【文章內(nèi)容簡介】 B??? () （ 2）取最大值法，取彩色圖像中像素點 R、 G、 B 三個分量的最大值，即： MAX? （ R,G,B ） () （ 3）加權(quán)平均值法，根據(jù)彩色 圖像像素點 R、 G、 B 三個分量的重要性或者其他指標賦予三個分量不同的加權(quán)值 Wr、 Wg、 Wb， 再使 g 等于 R、 G、 B 三個分量的加權(quán)平均值，即： rg3gbW R W G W B??? () 由于人眼對綠色的敏感度最高，對紅色的敏感度次之，對藍色的敏感度最低，當Wr=， Wg=， Wb= 時，能得到最合理的灰度圖像。 Matlab 實現(xiàn)程序： close all clear clc im=imread(39。E:\GD\39。)。 figure(1),subplot(1,2,1)。imshow(im)。title(39。顯示原圖 39。)。%顯示原圖 im_gray=rgb2gray(im)。 %RGB轉(zhuǎn)換為灰度圖像 figure(1),imshow(im_gray)。title(39?；叶葓D像 39。)。 %顯示灰度圖像 遼寧科技大學(xué)本科生 畢業(yè)設(shè)計 (論文 ) 第 8 頁 圖 原始圖像、灰度圖像對比 圖像的去噪 實際獲得的車牌圖像在形成、傳輸、接收和處理的過程中，不可避免地存在著外部的干擾和內(nèi)部的干擾，如光電轉(zhuǎn)換過程中敏感元件靈敏度的不均勻性、數(shù)字化過程中產(chǎn)生的量化噪聲、傳輸過 程中的誤差及人為的因素等，均會存在著一定程度的噪聲干擾。噪聲降低了圖像的質(zhì)量，使圖像變得模糊，特征淹沒，這給分析帶來了一定困難。因此，去除噪聲，恢復(fù)原始圖像是圖像處理中的一個重要內(nèi)容。消除圖像噪聲的工作被稱為圖像平滑或濾波。圖像平滑的目的有兩個 :改善圖像質(zhì)量和抽出對象特征 [6]。 線性低通濾波 線性低通濾波器是最常用的線性平滑濾波器。實現(xiàn)這種濾波器的方法也稱為領(lǐng)域平均法。 這種方法的基本思想是 : 用幾個像素灰度的平均值來代替每個像素的灰度值。其鄰域大小為 :NxN， N 一般取奇數(shù)。如 3x3 均值濾波、 5x5 均值濾波器。均值濾波算法對高斯噪聲有較好的去噪能力，而對脈沖噪聲的去噪能力卻很差。 該濾波方法的優(yōu)缺點 : 均值濾波由于圖像經(jīng)鄰域平滑處理后，噪聲的方差減少了 M 倍，因此起到了降低噪聲平滑圖像的作用，但該算法存在如下缺點 : ①均值濾波算法在平滑圖像噪聲的同時，必然會模糊圖像的細節(jié)。由以上噪聲方差的分析可知，采用均值算法在縮小圖像噪聲方差 M 倍的同時，實際上也縮小了由圖像遼寧科技大學(xué)本科生 畢業(yè)設(shè)計 (論文 ) 第 9 頁 細節(jié)信號本身建立的模型“方差”的 M 倍，這必然會造成圖像細節(jié)的模糊。這是均值算法本身存在的固然缺陷，而且只能改善，不能改變 ； ②采用相同權(quán)值進 行平滑，算法存在盲目性，而這種盲目性的結(jié)果則表現(xiàn)為算法對沖擊噪聲的敏感性。這樣，當采用相同的權(quán)值對含有噪聲的圖像進行均值濾波時，如果被處理區(qū)域含有受脈沖噪聲污染的像素點，那么這個像素點會在很大程度上影響濾波的效果，并且它還會通過此時的均值運算把它的影響擴散到其周圍的像素點 ； ③采用相同權(quán)值的均值濾波算法沒有充分利用像素間的相關(guān)性和位置信息。 Matlab 實現(xiàn)程序： k1=filter2(fspecial(39。average39。,3),im_gray)/255。 k2=filter2(fspecial(39。average39。,5),im_gray)/255。 k3=filter2(fspecial(39。average39。,7),im_gray)/255。 figure(2),subplot(1,3,1)。imshow(k1)。title(39。3x3均值濾波 39。)。 %3x3均值濾波 figure(2),subplot(1,3,2)。imshow(k2)。title(39。5x5均值濾波 39。)。 %5x5均值濾波 figure(2),subplot(1,3,3)。imshow(k3)。title(39。7x7均值濾波 168。39。)。 %7x7均值 濾波 圖 3 種均值濾波對比結(jié)果 維納（ Wiener）濾波 20 世紀 40 年代， 維納 奠定了關(guān)于最佳濾波器研究的基礎(chǔ)。即假定線性濾波器的輸入為有用信號和噪聲之和，兩者均為 廣義平穩(wěn) 過程且知它們的二階統(tǒng)計特性，維納根據(jù)最小均方誤差準 則 (濾波器的輸出信號與需要信號之差的均方值最小 )，求得了最佳線性濾波器的參數(shù)，這種濾波器被稱為 維納濾波器 。 Matlab 實現(xiàn)程序： w1=wiener2(im_gray,[3,3])。 w2=wiener2(im_gray,[5,5])。 w3=wiener2(im_gray,[7,7])。 遼寧科技大學(xué)本科生 畢業(yè)設(shè)計 (論文 ) 第 10 頁 figure(3),subplot(1,3,1)。imshow(w1)。title(39。3x3維納濾波 39。)。 %3x3維納濾波 figure(3),subplot(1,3,2)。imshow(w2)。title(39。5x5維納濾波 39。)。 %5x5維納濾波 figure(3),subplot(1,3,3)。imshow(w3)。title(39。7x7維納濾波 39。)。 %7x7維納濾波 圖 3 種維納濾波對比結(jié)果 由圖 圖 以看出 不同尺寸的低通濾波 器 對圖像的處理效果不同，在其平滑模版的尺寸增大時，噪音消除效果明顯增強，但是圖像會變得模糊，細節(jié)信息會丟失。在使用維納濾波處理之后，圖 像的輪廓信息清晰，噪聲大大降低，圖像質(zhì)量明顯提高。所以本設(shè)計采用維納濾波對圖像進行去噪處理。 邊緣檢測 邊緣是指圖像灰度發(fā)生劇烈變化的邊界，它是圖像分割的基礎(chǔ) 。 圖像邊緣檢測大幅度地減少了數(shù)據(jù)量，并且剔除了可以認為不相關(guān)的信息，保留了圖像重要的結(jié)構(gòu)屬性。 劇烈的灰度變化可以利用求導(dǎo)數(shù)的方法來方便的檢測。 圖像中的一個 點是否是邊緣點可以用一階導(dǎo)數(shù)于檢測，邊緣像素是在邊緣亮的一邊還是暗的一邊可以用二階導(dǎo)數(shù)的符號 檢測。 經(jīng)典的邊緣檢測方法是以原始圖像為基礎(chǔ)，對圖像的各個像素考察它的某個區(qū)域內(nèi)灰度的階躍變化，利 用邊緣鄰近一階或二階導(dǎo)數(shù)變化規(guī)律來檢測邊緣，這種方法稱為局部邊緣檢測算子。在實際應(yīng)用中，常用的邊緣檢測算子有 Roberts 算子、 Sobel 算子、Prewitt 算子以及 Canny 算子等。 Roberts 算子 Roberts 算子是 一種利用局部差分算子尋找邊緣的算子 [7]， 根據(jù)任意一對互相垂直方向上的差分可用來計算梯度的原理，采用對角線方向上的相鄰兩像素之差， Robert算子 檢測水平邊緣 和垂直邊緣的效果要好于斜向邊緣，定位精度高，但是它對噪聲很敏感 。 遼寧科技大學(xué)本科生 畢業(yè)設(shè)計 (論文 ) 第 11 頁 假設(shè)灰度圖像 ( , )f xy 是具有整數(shù)像素坐標的輸入。其梯度定義為： 22( ( , ) ( 1 , 1 ) ) ( ( 1 , ) ( , 1 ) )f x y f x y f x y f x y? ? ? ? ? ? ? () 一般情況下，可以將上式簡化為如下兩種形式： ( , ) ( , ) ( 1 , 1 ) ( 1 , ) ( , 1 )f x y f x y f x y f x y f x y? ? ? ? ? ? ? ? ? () ( , ) m a x ( ( , ) ( 1 , 1 ) , ( 1 , ) ( , 1 ) )f x y f x y f x y f x y f x y? ? ? ? ? ? ? ? () 公式 （ ）和（ ）表 示稱模板的形式如下： 1 1001R ???????? 2 0110R ???????? Sobel 算子 Sobel 算子是一組方向算子， Sobel 算子對數(shù)字圖像的每個像素，考察它的上、下、左、右相鄰點灰度的加權(quán)差，與之接近的相鄰點的權(quán)大。根據(jù)此， Sobel 對灰度漸變和噪聲較多的圖像處理的效果較好。 該算子通常有下列計算公式表示 : 39。 ( , ) ( 1 , 1 ) 2 ( , 1 ) ( 1 , 1 ) ( 1 , 1 ) 2 ( , 1 ) ( 1 , 1 )xf x y f x y f x y f x y f x y f x y f x y? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?() 39。 ( , ) ( 1 , 1 ) 2 ( 1 , ) ( 1 , 1 ) ( 1 , 1 ) 2 ( 1 , ) ( 1 , 1 )yf x y f x y f x y f x y f x y f x y f x y? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? () 39。39。( , ) ( , ) ( , )xyG f x y f x y f x y?? () 式中 39。( , )xf xy 、 39。( , )yf xy 分別表示 x 方向和 y 方向的一階微 分， ( , )G f x y 為 Sobel算子的梯 度， ( , )f xy 是具有整數(shù)像素坐標的輸入圖像。求出梯度后，可設(shè)定一 個常數(shù) T，當 ( , )G f x y T 時 ，標出該點為邊界點 ，其像 素值設(shè)定為 0，其它的設(shè)定為 255， 適當調(diào)整常數(shù) T 的大小來達到最佳效果。 兩個 Sobel 模板： 1 2 10001 2 1? ? ???????和 1 0 12 0 21 2 1???????????。 Prewitt 算子 遼寧科技大學(xué)本科生 畢業(yè)設(shè)計 (論文 ) 第 12 頁 Prewitt 算子和 Sobel 算子是在實踐中計算數(shù)字梯度時最常用的， Prewitt 模板實現(xiàn)起來比 Sobel 模板更為簡單，對于數(shù)字圖像的每個像素，考察它的上、下、左、右相鄰點的灰度之差，在邊緣處達到極值檢測邊緣，此外，該算子沒有將重心放在接近模板中心的像素點上。 Prewitt 算子也產(chǎn)生一幅邊緣幅度的圖像，也是對灰度漸變和噪聲較多的圖像處理效果較好。 該算子通常有下列計算公式表示 : 39。 ( , ) ( 1 , 1 ) ( 1 , 1 ) ( 1 , ) ( 1 , ) ( 1 , 1 ) ( 1 , 1 )xf x y f x y f x y f x y f x y f x y f x y? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? () 39。 ( , ) ( 1 , 1 ) ( 1 , 1 ) ( , 1 ) ( , 1 ) ( 1 , 1 ) ( 1 , 1 )yf x y f x y f x y f x y f x y f x y f x y? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? () 39。 2 39。 2[ ( , ) ] ( , ) ( , )xyG f x y f x y f x y?? () 式中 39。( , )xf xy 、 39。( , )yf xy 分別表示 x 方向和 y 方向的一階微分， ( , )G f x y 為 Prewitt算子的梯 度， ( , )G f x y 是具有整數(shù)像素坐標的輸入圖像。求出梯度后，可設(shè)定一個常數(shù) T，當 ( , )G f x y T 時，標出該點為邊界點，其 像素值設(shè)定為 0，其它的設(shè)定為 255，適當調(diào)整常數(shù) T 的大小來達到最佳 效果。 Prewitt 算子不僅能檢測邊緣點，而且能抑制噪聲的影響，因此對灰度和噪聲較多的圖像處理得較好。 Prewitt 算子和 Sobel 算子的模板一樣都是 : 1 2 10001 2 1? ? ???????和 1 0 12 0 21 2 1???????????。 LOG 算子 LOG 算子 (高斯一拉普拉斯算子 )是二階微分算子，它是一個標量，而不是向量，也能進行各向同性的運算 。高斯拉普拉斯算子是兩種算子的結(jié)合，它對灰度突變敏感。在數(shù)字圖像中，可以用差分來近似，是圖像首先與高斯濾波器進行卷積運算，這一步即平滑了圖像又降低了噪聲，孤立的噪聲點和較小的結(jié)構(gòu)組織將被濾除掉。由于平滑會導(dǎo)致邊緣的擴展，用拉普拉斯算子找到圖像中的陡峭邊 緣即只考慮那些具有局部梯度最大值的點，這一點可以用二階導(dǎo)數(shù)的零交叉點來實現(xiàn)。拉普拉斯算子是一個線性的、移不變遼寧科技大學(xué)本科生 畢業(yè)設(shè)計 (論文 ) 第 13 頁 的算子，它的傳輸函數(shù)在頻域空間的點是零，因此拉普拉斯算子濾波過的圖像具有零的平均灰度。最后用二值化處理后所產(chǎn)生閉合的連通的輪廓，消除了所有的內(nèi)部點。 高斯一拉普拉斯算子通常具有如下形式 : 2222 2 21( ) (1 ) e x p ( )22rrGr ? ? ? ??? ? ? ? () 式中，