越影响着人民经济水平的提高和生活质量的改 善 人们也越来越重视城市道路的交通状况 怎样有效地改进交通管理 已经慢慢地成为相关部门关注的重点 面对这问题 研究技术人员将电子 信息技术 计算机理论技术 传感器技术集成运用于道路交通的实际需求 先后研究开发了以下几种系统 交通道路监管系统 车辆控制系统和道路 交通安全系统 此类系统将车辆和道路结合起来进行分析 运用各种先进 的技术解决道路交通的问题 统称为智能交通系统 Intelligent Transportation System 简称 ITS 1 车牌识别 VLPR 是智能交通系统中的一个重要组成部分 应用非常 广泛 它是以数字图像处理 模式识别 计算机视觉等技术为基础 对所 拍摄的车辆图像或者视频序列进行分析 得到每辆汽车唯一的车牌号码 进而完成车牌识别的过程 2 通过某些后续的处理办法可以实现很多功能 比如说停车位收费管理 车流量控制 车辆定位 车辆限行 车辆防盗 公路超速监管 闯红灯 公路收费站等等 对于车辆管理 防止交通堵塞 以便于更好的管理交通秩序有着实际意义 1 2 车牌识别系统的原理 车牌识别系统主要是由图像预处理 车牌定位 图像采集 车牌识别 字符分割等环节组成 车牌识别系统的基本工作步骤是先把拍摄到的车辆 1 38 车牌号码的图像输入计算机进行图像预处理 再通过车牌识别模块对车辆 车牌进行定位 识别 检测 并且分割出含有车牌号码字符的区域 而后 对该图像进行二值化处理 并将其分割成单个字符 规整后输入字符识别 模块进行识别 之后把识别出来的结果存储到数据库里面 1 3 国内车牌特征 标准的车牌上的信息一般包含有七个字符 第一位字符为各省的简称 比如甘肃省简称 甘 青海省简称 青 次位为英文字母 它表示此省 的地区 字母 A 都为各省份的省会 比如 甘 A 就代表的是甘肃兰州 的车牌 下一位为英文大写字母或者是数字 末四位字符一般情况下都为 数字 如图 1 1 所示 图 1 1 一般的标准车牌号码 不同颜色的车牌具有不同特征 我国的车牌有以下四种类型 蓝底白字 指的是小功率汽车的车牌 黄底黑字表示大功率汽车的车牌 而军警用的 车牌是白底黑红字 黑底白字表示国外驻华使馆用的车牌 如图 1 2 所示 图 1 2 a 小功率车牌 2 38 图 1 2 b 大功率车牌 图 1 2 c 军警车牌 图 1 2 d 驻华使馆车牌 1 4 本文的结构安排与主要工作 本文研究的只是车牌识别系统中图像预处理那一部分 图像预处理是 车牌识别流程的第一步 处理效果直接影响到最后的结果 所以对图像进 行预处理是很关键的一步 图像预处理包括图像灰度化 二值化 直方图 均衡化 滤波去噪等 第一章绪论部分 介绍了本论文研究的背景和意义 概述了车牌识别 系统在国内外的发展和应用现状 介绍了车牌识别系统的定义以及原理 具体给出本文研究的课题 图像预处理以及方法 最后给出了本文的内容 安排 第二章 MATLAB 简介部分 简单介绍了 MATLAB 的背景 特点及基 3 38 本功能 第三章图像灰度化和图像增强部分 主要介绍了图像预处理的以下几 种方法 灰度化 二值化 图像增强等 第四章滤波去噪部分 首先介绍了中值滤波 均值滤波 然后对各自 处理的图像进行比较 之后还对小波变换进行改进 对结果再次进行比较 第五章小结部分 4 38 2 MATLAB 简介 MATLAB 是目前最优秀的科学计算软件之一 也是许多科学领域中分 析 应用和开发的基本工具 Matrix Laboratory 是 MATLAB 的全称 是由 美国 Mathworks 公司于上个世纪 80 年代推出的数学软件 最初它是一种专 门运用于矩阵运算的软件 经过多年的发展 MATLAB 具有编写简单 代 码效率高等优点 使得它在通信 信号处理 图像处理 经融计算等领域 得到广泛应用 3 2 1 初识 MATLAB MATLAB 作为一款优秀的科学计算软件 是进行算法开发 数据可视 化 数据分析以及数值计算的交互式应用开发环境 全球许多科研工作者 都在使用 MATLAB 产品来加快他们的科研进程 缩短数据分析和算法开发 的时间 以便于他们能够尽快地研究出先进 高端的产品或者技术 与传 统的 C 语言 C 和 Fortran 语言相比较 MATLAB 提供了高效快速解决 各种科学计算问题的方法 目前 MATLAB 产品已经被广泛认可为科学计 算领域内的标准软件之一 MATLAB 已经被广泛地应用于许多不同领域 例如信号与数字图像处 理领域 通信系统领域 经融数据分析领域以及生物科学领域等 MATLAB 有以下几个特点 4 1 高级科学计算语言 5 38 2 代码 数据文件的集成管理环境 3 算法设计开发的交互式工具 4 用于线性代数 统计 傅立叶分析 滤波器设计 优化和数值计算的基 本数学函数 5 2 D 和 3 D 数据可视化 6 创建自定义工程师图形界面的工具 7 与第三方算法开发工具 C C FORTRAN Java COM Microsoft Excel 集成开发基于 MATLAB 的算法 2 2 MATLAB 的基本功能 目前 MATLAB 的基本功能 5 如下 1 数学计算功能 2 图形化显示功能 3 M 语言编程功能 4 编译功能 5 图形用户界面开发功能 6 Simulink 建模仿真功能 7 自动代码生成功能 6 38 3 图像灰度化与增强 在实际应用中 很多时候因为拍摄环境的多变性 在自然条件下拍摄 的车牌往往存在着各种各样的噪声 这样就使得对后期的车牌定位增加了 难度 直接影响着字符的分割和准确的识别 因此 必须对原始图像进行 图像预处理 使得图像的质量得到很大的改善 以提高字符的识别率 本 文主要讨论车牌图像预处理的一些常用方法 包括图像的灰度化 二值化 图像增强等 3 1 灰度化 车牌图像一般情况下可以分为彩色图像和灰度图像 彩色图像指的是 它的像素点是由 R 红色 G 绿色 B 蓝色 三种元色混合而成的 R G B 的含量不同就会构成成不同的颜色 而灰度图像指的是只显示亮 度信息 不包含彩色信息的图像 假如要表示灰度图像的话 就得量化灰 度图像的亮度值 通常把灰度值划分在 0 255 范围内 总共 256 个等级 0 表示黑 而 255 则表示最亮 也就是全白 对彩色图像进行灰度化处理 一般都采用以下公式 gray 0 39 R 0 50 G 0 11 B 其中 gray 为灰度值 具体过程如图 3 1 所示 读取图 像数据 得到红绿蓝 三色分量 计算像素 点灰度值 像素点着色分 量重新赋值 得到灰 度图像 7 38 图 3 1 图像的灰度变换 车牌图像预处理的研究一般以灰度图像为研究对象 因为彩色图像的 颜色信息量非常大 如果对进行识别往往会因为背景的复杂而受到影响 并且存在很多的不足 而灰度图像是一种最简单 有效的对比度增强方法 彩色图像的灰度变换程序以及显示的结果如下 I imread 原图 jpg I1 rgb2gray I figure imshow I1 图 3 2 a 原图 8 38 图 3 2 b 灰度图像 3 2 二值化 图像二值化指的是把原本的彩色图像处理成只有黑与白这两个级别的图 像 在后继研究车牌识别过程中 对图像进行二值化处理是尤其关键的 因为二值化的效果将直接影响到车牌定位 字符分割以及字符识别 图像的二值化处理过程将会使原图像损失很多有用的信息 所以在进 行二值化预处理的过程中 非常关键的一步是经过处理后能否保留原图的 主要特征 而正确选择阈值起着至关重要的作用 对图像二值化进行选取 阈值有很多种方法 主要的方法一般可划分为以下 3 大类 1 整体阈值法 它是指在对图像进行二值化处理过程中只采用一个整 体阈值的方法 它把原始图像的每一个像素的灰度值与整体阈值 x 进行比 较 若该像素的灰度值大于 x 就取其为白色 若小于 则取为黑色 假x 设原图像 g0 n0 m0 其灰度值范围是 k1 km 在 k1和 km之间选择一个 合适的灰度值 x 二值化后的图像 gk n0 m0 可表示为 3 1 x m ng 255 x m ng 0 m ng 000 000 00k 2 局部阈值法 指的是由当前的像素的灰度值与该值附近灰度值的局 部灰度特征值来确定该像素的阈值 3 动态阈值法 它的阈值选择不但取决于该像素及其附近像素的灰 度值 还与该像素的坐标位置有关 6 图像二值化程序以及结果 A imread 灰度 jpg B im2bw A 0 4 9 38 subplot 1 1 1 imshow B 图 3 3 a 灰度图像 图 3 3 b 二值化图像 3 3 图像增强 3 3 1 图像增强的背景与定义 图像增强是图像处理过程中常常使用的一种方法 它对提高图像的质 量起着非常大的作用 在通常情况下 在拍摄时由于光照条件的影响 可 能会导致拍摄出来的照片图像太暗或者太亮 光学系统的失真 相对运动 大气流动等都会导致图像模糊 传输过程中将会导致各种噪声 因此 输 10 38 入图像的视觉效果和识别等方面都可能有许许多多的问题 图像增强 是指 需要根据特定的突出形象与重要信息 删除不需要信息 通过不同的途径所 拍摄的图像 然后适当的进行一些图像增强处理 可以使原本模糊不清或 无法辨认的图像变得清晰并且富含大量有价值信息的图像 并且可以有效 地去除原图像的是真部分 含有噪声部分 增强图像的边缘部分 3 3 2 图像增强的意义 图像增强的目的是为了增强图像的视觉效果 使增强后的图像更适合 人眼的识别 计算机识别分析以及处理 图像增强常常要在人眼的视觉效 果的帮助下 来获取视觉效果更佳的图像 只是一般情况下很少会涉及到 客观以及统一的评价标准 增强的效果通常都与原本的图像有关 依靠人 的主观给予评价 图像增强一般是一个比较矛盾的过程 图像增强既希望能够很好的去 除噪声又希望增强边缘视觉效果 只可是 一旦增强了图像的边缘就会对 图像增加了噪声 而去除噪声又会使图像边缘变得不清晰 因此在进行图 像增强的时候 往往都是将去除噪声和增强边缘这两部分进行折中 找一 个效果比较好的函数来达到让人满意的增强目的 3 4 直方图 图像的直方图是一种重要的统计方法 它类似于图像灰度分布函数 一般情况下 要想得到精确的图像的灰度密度函数是比较困难的 在实际 情况中 可以用数字图像灰度直方图来代替 归纳起来 灰度直方图主要 有以下几点性质 7 直方图中不包含位置信息 直方图只是反应了图像 灰度分布的特性 和灰度所在的位置没有关系 不同的图像可能具有相近 11 38 或者完全相同的直方图分布 直方图反应了图像的整体灰度 直方图反 应了图像的整体灰度分布情况 对于暗色图像 直方图的组成集中在灰度 级低 暗 的一侧 相反 明亮图像的直方图则倾向于灰度级高的一侧 直方图的可叠加性 一幅图像的直方图等于它各个部分直方图的和 直方图具有统计特性 从直方图的定义可知 连续图像的直方图是一位连 续函数 它具有统计特征 直方图的动态范围 直方图的动态范围是由 计算机图像处理系统的模数转换器的灰度级决定 8 MATLAB 提供了 imhist 函数来计算和显示灰度图像的直方图 灰度直 方图描述的是图像中具有该灰度值的像素的个数 如图 3 4 所示 b 为图 像 a 的灰度直方图 程序如下 img imread 原图 jpg p rgb2gray img h imhist p h1 h 1 2 256 h2 1 2 256 stem h2 h1 r figure imhist p 图 3 4 a 原图 12 38 图 3 5 b 直方图 当图像的灰度对比度较小时 从灰度直方图上可以看出有一小段密集 的分布在灰度轴上一个区间上 比较暗的图像的包含的像素灰度值都很低 所以它的灰度直方图的主要部分分布在灰度值较低的那一小段区间上 而 在灰度值较高的区间上的分布较少或基本没有 较亮的图像的灰度直方图 分布情况则正好相反 3 5 直方图均衡化 3 5 1 直方图均衡化的背景 在实际应用中 无论采用哪种装置输入的采集的图像 由于光照 噪 声等原因 图像的质量往往不能令人满意 例如 检测图像的边缘过于模 糊 图像的失真 变形等等 所以这些图像常常需要采取一系列的方法来 改善图像以求达到更好的效果 图像增强技术正是在此基础上提出的 图 像增强处理方法可以根据图像增强处理所处的空间不同 可分为基于空间 域的增强方法和基于频率域的增强方法两类 空间域处理方法是在图像像 13 38 素组成的二维空间里直接对每一个像素的灰度值进行处理 它可以是一幅 图像内像素点之间的运算处理 也可以是数幅图像间的相应像素点之间的 运算处理 频率域处理方法是在图形的变换域对图像进行间接处理 其特 点是先将图像进行变换 在空间域对图像作傅里叶变换得到它的频谱 然 后按照某种变化模型 如傅里叶变换 变换到频率域 完成图像由空间域 变换到频率域 然后在频率域内对图像进行低通或高通频率域滤波处理 处理完之后 再将其反变换到空间域 在图像增强中 直方图均衡化算法是空间域增强法中的最常用 也是 最重要的算法之一 它以概率论为基础 运用灰度点运算来实现直方图的 变换 进而达到增强图像的目的 本文介绍的直方图修正法可以通过对直 方图进行均匀化修正 可使图像的灰度间距增大 灰度均匀分布 增大反 差 使图像变得更加清晰 更适合人眼的识别 3 5 2 直方图修正技术的基础 给定某一图像的灰度级 当它经过归一化处理后 灰度值的范围在 0 1 内 此时可以对 0 1 区间内的任意一个r值进行以下变换 s T r 3 2 也就是说 通过上述变换 每个原始图像的像素值r都对应产生一个 s值 变换函数T r 应该满足以下两个条件 9 1 在 0 r 1 区间内 T r 是单值单调递增的 2 对于 0 r 1 有 0 T r 1 从s到r的反函数可用式 3 3 表示 也同样的满足上述两个条件 3 3 1 rTs 14 38 通过概率论的理论可以让我们知道 如果随机变量 已知的概率密度 为Pr r 而随机变量 是 的函数 即 T 的概率密度则为 Ps s 所以可以由Pr r 求出Ps s 10 由于s T r 是单调递增的 因此 它的反函数r T 1 s 也是单调递增 的 在此情况下 当 s 且仅当 时出现 因此可以求得随机变 量 的分布函数为 3 4 r r F sPsprp x dx 再对式 3 4 两边进行求导 就可以得到随即变量 的分布密度函数Ps s 为 3 5 1 11 srrr r Ts drddr P sP rp rTsp rTs dsdsds 由式 3 5 可知 对于连续情况 设Pr r 和Ps s 分别表示原图像和变 换后图像的灰度级概率密度函数 Ps s 可由式 3 5 求出 3 5 3 直方图的均衡化 直方图均衡化过程如下 计算原图像的灰度直方图 计算原图像的灰度图像的灰度分布函数 然后求出灰度变换表 根据灰度变换表 将原图像各灰度级映射为新的灰度级 在 MATLAB 中 imhist 函数可以实现直方图均衡化 该命令对灰度图 像 I 进行变换 返回有 N 级灰度的图像 J J 中的每个灰度级具有大致相同 的像素点 所以图像 J 的直方图较为平坦 当 N 小于 I 中灰度级数时 J 的 直方图更为平坦 缺省的 N 值为 64 以下展示了直方图均衡化的效果 程序见附录 1 15 38 图 3 6 a 原始图像 图 3 6 b 原始图像直方图 图 3 6 c 均衡化图像 图 3 6 d 均衡化后直方图 通过对以上 4 幅图进行比较分析可以看出 原始图的灰度值分布范围 在是 100 到 150 之间比较密集 所以从整体上原图像的对比度相对来说比 较差 经过直方图均衡化处理后 灰度值几乎是均匀的分布在 0 到 255 的 范围内 图像明暗分明 对比度相对来说比较好 图像看起来也比较清晰 明亮 所以通过直方图均衡化处理后能够很好的改善了原始图的视觉效果 通过图像可以看到均衡化的有点在于它能够使得处理后图像的概率密 度函数近似服从均匀分布 其结果扩张了像素值的动态范围 是一种常用 16 38 的图像增强算法 但是也有不足之处 就是不能很好的抑制噪声 下面对处理后的图像放在同一个界面 如下图所示 图 3 7 处理后的图像 17 38 4 滤波去噪 4 1 中值滤波 4 1 1 中值滤波的定义 在图像滤波中 线性滤波与非线性滤波这两种技术是经常使用的滤波 方法 线性滤波技术根据它完美的理论为基础 处理起来比较简单 容易 被采用和容易硬件的实现等特点 非线性滤波技术则是根据对输入信号序 列的一种非线性投影 常常将某一个特定的噪声近似为零而保留信号的重 要特征 在某种程度上弥补了线性滤波技术的缺陷 非线性滤波技术使用 最多的是中值滤波 它处理多维信号的时候 对狭窄的脉冲信号抑制能力 较强 但是中值滤波技术对均匀分布噪声和高斯噪声滤波性能比较差 中值滤波技术是一种非常典型的低通滤波器 它的目的是为了保护图像 的边缘并且去除噪声 中值滤波 指的就是把以某一点 x y 为中心的窗口 内的所有像素点的灰度值按顺序排列 若窗口中的像素点是奇数个 那么把 最中间的那个值代替 x y 处的灰度值 若窗口中的像素点是偶数个 则取 那两个中间值的平均值代替 x y 处的灰度值 中值滤波对去除椒盐噪声很 有效 但它的缺点是采用一致的处理所有像素点 因此在滤除噪声的同时 有可能改变了真正像素点的灰度值 导致误差的产生 损坏图像的边缘和 细节 所以中值滤波技术对高斯噪声和均匀分布噪声不是很有效 4 1 2 中值滤波的基本原理 中值滤波一开始只是被应用在一维的信号处理技术中 后来被用于二 18 38 维图像信号处理技术 在某些情况下 它可以弥补线性滤波技术带来的不 足 比如图像细节模糊不清等 而且对滤除脉冲干扰及图像扫描噪声是最 有效的 但对于一些细节比较多 尤其是点 线 更复杂的图像不适合采 用中值滤波的方法 中值滤波的基本原理是把数字图像或数字序列中一点的值用该点的一 个邻域中各点值的中值代替 11 假如有这样一个一维序列 f1 f2 fn 取窗口长度为 m m 为奇数 对该序列进行中值滤波处理 也就是说在输入的一维序列中先后抽出 m 个 数 fi v fi 1 fi fi 1 fi v 其中 i 为窗口的中心位置 v m 1 2 然后将这 m 个点按照它们的数值大小进行排列 把序列号是最 中间的那个数取出来作为输出 用数学公式表示为 4 1 viivii fffMedY 2 1 m vZi 如 有一个序列为 0 3 4 1 6 则中值滤波为重新排序后 的序列 0 1 3 4 6 中间的值为 3 对二维序列 Xij 进行中值滤波处理时 滤波窗口也是一个二维的序 列 但是这种二维窗口可以是各种各样不同的形状 比如线条状 十字交 叉形 方形 圆形 圆环状等 二维数据的中值滤波可以表示为 4 3 为滤波窗口AXMedY ij A ji 在实际情况下使用窗口的时候 窗口的大小一般先取 3 3 大小的再取 5 5 然后逐渐增大 直到其滤波的效果令人满意为止 对于一些有缓缓的 较长轮廓线物体的图像 一般采用方形或者圆形的窗口 这两者都比较适 合 而对于一些图像中含有尖角的物体时 则应该采用十字交叉形的窗口 19 38 使用二维中值滤波最值得注意的是保持图像中有效的细线状物体 12 4 2 均值滤波 4 2 1 均值滤波的定义 均值滤波是一种非常典型的线性滤波算法 它指的是在图像上对目标 像素给一个一个模块 该模块包括了其附近的临近像素 以目标像素为中 心的周围 8 个像素 构成一个滤波模块 即去掉目标像素本身 再用模块 中的全体像素的平均值来代替原来像素值 4 2 2 均值滤波的基本原理 均值滤波通常也叫做线性滤波 平均法是它经常采用的方法 它的基 本原理是用原来像素值的附近平均值代替原来图像中的每一个像素值 即 处理的当前像素点 x y 把该像素点的附近若干个像素点组成一个模块 求出该模块中所有像素点的平均值 再把刚才算出的平均值作为当前像素 点 x y 的值 假设处理后的像素在该点上的灰度值 u x y 即 u x y 1 m f x y 4 3 接着用以上那个例子 有一个序列为 0 3 4 1 6 用平均滤波进 行处理 则窗口大小为 5 所以均值滤波输出的值为 0 3 4 1 6 5 2 8 因此平均滤波的一般输出为 4 4 mffffZ viivivii 1 Zi 均值滤波的缺点在于经过处理后的图像会变的模糊不清 因为该处理 的方法是对所有的点都是一模一样的处理效果 在将噪声点分摊的同时 将图像的边界点也分摊了 20 38 下面通过图像处理的效果对中值滤波和均值滤波进行比较 I imread 灰度 jpg figure 1 imshow I title 原图 K fspecial average 5 K1 filter2 K J 255 figure 2 imshow K1 title 均值滤波 L medfilt2 J 3 5 figure 3 imshow L title 中值滤波 图 4 1 a 灰度图像 图 4 1 b 均值滤波处理后的图像 图 4 1 c 中值滤波处理后的图像 经过上述对图像的处理 可以看出 经过均值滤波处理后的图像有些 21 38 模糊 让人看了不是很舒服 而经过中值滤波处理后的图像效果要好一些 可是 两者的差别不是特别的大 所以在原图像中加入一定的椒盐噪声 高斯噪声 进行比较 利用均值滤波和中值滤波进行去噪 然后观察其结 果 过程如下 1 使用 imread 读入原彩色图像 2 因为使用中值滤波器只能对灰度图像进行处理 所以先利用 rgb2gray 将 彩色图像转化为灰度图像 3 用 imnoise 在灰度图像中加入椒盐噪声 高斯噪声 4 分别对图像进行均值滤波和利用 medfilt2 函数进行中值滤波 并在 matlab 环境下运行 程序与结果如下 I imread 原图 jpg I rgb2gray I J imnoise I gaussian 0 0 01 subplot 2 2 1 imshow I title 原图 subplot 2 2 2 imshow J title noise K1 imnoise J salt imshow K1 title 平均滤波 L medfilt2 J 3 5 subplot 2 2 4 imshow L title 中值滤波 22 38 图 4 2 a 加入椒盐噪声后 I imread 灰度 jpg I rgb2gray I J imnoise I gaussian 0 0 05 subplot 2 2 1 imshow I title 原图 subplot 2 2 2 imshow J title noise K fspecial average 5 K1 filter2 K J 255 subplot 2 2 3 imshow K1 title 平均滤波 L medfilt2 J 3 5 subplot 2 2 4 imshow L title 中值滤波 23 38 图 4 2 b 加入高斯噪声后 4 3 基于小波变换的均值 中值滤波图像去噪 4 3 1 小波变换 小波变换是上个世纪 80 年代中后期逐步发展起来的一种新的数学算法 已在模式识别 语音识别与合成 地震信号处理 图像纹理分析 图像编 码和压缩等信号与图像处理领域得到了非常广泛的应用 13 小波变换的基本思想是通过一个母函数在时间上的平移和在尺度上的 伸缩得到一个函数族 然后利用这族函数去表示或逼近信号或函数 获得 一种能自动适应各种频变成分的有效的信号分析手段 小波变换特别适用 于那些在不同时间窗口内 具有不同的频率特性 刚好弥补了傅立叶变换 的不足之处 因为傅立叶变换不能描述随时间变化的频率特性 通过下面的实际处理进行观察 程序见附录 2 24 38 图 4 3 小波变换 4 3 2 对小波变换进行改进 改进算法流程图如下 图 4 4 改进后的步骤 我的改进方案是将原始图像先进行小波变换 然后分别进行均值 中 值滤波 得到去噪图像 过程如下 1 使用 imread 读入原彩色图像 2 利用 rgb2gray 将彩色图像转化为灰度图像 3 利用函数 wrcoef2 将图像进行 2 次小波去噪 4 对小波去噪后的图像再次分别进行均值 中值滤波去噪 程序见附录 3 结果如下 原始图像 小波变换 中值滤波 均值滤波 去噪图像 25 38 图 4 5 改进后的图像 4 4 小结 图 4 6 中值 均值滤波比较 通过比较我们可以得出结论 对于椒盐噪声 中值滤波比均值滤波效 果好 对于高斯噪声 均值滤波比中值滤波效果好 以前学的都是些理论 现在通过实际的图片进行比较 可以让我们更好的了解中值滤波 均值滤 波 26 38 图 4 7 a 原图 图 4 7 b 加噪声图像 图 4 7 c 均值滤波去噪 图 4 7 d 小波去噪 图 4 7 e 改进后的均值滤波去噪 图 4 7 f 改进后的中值滤波去噪 通过对以上处理后的图像进行比较分析 经过改进后的中值滤波效果 27 38 最好 因此是值得采用的 图 4 8 a 蓝底白字车牌 图 4 8 a 黄底黑字车牌 图 4 8 b 驻华使馆车牌图 4 8 c 军警车牌 通过效果图我们可以看出不仅仅只是针对普通车牌 也可以对特殊车 牌进行处理 5 总结 在图像处理过程中 消除图像的噪声是一个非常重要的问题 本文利用 28 38 MATLAB 软件 采用中值滤波 均值滤波的方法 对带有椒盐噪声和高斯噪 声的图像进行处理 经过滤波后进行比较 发现中值滤波对处理后的椒盐噪 声图像既适合人眼的视觉效果又能够消除图像中的干扰影响 通过本次试 验我们可以看到对于椒盐噪声 中值滤波比均值滤波处理后的效果要好 它可以做到既去除噪声又能保护图像的边缘 从而获得较满意的复原效果 因此中值滤波是图像处理所不可缺少的 许多类型的图像噪声都可以利用中 值滤波法加以除噪 本文利用数字图像处理技术对彩色图像的车牌预处理技术进行了研究 首先阐述了车牌识别技术的研究意义和原理 介绍了车牌识别的发展 现 状和应用 分析了车牌预处理的难点 接着对车牌识别预处理行了研究 分析了各种预处理的方法的优缺点 原图像经过图像变换的时候噪声很少 所以在去噪滤波部分加了一些椒盐噪声和高斯噪声 然后分别用中值滤波 和均值滤波对椒盐噪声 高斯噪声进行处理并比较 图像去噪过程中 主要采用了中值滤波 均值滤波 小波变换 由于 每种方法都有优缺点 所以进行了改进 把中值滤波 均值滤波及小波变 换三者结合 对图像先进行小波变换 之后分别用中值滤波 均值滤波进 行处理 通过对得到的效果图进行比较 可以发现中值滤波比均值滤波更 适合 所以 基于小波变换后的中值滤波是值得采用的 致 谢 毕业论文完成的时候 我的内心无法平静 大学期间 特别是毕业论 29 38 文完成期间 老师和同学给予了我很多无私的帮助 对此 我深表感激 首先我要感谢我的导师刘文博老师 感谢她对我至始至终的关心 指 导和教诲 刘老师身上的崇高品质对我将是一生的鞭策 本次毕业论文从课题选题 信息采集到论文的撰写都是在刘老师全面 具体和耐心的指导下完成的 特别是刘老师不厌其烦的指出论文中的不足 及问题的解决思路 使我感受到刘老师学识的渊博 思维的敏锐还有认真 的态度 论文撰写的过程中 从行文的用语到格式的规范 都力求完美 这里再次对刘文博老师无私的付出表示深深的谢意 其次在设计的过程中 感谢帮助过我的同学们 在此对其表示感谢 然后感谢电气工程学院各位老师对我的栽培和关心 感谢我的家人在 大学期间对我的支持和鼓励 最后祝各位老师工作顺利 同时也祝我们电气工程学院明天更辉煌 参考文献 1 丁兆坤 车牌识别技术研究 D 东北大学 2004 30 38 2 丁芝娟 基于图像处理的车牌识别系统设计与应用 D 长安大学 2011 3 刘慧颖 MATLAB R2007 基础教程 J 清华大学出版社 2008 4 刘慧颖 MATLAB R2007 基础教程 J 清华大学出版社 2008 5 刘慧颖 MATLAB R2007 基础教程 J 清华大学出版社 2008 6 孙鑫 特征子空间法人脸识别研究 D 成都 电子科技大学 2005 7 王胜军 图像增强方法的研究 D 大连海事大学 2005 8 张丽秋 基于分类技术的肺部 CT 图像识别 D 东北大学 2008 9 肖玉龙 医学图像假彩色增强技术研究 D 北京交通大学 2005 10 牛