【文章內(nèi)容簡介】 ....................................................................8 ...............................................................................................................................................9 ...............................................................................................................................................9數(shù)字圖像處理課程設(shè)計1)加強(qiáng)對數(shù)字圖像處理的理解 2)了解圖像分割的基本原理和應(yīng)用數(shù)字圖像處理（Digital Image Processing）又稱為計算機(jī)圖像處理，它是指將圖像信號轉(zhuǎn)換成數(shù)字信號并利用計算機(jī)對其進(jìn)行處理的過程。是通過計算機(jī)對圖像進(jìn)行去除噪聲、增強(qiáng)、復(fù)原、分割、提取特征等處理的方法和技術(shù)。圖像分割是一種重要的圖像技術(shù)，在理論研究和實際應(yīng)用中都得到了人們的廣泛重視。圖像分割的方法和種類有很多，有些分割運(yùn)算可直接應(yīng)用于任何圖像，而另一些只能適用于特殊類別的圖像。有些算法需要先對圖像進(jìn)行粗分割，因為他們需要從圖像中提取出來的信息。許多不同種類的圖像或景物都可作為待分割的圖像數(shù)據(jù)，不同類型的圖像，已經(jīng)有相對應(yīng)的分割方法對其分割，同時，某些分割方法也只是適合于某些特殊類型的圖像分割。分割結(jié)果的好壞需要根據(jù)具體的場合及要求衡量。在本報告中是對車輛牌照中的文字和數(shù)字部分進(jìn)行處理。圖像分割（Image Segmentation）是指將圖像中具有特殊涵義的不同區(qū)域區(qū)分開來，這些區(qū)域是互相不交叉的，每一個區(qū)域都滿足特定區(qū)域的一致性。圖像分割是圖像識別和圖像理解的基本前提步驟數(shù)字圖像處理課程設(shè)計：（1）間斷檢測數(shù)字圖像中三種基本類型的灰度級間斷： 點、線、邊。尋找間斷的最一般的方法是：模板檢測。圖像中任一點的模板響應(yīng)為：R=w1z1+w2z2+L+w9z9=229。wizii=19（2）點檢測用模板檢測孤立點：如果∣R∣≥T，則稱在模板中心位置已經(jīng)檢測到一個點。例：1)R=(1 * 8 * 8 + 128 * 8)/9=106 2)可以設(shè)置閾值T = 64 3)若R=0，則說明檢測點與周圍點像素值相同4)若R T，則說明檢測點與周圍點像素值非常的不同，為孤立點（3）線檢測通過比較典型模板的計算值，確定一個點是否在某個方向的線上設(shè)計其它模板： 1)模板系數(shù)之和為0 2)感興趣的方向系數(shù)值較大數(shù)字圖像處理課程設(shè)計邊緣是位于兩個區(qū)域的邊界線上的連續(xù)像素集合，一般而言，當(dāng)人們看到有邊緣物體時，首先感覺到的便是邊緣，灰度或結(jié)構(gòu)等信息的突變處稱為邊緣。邊緣上的這種變化可以通過微分算子進(jìn)行檢測：（1）一階導(dǎo)數(shù)：通過梯度來計算梯度銳化法：R=w1z1+w2z2+L+w9z9=229。wizii=19梯度是一個矢量，其大小為：182。f(x,y)2182。f(x,y)2G[f(x,y)]=()+()182。x182。y對于數(shù)字圖像可以用差分來近似微分。其差分形式為：209。f209。f209。f==f(x,y+1)f(x,y)209。xf==f(x+1,y)f(x,y)y209。y209。xG[f(x,y)]187。{[f(x,y)f(x+1,y)]2+[f(x,yf(x,y+1)]2}12G[f(x,y)]187。|f(x,y)f(x+1,y)|+|f(x,yf(x,y+1)|梯度大小與相鄰像素的灰度差成正比： 灰度變化大則梯度值很大，灰度變化平緩則梯度值小，灰度無變化則梯度值為0.（2）二階導(dǎo)數(shù)：通過拉普拉斯算子來計算定義：一個二元圖像函數(shù)f(x,y)的拉普拉斯變換定義為：182。2f182。2f209。f=2+2182。x182。y=[f(x+1,y)+f(x1,y)+f(x,y+1)+f(x,y1)]4f(x,y)2可以用多種方式表示為數(shù)字形式。對于一個3*3的區(qū)域，經(jīng)驗上推薦最多的形式是209。2f=4Z5(Z2+Z4+Z6+Z8)拉普拉斯銳化前、(a)原圖像灰度；(b)拉普拉斯銳化后圖像的灰度(a)(b)3數(shù)字圖像處理課程設(shè)計基于微分的邊緣檢測器，其基本依據(jù)是圖像的邊緣對應(yīng)了一階導(dǎo)數(shù)的極大值，而二階導(dǎo)數(shù)則過零點。但是，假如圖像受到噪聲的影響：f(x,y)=s(x,y)+n(x,y)。噪聲的幅值往往很小，但頻率往往很高，比如設(shè)：n(x,y)=asin(wx)那么一階導(dǎo)數(shù)和二階導(dǎo)數(shù)分別為：182。n(x)182。2n(x)2=awcos(wx)=awsin(wx)2182。x182。x（LOG）高斯拉普拉斯(Laplacian of Gaussian，LOG，或Mexican hat，墨西哥草帽)濾波器使用了Gaussian來進(jìn)行噪聲去除并使用 Laplacian來進(jìn)行邊緣檢測局部處理，確定邊緣像素相似性的兩個主要性質(zhì)是：（1）用于生成邊緣像素的梯度算子的響應(yīng)強(qiáng)度209。f(x,y)209。f(x0,y0)163。EE是非負(fù)門限（2）梯度向量的方向a(x,y)a(x0,y0)AA是非負(fù)門限數(shù)字圖像處理課程設(shè)計：%預(yù)備處理clc。%擦去一一頁命令窗口，光標(biāo)回屏幕左上角 clear all。%圖像的讀入和初步處理 im=imread(39。39。)。im1=rgb2gray(im)。%江源彩色圖像轉(zhuǎn)換成灰度色圖 im1=medfilt2(im1,[3 3])。%用中值濾波的圖像去噪%對圖像進(jìn)一步處理，得到有用信息BW = edge(im1,39。sobel39。)。%用edge函數(shù)獲得灰度圖像的邊緣[imx,imy]=size(BW)。%對于邊緣獲取信息，用size函數(shù)，獲取數(shù)組的行數(shù)于列數(shù)。對于size函數(shù)中的兩個輸出%數(shù)，size函數(shù)將數(shù)組的行數(shù)返回到第一個輸出變量imx，將數(shù)組的列數(shù)返回到第二個輸出變 %量imymsk=[0 0 0 0 0。0 1 1 1 0。0 1 1 1 0。0 1 1 1 0。0 0 0 0 0。]。B=conv2(double(BW),double(msk))。%用二維卷積運(yùn)算函數(shù)conv2平滑圖像，減少連接數(shù)量L = bwlabel(B,8)。% 計算連通，調(diào)用函數(shù)返回一個和B大小相同的L矩陣，包括標(biāo)記了B中每個連通區(qū)域的類別標(biāo)值 mx=max(max(L))% 將有連通的MX。給予L一個1和mx之間的值或者在循環(huán)中可以提取所有連接組件% 從儲存陣列中提取圖像 figure,imshow(im)。figure,imshow(im1)。figure,imshow(B)。%預(yù)備處理clc。%擦去一一頁命令窗口，光標(biāo)回屏幕左上角 clear all。%圖像的讀入和初步處理 im=imread(39。39。)。im1=rgb2gray(im)。%江源彩色圖像轉(zhuǎn)換成灰度色圖 im1=medfilt2(im1,[3 3])。%用中值濾波的圖像去噪數(shù)字圖像處理課程設(shè)計%對圖像進(jìn)一步處理，得到有用信息BW = edge(im1,39。sobel39。)。%用edge函數(shù)獲得灰度圖像的邊緣[imx,imy]=size(BW)。%對于邊緣獲取信息，用size函數(shù)，獲取數(shù)組的行數(shù)于列數(shù)。對于size函數(shù)中的兩個輸出參%數(shù)，size函數(shù)將數(shù)組的行數(shù)返回到第一個輸出變量imx，將數(shù)組的列數(shù)返回到第二個輸出變 %量imymsk=[0 0 0 0 0。0 1 1 1 0。0 1 1 1 0。0 1 1 1 0。0 0 0 0 0。]。B=conv2(double(BW),double(msk))。%用二維卷積運(yùn)算函數(shù)conv2平滑圖像，減少連接數(shù)量L = bwlabel(B,8)。% 計算連通，調(diào)用函數(shù)返回一個和B大小相同的L矩陣，包括標(biāo)記了B中每個連通區(qū)域的類別標(biāo)值 mx=max(max(L))% 將有連通的MX。給予L一個1和mx之間的值或者在循環(huán)中可以提取所有連接組件% 對于車牌與車身連接的圖像，給予17，,19,19,22,27,28至L用于提取完全車牌 [r,c] = find(L==17)。%用find函數(shù)查詢非零元素的行和列rc = [r c]。[sx sy]=size(rc)。n1=zeros(imx,imy)。%創(chuàng)建名為n1的imx行，imy列的零矩陣for i=1:sx x1=rc(i,1)。y1=rc(i,2)。n1(x1,y1)=255。end% 從儲存陣列中提取圖像 figure,imshow(im)。figure,imshow(im1)。figure,imshow(B)。figure,imshow(n1,[])。：原圖像數(shù)字圖像處理課程設(shè)計處理后：數(shù)字圖像處理課程設(shè)計總結(jié)：能夠?qū)D像基本信息進(jìn)行簡單分離。原圖像處理后數(shù)字圖像處理課程設(shè)計總結(jié)：能夠?qū)D像進(jìn)行分離，但是對于車身與車牌信息分離不理想，有待進(jìn)一步改進(jìn)。在這次數(shù)字圖像處理的課程設(shè)計過程中，首先加深了我對于數(shù)字圖像處理這門課程的認(rèn)識，通過對相關(guān)知識的進(jìn)一步了解和掌握，清楚的認(rèn)識到這門課程在實際應(yīng)用的廣泛性。通過Matlab編程的過程之中，進(jìn)一步掌握了Matlab的使用，明白了這個軟件作為許多應(yīng)用方向工具的強(qiáng)大之處，通過對一些小錯誤的改造還認(rèn)識到了以往自己沒有注意到的一些小的細(xì)節(jié)問題。 第二版 岡薩雷斯（Rafael ）20030301 第三篇：數(shù)字圖像處理課程設(shè)計課程教學(xué)