【正文】 正是由于趙老師細心認真的指導，及時地糾正總體設計方案及論文方面的錯誤，讓我能夠鍥而不舍的堅持下去, 我才能很好地完成了設計。 (2)需要進一步開拓彩色圖像和背景復雜圖像中的文字提取的應用領域，應用需求的缺乏導致這方面研究工作開展的難度。傳統(tǒng)的彩色圖像邊緣檢測算子是將灰度圖像邊緣檢測算子分別作用于顏色空間各個分量上，忽視了彩色分量間的關聯(lián)關系，往往會出現(xiàn)多邊緣和寬邊緣情況，不能充分體現(xiàn)顏色的距離，造成復雜圖像的分割困難。 若不滿足的話對行計數器進行清0 處理, 直到重新得到滿足條件的行。在經過邊緣檢測算子處理過的圖像中采用逐行逐像素點相比較判斷跳躍點次數的方法來尋找車牌的上下邊界, 這里的跳躍點是指相鄰兩像素之間灰度值之差在一定閾值之上的點。根據文本圖像的直方圖或灰度空間分布確定一個閾值，以此實現(xiàn)灰度文本圖像到二值圖像的轉化。[Ye04]中，Ye等在HSI顏色空間中使用GMM表示文字顏色的H, I兩分量的分布，首先利用文字的“邊緣對”特性通過采樣得到一部分屬于文字的像素，然后使用這些樣本在線估計GMM的參數并根據GMM提取剩余的文字像素[26]。 近年來，研究人員在文字分割方面做了大量有意義的工作，提出了很多方法，這些方法大致可分成以下三類[23]: a 基于顏色閾值的方法。設原灰度圖像為f(x,y)，二值化后的圖像為g(x,y),二值化的過程表示如下： ()二值化，基于實時性的要求，我力求尋找一種快速而且效果較好的方法，能夠更有針對性的解決在不同條件下牌照圖像的二值化問題。圖像二值化是指整幅圖像畫面內僅黑、白二值的圖像。開運算通常用來消除小對象物、在纖細點處分離物體、平滑較大物體的邊界的同時并不明顯改變其面積。符號“+”代表該結構元素的原點，本例中，原點位于結構元素之內。a. 腐蝕(Erosion)腐蝕是在結構元素的約束下，消除物體的部分邊界點的一種過程。為了使二值化取得良好的效果,首先對邊緣圖像進行形態(tài)學填充,彌合孔洞去除噪聲,再進行自適應的閾值分割獲取二值圖像。若某個像素的灰度值與其梯度方向上前后兩個像素的灰度值相比不是最大的，那么將這個像素值置為0，即不是邊緣。2. 梯度取兩次閾值。算法如下:1. 用 33 高斯濾波器來對圖像濾波，以取出圖像中的噪聲。從以下的3個標準意義來說，Canny邊緣檢測算子對白噪聲影響的階躍型邊緣是最優(yōu)。由于平滑會導致邊緣的延展，因此邊緣檢測器只考慮那些具有局部梯度最大值的點為邊緣點，這一點可以用二階倒數零交叉點來實現(xiàn)。 （）梯度的大小和方向是由： （） （）因此最簡單的邊緣檢測算子是用圖像的垂直和水平差分來逼近梯度算子： （）因此當我想尋找邊緣的時候，最簡單的方法是對每一個像素計算出的向量,然后求出他的絕對值，然后進行閥值操作就可以了。用這個最大值作為算子的輸出值MIA，這樣可將邊緣像素檢測出來[13]。由于常量c的不同，這一算子與Sobel算子不同的地方在于沒有把重點放在接近模板中心的像素點。最簡單的邊緣檢測判斷依據是梯度幅值。僅僅依靠單一文本特征的圖像分割方法不適于復雜彩色圖像文本的提取,必須要在初步提取的基礎上,考慮更多的文本特征,對候選文本區(qū)域進行篩選。 經過上述方法分割出來的文本區(qū)域圖像中存在目標文本、背景還有噪聲，要想從圖像中直接提取目標物體，最常用的方法就是設定一個閾值T，用T將圖像的數據分成兩部分：大于T的像素群和小于T的像素群，即對圖像的二值化。變換函數應該滿足下列條件：① 在區(qū)間內，是單值單調增加； ② 對于，有這里第一個條件保證了圖像的灰度級西歐哪個白到黑的次序不變和反變換函數的存在。本文應用中值濾波對圖像進行降噪，所以根據中值濾波原理可知,通過數據排序的方法,將圖像中未被噪聲污染的點代替噪聲點的值的概率比較大,因此噪聲的抑制效果很好,同時畫面的輪廓依然比較清晰。因此，對圖像進行去噪對圖像文本的提取很是重要。 ()其中考慮了整數除法的四舍五入。想要精確的提取出文本區(qū)域,必須綜合考慮文本的各種特征,在初步提取的基礎上利用各種限制性條件,濾除非文本區(qū)域,得到目標文本。根據圖片底色等有關的先驗知識，采用彩色像素點統(tǒng)計的方法分割出合理的文本區(qū)域，確定圖片底色RGB對應的各自灰度范圍，然后行方向統(tǒng)計在此顏色范圍內的像素點數量，設定合理的閾值，確定車牌在行方向的合理區(qū)域。該方法包括文字區(qū)域的粗定位和細定位兩個步驟。通常文字在字體、大小、顏色、對齊方式和排列方向上常常有很大的變化，文字背景復雜，圖像分辨率低，圖像噪聲高，而且很多系統(tǒng)在應用上還要求算法有較高的處理速度，這些都使得從圖像中有效地提取出文字變得異常困難。字符識別圖像采集字符分割文字定位圖像預處理 彩色圖像文本提取 文本信息提取流程包含了文字定位、文字分割和光學字符識別(OCR)三個串聯(lián)的階段。其主要的難點在于:文本存在于復雜背景之中難以區(qū)分；文本存在嚴重的形變和幾何畸變；自然環(huán)境下由于照度的不均勻、陰影、反射等原因等造成的文本圖像的亮度變化。結合數學形態(tài)學中各種運算做了文本細定位。若能準確的將這些文字信息定位出來，并進行處理，使之能夠被傳統(tǒng)的OCR軟件識別并被轉化成為機器內碼，結合自然語言處理，文本檢索，文本翻譯，語音合成等技術可以被應用到各種應用領域。黃曉東等[15]綜合應用小波變換和顏色聚類技術來提取視頻幀中的字幕區(qū)域。王辰等[6]等通過灰度邊緣檢測來定位文本區(qū)域。該算法要對每一個視頻幀進行分裂合并算法，而且視頻中生成的連通元絕大部分都不會是文本，因此算法復雜度太高，系統(tǒng)效率低。因此從自然場景圖像中提取文本是一項極具挑戰(zhàn)性的工作。由于其廣泛的應用領域越來越受到人們的重視。最近幾年以來隨著既有拍照功能的便攜式電子設備，比如智能手機，平板電腦等，隨著技術的不斷更新升級，人們急需一種方便的應用程序來提取處理圖像中內嵌的文本信息。如果這些文字信息能自動準確的被檢測、分割、識別出來，則對圖像高層語義的自動理解、索引和檢索是非常有價值的。首先對視頻幀使用分裂—合并算法，將視頻幀分解成顏色一致的連通元（connected ponent）。該算法是基于單個視頻幀圖像的字幕提取，效果并不明顯。該算法的優(yōu)點是可以檢測出各種字體大小的文本行。處理圖像的時間較長。第三章文本預處理，主要介紹了對文本的灰度化，直方均衡，和圖像降噪等等，使提取出來的圖像對后面的文本細定位做了準備。目前存在的很多圖像文本提取技術有很強的針對性，對于不同的文本特征。在本文將文本的定位、定位與提取、作為文本區(qū)域提取整體來討論，包含預處理、特征提取、分類(定位)、生成候選區(qū)域、文本區(qū)域提取幾個步驟來解決文本區(qū)域的準確提取問題。首先要對采集到的圖像進行預處理，而文本定位又決定其后的文本字符識別，因此文本域定位是關鍵，文本區(qū)域定位就是從包含整個圖像中找到文本所在區(qū)域的位置。(2) 基于邊緣檢測的定位方法，這種方法是利用文本區(qū)域豐富的邊緣特征進行文字定位[11]，能夠進行檢測的方法有多種，如Roberts 邊緣算子、Prewitt 算子、Sobel 算子以及拉普拉斯邊緣檢測；(3) 基于顏色特征的定位方法，這種方法主要是應用圖像的紋理特征、形狀特征和顏色特征即利用字符和底色具有明顯的反差特征來排除干擾進行文字的定位；(4) 基于數學形態(tài)學的定位方法，這種方法是利用數學形態(tài)學圖像處理的基本思想，利用一個結構元素來探測一個圖像，看是否能將這個結構元素很好的填放在圖像內部，同時驗證填放元素的方法是否有效。數學形態(tài)學的應用可以簡化圖像數據，保持它們基本的形態(tài)特征，并除去不相干的結構。均值濾波是典型的線性濾波算法，它是指在圖像上對目標像素給一個模板，該模板包括了其周圍的臨近像素。在RGB模型中,如果R=G=B時,則彩色表示一種灰度顏色，其中R=G=B的值叫灰度值，因此,灰度圖像每個像素只需一個字節(jié)存放灰度值（又稱強度值、亮度值），灰度范圍為0255。 將彩色圖像中的三分量亮度求平均得到一個灰度圖[14]。其具體的操作是:首先確定一個以某個像素為中心點的領域,一般為方形領域(如3 * 5 * 5的矩形領域),然后將領域中的各個像素的灰度值進行排序。直方圖反映了圖像的明暗分布規(guī)律，可以通過圖像變換進行直方圖調整，獲得較好的視覺效果[17]。根據概率論的知識，在已知和變換函數時，反變換函數也是單調增長，則可由式（）求出。根據圖片底色等有關的先驗知識，采用彩色像素點統(tǒng)計的方法分割出合理的文本區(qū)域，確定圖片底色RGB對應的各自灰度范圍，然后行方向統(tǒng)計在此顏色范圍內的像素點數量，設定合理的閾值，確定文本在行方向的合理區(qū)域。一般的圖像邊緣檢測方法有三個步驟:圖像濾波,使用濾波器來改善與噪聲有關的邊緣檢測器的性能。Sobel算子即是如此排列的一種梯度幅值， （）其中 （）其中的偏導數用下式計算(): （）其中常數c=2，和其他的梯度算子一樣，和，可用卷積模板來實現(xiàn)，請注意這一算子把重點放在接近于模板中心的像素點。另一種方法是，可以將Prewitt算子擴展成八個方向，即邊緣樣板算子。真實圖像的邊緣通常都具有有限的寬度呈現(xiàn)出陡峭的斜坡狀。由信號處理中的測不準原理知，與△w是矛盾的，達到測不準下限的濾波器是高斯濾波器。Canny算子提出了評價檢測性能優(yōu)劣的三個準則[28],信噪比準則(真正的邊緣盡可能少的丟失又要盡可能避免將非邊緣點檢測為邊緣)、定位精度準則(檢測的邊緣應盡可能接近真實的邊緣)、單邊緣響應準則(對每一個邊緣點有唯一的響應,即得到單像素寬度的邊緣)。（3）單響應標準。這4個區(qū)及其相應的比較方向