【文章內(nèi)容簡介】 函數(shù)。 南京師范大學(xué)泰州學(xué)院本科生畢業(yè) (設(shè)計 )論文 11 第三章 圖像二值化方法 課題研究對象 論文主要研究 BMP 格式的灰度圖像文件。 BMP(Bitmap Picture)文件格式 是Windows 系統(tǒng)交換圖形、圖像數(shù)據(jù)的一種標(biāo)準(zhǔn)格式。 BMP 圖像的數(shù)據(jù)由四 個部分組成 ，如表 所示。 表 BMP 圖像文件結(jié)構(gòu) 文件部分 屬 性 說 明 BITMAPFILEHEADER (位圖文件頭 ) bfType 文件類型，必須是 0x424D，即字符串 “BM” bfSize 指定文件大小，包括這 14 個字節(jié) bfReservered1 保留字，不用考慮 bfReservered2 保留字，不用考慮 bfOffBits 從文件頭到實際位圖數(shù)據(jù)的偏移字節(jié)數(shù) BITMAPINFOHEADER (位圖信息頭 ) biSize 該結(jié)構(gòu)長度，為 40 biWidth 圖像的寬度，單位是像素 biHeight 圖像的高度，單位是像素 biplanes 位平面數(shù)，必須是 1，不用考慮 biBitCount 指定顏色位數(shù)， 1 為二值 ， 4 為 16 色，8 為 128 色， 16， 2 32 為真彩色 biCompression 指定是否壓縮，有效的值為 BI_RGB，BI_RLE8， BI_RLE4， BI_BITFIELDS biSizeImage 實際的位圖數(shù)據(jù)占用的字節(jié)數(shù) biXPelsPerMeter 目標(biāo)設(shè)備水平分辨率，單位是每米的像素數(shù) biYPelsPerMeter 目標(biāo)設(shè)備垂直分辨率，單位是每米的像素數(shù) biClrUsed 實際使用的顏色數(shù)，若該值為 0，則使用顏色數(shù)為 2 的 biBitCount 次方種 biClrImportant 圖像中重要的顏色數(shù)，若該值為 0，則所有的顏色都是重要的 Palette (調(diào)色板 ) rgbBlue 該顏色的藍(lán)色分量 rgbGreen 該顏色的綠色分量 rgbRed 該顏色的紅色分量 rgbReserved 保留 字 ImageData 按像素按行優(yōu)先順 南京師范大學(xué)泰州學(xué)院本科生畢業(yè) (設(shè)計 )論文 12 (位圖數(shù)據(jù) ) 序排序，每一行的字節(jié)數(shù)必須是 4 的整 倍數(shù) 第一部分為位圖文件頭 BITMAPFILEHEADER，它是個結(jié)構(gòu) 體 ，其定義如下： typedef struct tagBITMAPFILEHEADER { WORD bfType； DWORD bfSize； WORD bfReserved1； WORD bfReserved2； DWORD bfOffBits； } BITMAPFILEHEADER； 這個結(jié)構(gòu)的長度是固定的，為 14 個字節(jié) (WORD 為無符號 16 位二進(jìn)制整數(shù)，DWORD 為無符號 32 位二進(jìn)制整數(shù) )。 第二部分為位圖信息頭 BITMAPINFOHEADER，也是一個結(jié)構(gòu)，其定義如下： typedef struct tagBITMAPINFOHEADER { DWORD biSize； LONG biWidth； LONG biHeight。 WORD biPlanes； WORD biBitCount； DWORD biCompression； DWORD biSizeImage； LONG biXPelsPerMeter； LONG biYPelsPerMeter； DWORD biClrUsed； DWORD biClrImportant； } BITMAPINFOHEADER； 這個結(jié)構(gòu)的長度是固定的，為 40 個字節(jié) (LONG 為 32 位二進(jìn)制整數(shù) )。其中，biCompression 的有效值為 BI_RGB、 BI_RLE BI_RLE BI_BITFIELDS，這南京師范大學(xué)泰州學(xué)院本科生畢業(yè) (設(shè)計 )論文 13 都是一些 Windows 定義好的常量。由于 RLE4 和 RLE8 的壓縮格式用的不多，一般僅討論 biCompression 的有效值為 BI_RGB，即不壓縮的情況。 第三部分為調(diào)色板 (Palette)，當(dāng)然，這里是對那些需要調(diào)色板的位圖文件而言的。真彩色圖像是不需要調(diào)色板的， BITMAPINFOHEADER 后直接是位圖數(shù)據(jù)。調(diào)色板實際上是一個數(shù)組，共有 biClrUsed 個元素 (如果該值為零，則有 2 的biBitCount 次方個元素 )。數(shù)組中每個元素的類型是一個 RGBQUAD 結(jié)構(gòu)，占 4個字節(jié)，其定義如下： typedef struct tagRGBQUAD { BYTE rgbBlue； BYTE rgbGreen； BYTE rgbRed； BYTE rgbReserved； } RGBQUAD； 第四部分就是實際的圖像數(shù)據(jù)。對于用到調(diào)色板的位圖，圖像數(shù)據(jù)就是該像素顏色在調(diào)色板中的索引值，對于真彩色圖像，圖像數(shù)據(jù)就是實際的 R、 G、 B值。下面就 2 色、 16 色、 128 色和真彩色位圖分別介紹 。 對于 2 色位圖，用 1 位就可以表示該像素的顏色 (一般 0 表示黑色， 1 表示白色 )，所以一個字節(jié)可以表示 8 個像素。對于 16 色位圖，用 4 位就可以表示一個像素的顏色，所以一個字節(jié)可以表示 2 個像素。對于 128 色位圖，一個字節(jié)剛好可以表示 1 個像素。 下面有兩點值得注意： (1) 每一行的字節(jié)數(shù)必須是 4 的整倍數(shù)，如果不是，則需要補(bǔ)齊。 (2) BMP 文件的數(shù)據(jù)存放是從下到上，從左到右的，也就是說，從文件中最先讀到的是圖像最下面的一行的左邊的第一個像素，然后是左邊的第二個像素，接下來是倒數(shù)第二行左邊第一個像素，左邊第二個像素 。依次類推，最后得到的是最上面的最右邊的一個像素。 DIB(Device Independent Bitmap)圖像格式是設(shè)備無關(guān)位圖文件，描述圖像能力基本與 BMP 相同，并且能夠運行多種硬件平臺，只是文件格式較大。 南京師范大學(xué)泰州學(xué)院本科生畢業(yè) (設(shè)計 )論文 14 二值化方法研究動態(tài) 作為一種高效智能的人機(jī)交互手段，身份證的快速識別技術(shù)可以廣泛的應(yīng)用于公民身份核查、暫住人口調(diào)查、旅店業(yè)登記核查、罪犯追逃等公安業(yè)務(wù)當(dāng)中，大大提高了工作人員的錄入速度，減少了用戶的等待時間，提高了工作效率。由于身份證圖像背景復(fù)雜，由激光防偽陰影網(wǎng)格線及各種版面噪聲構(gòu)成 ；且因激光防偽標(biāo)志和打印條件的千差萬別，再加上身份證圖像質(zhì)量偏差，給身份證的字符識別帶來了很大的困難。必須經(jīng)過預(yù)處理，除去大量的噪聲信號，才能更好的進(jìn)行字符的定位、分割，以及識別。而二值化是預(yù)處理中非常重要的一步，也是最為關(guān)鍵的一步，它直接影響到 OCR 系統(tǒng)的性能。研究者在分析和討論了多種圖像二值化的優(yōu)缺點后，在吸取各種方法優(yōu)點的基礎(chǔ)上，提出了一種新的身份證掃描圖像的二值化方法 ——嵌入式多閾值動態(tài)自適應(yīng)的二值化方法。 圖像二值化是圖像處理中的一項基本技術(shù)，也是很多圖像處理技術(shù)的預(yù)處理過程。在顆粒分析、模式識 別技術(shù)、光學(xué)字符識別 (OCR)、醫(yī)學(xué)數(shù)據(jù)可視化中的切片配準(zhǔn)等應(yīng)用中，圖像二值化是它們進(jìn)行數(shù)據(jù)預(yù)處理的重要技術(shù)。由于圖像二值化過程將會損失原圖像的許多有用信息，因此在進(jìn)行二值化預(yù)處理過程中，能否保留原圖的主要特征非常關(guān)鍵。在不同的應(yīng)用中，圖像二值化時閾值的選擇是不同的。因此，自適應(yīng)圖像閾值的選取方法非常值得研究。研究者對圖像二值化方法進(jìn)行了討論，在此基礎(chǔ)上提出了一個新的圖像二值化算法。該算法基于數(shù)學(xué)形態(tài)學(xué)理論，較好地保留了圖像二值化時原圖的邊緣特征。 激光雕刻中圖像處理的二值化處理激光雕刻是近十幾年隨著激光技 術(shù)的發(fā)展而產(chǎn)生的一種新的雕刻技術(shù)，它與計算機(jī)圖形學(xué)、圖像處理等學(xué)科的結(jié)合，應(yīng)用在各種材料上進(jìn)行文字、圖案加工。如何能得到光滑且能真實反映原圖像的雕刻圖像是其中的主要問題，但是激光器的開關(guān)只有兩種狀態(tài)，因此，圖像的二值化處理就成為了關(guān)鍵性技術(shù)，其中閾值的選取是決定二值化圖像好壞的因素?，F(xiàn)實世界中黑白二值圖像很少用，大多數(shù)圖像都是灰度圖像或是彩色圖像。要使這些圖像適用于激光雕刻中，就需要對其進(jìn)行二值化處 理 ，研究者針對激光雕刻總結(jié)了適用于雕刻的二值化處理 方法 ，然而沒有一種方法適合于所有圖像雕刻的，因而實際中要選擇 一種合適的二值化 處理 方法，使得得到的二值圖像效果最好。 在信息社會中人的身份識別得到廣泛關(guān)注。指紋識別技術(shù)除了在傳統(tǒng)的法律南京師范大學(xué)泰州學(xué)院本科生畢業(yè) (設(shè)計 )論文 15 公安上得到應(yīng)用之外，還有更廣闊的應(yīng)用前景，如計算機(jī)用戶的確認(rèn)、訪問網(wǎng)絡(luò)資源的口令、銀行 ATM 機(jī)和信用卡的使用、各類智能 IC 卡的雙重確認(rèn)，以及雇員證明、海關(guān)身份鑒定、家用電子門鎖等一個完整的自動指紋識別系統(tǒng) (AFIS) 包括指紋采集、指紋圖像預(yù)處理、指紋特征提取和比對等幾個模塊。在自動指紋識別系統(tǒng)中 ,指紋圖像的預(yù)處理是正確進(jìn)行特征提取、比對等操作的基礎(chǔ) ,而二值化是指紋圖像預(yù)處理中必不可 少的一步。目前 ,國內(nèi)外學(xué)者在這方面已經(jīng)做了大量的工作，常用的二值化方法有固定閾值法、自適應(yīng)閾值法、局部自適應(yīng)閾值法等。由于指紋圖像是一種方向性很強(qiáng)的圖像，這些方法僅僅利用了指紋圖像的灰度信息，而忽略了指紋圖像的方向信息，因此這些方法對指紋圖像的二值化效果并不十分理想。 爾 后提出了一種改進(jìn)的二值化方法：利用梯度法求取塊方向圖，將其量化成 8 個標(biāo)準(zhǔn)方向，以塊方向代替點方向并利用灰度信息對指紋圖像進(jìn)行二值化。最后將 該 方法和局部自適應(yīng)閾值二值化方法及改進(jìn)前的方法進(jìn)行比較，可以發(fā)現(xiàn)：采用 該 方法二值化效果有了明顯提高，對于 不同質(zhì)量的指紋圖像有著令人滿意的處理效果。 結(jié)合 Canny 算子的圖像二值化方法 ， 對經(jīng)典的二值化方法 Otsu 算法和Bernsen 算法中存在的缺點進(jìn)行了分析 后 提出圖像二值化方法，該方法綜合考慮了邊緣信息和灰度信息，通過邊緣附近種子點在高閾值二值化圖像中的填充和低閾值圖像對它的修補(bǔ)而得到二值化結(jié)果圖像，較好地解決了經(jīng)典二值化方法中存在的抗噪能力差、邊緣粗糙、偽影現(xiàn)象等缺點，實驗結(jié)果證明，該方法能夠較好地解決低對比度圖像和目標(biāo)像素灰度不均勻圖像的二值化問題。 采用信號匹配的支票圖像二值化提出了一種基于信號匹配的低信噪比圖像的信號提取方法，解決類似支票日期域 的 這種既有復(fù)雜背景，又有印章噪聲干擾的圖像二值化問題。這種二值化方法完全不同于傳統(tǒng)的方法，它從信號處理的角度出發(fā)，利用了部分先驗知識和理想狀態(tài)下的投影輪廓信號，再通過用不同閾值分割的投影信號與之匹配，匹配度最大時的閾值即為圖像分割的最佳閾值。 本方法比其他的傳統(tǒng)的二值化方法更具有自適應(yīng)性和魯棒性，通過大量的實驗數(shù)據(jù)，以及與常用的其他算法進(jìn)行的比較得到了驗證。 基于灰度的車牌圖像二值化算法不均勻光照下的圖像二值化 是數(shù)字圖像處理中的一個難題，汽車牌照自動識別系統(tǒng)工作在復(fù)雜的光照環(huán)境下，經(jīng)常會出現(xiàn)南京師范大學(xué)泰州學(xué)院本科生畢業(yè) (設(shè)計 )論文 16 車牌光照不均的現(xiàn)象，給圖像二值化帶來困難。為此，研究者提出一種解決辦法，首先使用同態(tài)濾波去掉車牌圖像的不均勻光照的影響，然后使用改進(jìn)的 Bernsen 算法對車牌圖像進(jìn)行二值化。實驗表明，使用該算法能有效地克服不均勻光照的影響，二值化效果良好，車牌識別率得到顯著的提高 ； 針對常用車牌識別二值化算法存在的問題，提出了基于分形維數(shù)的二值化的方法。根據(jù)分形維數(shù)反映圖像復(fù)雜程度的定義，通過計算兩次突變的分維數(shù)，來確定圖像的灰度值范圍，并利用該灰度值范圍確定閾值。并通過實驗，表明利用分形維數(shù)所得到的閾值進(jìn)行二值化處理較傳統(tǒng)方法有較大改進(jìn)，且該方法解決了在自然光和不同光照背景下對車牌識別的干擾問題，也可以從復(fù)雜背景中提取出傾斜的車牌 ；偏白或泛白背景的車牌圖像二值化方法， 在車輛牌照識別系統(tǒng)中，由于攝像機(jī)畸變、動態(tài)范圍太窄、車輛牌照被污染等原因，灰度化的車輛牌照圖像背景變得模糊，接近于字體的灰度或者動態(tài)范圍不高，使得前景字體跟背景難以分開。該文采用高帽與低帽形態(tài)濾波增強(qiáng)車牌圖像中的字體，去除背景對圖像的影響，使用基于迭代的圖像分塊二值化算法進(jìn)行二值 化。實驗表明，該算法可有效克服偏暗或泛白背景的影響，二值化效果良好。 基于自組織特征映射 (SOFM)神經(jīng)網(wǎng)絡(luò)的圖像融合二值化方法介紹了 SOFM 神經(jīng)網(wǎng)絡(luò)的特點及學(xué)習(xí)算法，根據(jù) SOFM 的聚類確定圖像第一閾值作為循環(huán)迭代的初始值，對整幅圖像進(jìn)行循環(huán)迭代得到第二閾值，使用第二閾值對原始圖像進(jìn)行二值化，得到第一幅待融合圖像；通過改進(jìn)的 Bernsen 方法對原始圖像進(jìn)行二值化，得到第二幅待融合圖像；最后根據(jù)圖像灰度值選小的原則作為圖像融合方法，得到最終的二值化圖像。該方法既能有效地消除偽影，又能較好地分離字符和文字。 模擬實驗結(jié)果表明，該方法的二值化效果明顯優(yōu)于 Bernsen 方法和Otsu 方法，且具有良好的適應(yīng)性。 基于貝葉斯算法的二值化算法。針對在圖像二值化過程中動態(tài)選取閾值難的問題，在分析了全局閾值法和局部閾值法各自優(yōu)缺點的基礎(chǔ)上。提出了一種基于貝葉斯算法的全局閾值法和局部閾值法相結(jié)合的二值化方法。經(jīng)實驗證明，該方法既能夠有效地消除光照不均勻?qū)D像的影響，較好地保留目標(biāo)圖像的細(xì)節(jié)，又能夠有