【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值 Wr、 Wg、 Wb, 再使 g 等于 R、 G、 B 三個分量的加權平均值,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 遼寧科技大學本科生 畢業(yè)設計 (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本科生 畢業(yè)設計 (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采用相同權值進 行平滑,算法存在盲目性,而這種盲目性的結果則表現(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采用相同權值的均值濾波算法沒有充分利用像素間的相關性和位置信息。 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 種均值濾波對比結果 維納( Wiener)濾波 20 世紀 40 年代, 維納 奠定了關于最佳濾波器研究的基礎。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])。 遼寧科技大學本科生 畢業(yè)設計 (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 。 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的信息,保留了圖像重要的結構屬性。 劇烈的灰度變化可以利用求導數(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,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 。 遼寧科技大學本科生 畢業(yè)設計 (論文 ) 第 11 頁 假設灰度圖像 ( , )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差,與之接近的相鄰點的權大。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 素值設定為 0,其它的設定為 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 遼寧科技大學本科生 畢業(yè)設計 (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 像素值設定為 0,其它的設定為 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構組織將被濾除掉。由于平滑會導致邊緣的擴展,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本科生 畢業(yè)設計 (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,