【正文】 腐蝕運(yùn)算的結(jié)果。將結(jié)構(gòu)元素的原點(diǎn)移至圖象A起始部分，如果B的全部象素都包含在A之中，則此時(shí)處在結(jié)構(gòu)元素原點(diǎn)位置的象素記做“1”，否則，記做“0”。A是由多個(gè)象素點(diǎn)連接成的圖像物體，結(jié)構(gòu)元素B是直角連接的三個(gè)象素。在任何方向?qū)挾炔淮笥?r個(gè)象素的物體將被消除。腐蝕運(yùn)算的結(jié)果是沿大圓邊界向內(nèi)減少了r個(gè)象素的寬度，即直徑減少2r。運(yùn)算結(jié)果使物體的面積減少了相應(yīng)數(shù)量的點(diǎn)。本文主要運(yùn)用其中的腐蝕、開(kāi)啟運(yùn)算對(duì)圖像進(jìn)行后續(xù)處理。數(shù)學(xué)形態(tài)學(xué)的基礎(chǔ)是二值形態(tài)學(xué)，基本運(yùn)算主要為腐蝕、膨脹、開(kāi)啟和閉合四種。其基本思想是:根據(jù)原圖像目標(biāo)特征選取適合的結(jié)構(gòu)元素，利用結(jié)構(gòu)元素對(duì)原圖像進(jìn)行平移、交、并等運(yùn)算，然后將結(jié)果圖輸出。最基本的形態(tài)學(xué)算子有四個(gè):腐蝕、膨脹、開(kāi)運(yùn)算以及閉運(yùn)算。邊緣圖像的二值化是很重要的問(wèn)題,如果閾值太大可能會(huì)漏掉一些文本邊緣,而閾值太小則可能會(huì)使較多的非文本邊緣被當(dāng)作文本邊緣來(lái)處理,造成較多的誤檢。Canny 算子則能較好地體現(xiàn)圖像的弱邊緣[18]。如果檢測(cè)結(jié)果在兩個(gè)閾值之間，則根據(jù)這個(gè)像素的鄰接像素有沒(méi)有超過(guò)高閾值的邊緣像素，如果有，則它就是邊緣，否則不是[17]。（6）使用累計(jì)直方圖計(jì)算兩個(gè)閾值。（5）遍歷圖像。方向和135176。（2）利用導(dǎo)數(shù)算子（如Prewitt算子、Sobel算子）找到圖像灰度沿兩個(gè)方向的導(dǎo)數(shù),并求出梯度的大?。海?）利用（2）的結(jié)果計(jì)算出梯度的方向：。3. 邊緣連接。這個(gè)過(guò)程叫做“非極大抑制”。這4個(gè)區(qū)及其相應(yīng)的比較方向如下模板所示：例如，如果中心像素x的梯度方向?qū)儆诘?區(qū)，則把x的梯度值同它的左上和右下相鄰像素的梯度值比較，看x的梯度值是否是局部極大值。 （）由此得到梯度的大小M和方向O: （）對(duì) Canny算子作如下說(shuō)明:1. 梯度進(jìn)行“非極大抑制”。2. 對(duì)每個(gè)像素，計(jì)算其梯度的大小M和方向O。Canny 邊緣檢測(cè)法是高斯函數(shù)的一階微分，它能在噪聲抑制和邊緣檢測(cè)之間取得較好的平衡[27]。（3）單響應(yīng)標(biāo)準(zhǔn)。（2）定位標(biāo)準(zhǔn)。（1）檢測(cè)標(biāo)準(zhǔn)。 Canny算子還有一個(gè)重要的邊緣檢測(cè)算子，即Canny算子，它是最優(yōu)的階梯型邊緣（step edge）檢測(cè)算子。Canny算子提出了評(píng)價(jià)檢測(cè)性能優(yōu)劣的三個(gè)準(zhǔn)則[28],信噪比準(zhǔn)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(diǎn)檢測(cè)為邊緣)、定位精度準(zhǔn)則(檢測(cè)的邊緣應(yīng)盡可能接近真實(shí)的邊緣)、單邊緣響應(yīng)準(zhǔn)則(對(duì)每一個(gè)邊緣點(diǎn)有唯一的響應(yīng),即得到單像素寬度的邊緣)。Log算子的輸出是通過(guò)卷積運(yùn)算得到的： （） 根據(jù)卷積求導(dǎo)法有： （）一階導(dǎo)數(shù)的邊緣算子有時(shí)會(huì)導(dǎo)致檢測(cè)的邊緣點(diǎn)太多,檢測(cè)處的邊緣較粗。拉普拉斯函數(shù)用作二維二階倒數(shù)的近似，是因?yàn)樗且环N無(wú)方向算子。Log邊緣檢測(cè)器的基本特征是： 平滑濾波器是高斯濾波器 增強(qiáng)步驟采用二階導(dǎo)數(shù)(二維拉普拉斯函數(shù)) 邊緣檢測(cè)判據(jù)是二階導(dǎo)數(shù)零交叉點(diǎn)并對(duì)應(yīng)一階導(dǎo)數(shù)的較大峰值 這種方法的特點(diǎn)是圖像首先與高斯濾波器進(jìn)行卷積，這一步既平滑了圖像又降低了噪聲，孤立的噪聲點(diǎn)和較小的結(jié)構(gòu)組織將被路濾除。由信號(hào)處理中的測(cè)不準(zhǔn)原理知，與△w是矛盾的，達(dá)到測(cè)不準(zhǔn)下限的濾波器是高斯濾波器。其基本思想是:首先在一定范圍內(nèi)做平滑濾波，然后利用差分算子檢測(cè)在相應(yīng)尺度上的邊緣。利用這種思想就得到了Roberts算子： （）a) 它是一個(gè)兩個(gè)22模板作用的結(jié)果()： 和 Log算子 前面都是利用邊緣處的梯度最大（正的或負(fù)的）這一性質(zhì)來(lái)進(jìn)行邊緣檢測(cè)，即利用了灰度圖像的拐點(diǎn)位置是邊緣的性質(zhì)。梯度是一個(gè)向量，?f 指出灰度變化的最快的方向和數(shù)量。真實(shí)圖像的邊緣通常都具有有限的寬度呈現(xiàn)出陡峭的斜坡?tīng)睢D像的邊緣對(duì)應(yīng)著圖像灰度的不連續(xù)性。 Roberts 算子 1963年Roberts提出了邊緣檢測(cè)和邊緣檢測(cè)的這個(gè)簡(jiǎn)單算子[14]。依次用邊緣樣板去檢測(cè)圖像，與被檢測(cè)區(qū)域最為相似的樣板給出最大值。另一種方法是，可以將Prewitt算子擴(kuò)展成八個(gè)方向，即邊緣樣板算子。取它們的平方和的開(kāi)方可以獲得性能更一致的全方位的響應(yīng)。當(dāng)用兩個(gè)掩模板(卷積算子)組成邊緣檢測(cè)器時(shí)，通常取較大的幅度作為輸出值。 Prewitt 算子 Prewitt算子類似于Sobel算子,不同的是常系數(shù)c=l。Sobel算子即是如此排列的一種梯度幅值， （）其中 （）其中的偏導(dǎo)數(shù)用下式計(jì)算(): （）其中常數(shù)c=2，和其他的梯度算子一樣，和，可用卷積模板來(lái)實(shí)現(xiàn)，請(qǐng)注意這一算子把重點(diǎn)放在接近于模板中心的像素點(diǎn)。下面介紹幾種經(jīng)典的邊緣檢測(cè)算子[13]。 邊緣檢測(cè)的基本算法有很多，有梯度算子、方向算子、拉普拉斯算子和坎尼(Canny)算子等等。圖像檢測(cè),確定哪些點(diǎn)是邊緣點(diǎn)。一般的圖像邊緣檢測(cè)方法有三個(gè)步驟:圖像濾波,使用濾波器來(lái)改善與噪聲有關(guān)的邊緣檢測(cè)器的性能。其文本定位如下圖示： （a）原圖像 (b)梯度分割結(jié)果 圖像定位結(jié)果根據(jù)邊緣是圖像上灰度值的變化最為劇烈的地方,反映為數(shù)學(xué)表達(dá)就是函數(shù)梯度比較大的地方,因此邊緣檢測(cè)的思路主要集中在研究比較好的求導(dǎo)算子上面[12]。鑒于圖像的邊緣是圖像的最基本特征之一,人們?cè)谟^察一幅圖像時(shí),最先得到的信息就是圖像的外形輪廓(邊緣)。本文應(yīng)用基于邊緣的方法實(shí)現(xiàn)對(duì)文本的定位。根據(jù)圖片底色等有關(guān)的先驗(yàn)知識(shí)，采用彩色像素點(diǎn)統(tǒng)計(jì)的方法分割出合理的文本區(qū)域，確定圖片底色RGB對(duì)應(yīng)的各自灰度范圍，然后行方向統(tǒng)計(jì)在此顏色范圍內(nèi)的像素點(diǎn)數(shù)量，設(shè)定合理的閾值，確定文本在行方向的合理區(qū)域。但我們可以對(duì)圖像根據(jù)不同應(yīng)用特點(diǎn)進(jìn)行識(shí)別前的預(yù)處理，盡最大可能提高文本正確識(shí)別率，這些圖像預(yù)處理包括圖像平滑、傾斜校正、灰度修正等。均值濾波是典型的線性濾波算法，它是指在圖像上對(duì)目標(biāo)像素給一個(gè)模板，該模板包括了周圍的臨近像素，再用模板中的全體像素的平均值來(lái)代替原來(lái)的像素值。這種方法就是平滑處理。根據(jù)概率論的知識(shí)，在已知和變換函數(shù)時(shí)，反變換函數(shù)也是單調(diào)增長(zhǎng)，則可由式（）求出。因?yàn)槭菃握{(diào)增加的，由數(shù)學(xué)分析可知，它的反函數(shù)也是單調(diào)函數(shù)。第二個(gè)條件則保證了映射變化后的像素灰度值在允許的范圍內(nèi)。這時(shí)可以對(duì)[0,1]區(qū)間內(nèi)的任意一個(gè)r值進(jìn)行如下變換： （）也就是說(shuō)，通過(guò)上述變換，每個(gè)原始圖像的像素值r都對(duì)應(yīng)產(chǎn)生一個(gè)s值。直方圖反映了圖像的明暗分布規(guī)律，可以通過(guò)圖像變換進(jìn)行直方圖調(diào)整，獲得較好的視覺(jué)效果[17]。灰度直方圖是圖像預(yù)處理涉及最廣泛的基本概念之一。如下即分別為用中值濾波處理后的圖像： （a）原圖 （b）中值濾波處理圖直方圖是圖像的最基本的統(tǒng)計(jì)特征，它反映的是圖像的灰度值的分布情況。當(dāng)窗口在圖像中上下左右進(jìn)行移動(dòng)后,利用中值濾波算法可以很好地對(duì)圖像進(jìn)行平滑處理。其具體的操作是:首先確定一個(gè)以某個(gè)像素為中心點(diǎn)的領(lǐng)域,一般為方形領(lǐng)域(如3 * 5 * 5的矩形領(lǐng)域),然后將領(lǐng)域中的各個(gè)像素的灰度值進(jìn)行排序。 中值濾波中值濾波是基于排序統(tǒng)計(jì)理論的一種能有效抑制噪聲的非線性信號(hào)處理技術(shù)。 均值濾波均值濾波也稱為線性濾波,其采用的主要方法為鄰域平均法。 (a) 原圖 (b) 灰度化圖像圖 原圖像轉(zhuǎn)化為灰度化彩色圖像受到光照等影響，圖像的輸入、采集、處理的各個(gè)環(huán)節(jié)以及最終的輸出結(jié)果都會(huì)產(chǎn)生一定的影響,特別是在圖像的輸入、采集過(guò)程中,若輸入伴有較大噪聲,必定會(huì)對(duì)其后的處理以及最終的文字提取效果造成不利。 將彩色圖像中的三分量亮度求平均得到一個(gè)灰度圖[14]。 ()一般有以下三種方法對(duì)彩色圖像進(jìn)行灰度化： 將彩色圖像中的三分量的亮度作為三個(gè)灰度圖像的灰度值，可根據(jù)應(yīng)用需要選取一種灰度圖像。式() 可進(jìn)一步簡(jiǎn)化為： ()這使得運(yùn)算時(shí)間進(jìn)步縮短。 ()為避免浮點(diǎn)數(shù)計(jì)算，加快計(jì)算速度，叫以用式(2) 代替式(1)運(yùn)算。在RGB模型中,如果R=G=B時(shí),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(gè)像素只需一個(gè)字節(jié)存放灰度值（又稱強(qiáng)度值、亮度值），灰度范圍為0255。由于圖像受到種種條件的現(xiàn)實(shí)和干擾，圖像的灰度值往往與實(shí)際景物不完全平匹配，這將直接影響到圖像的后續(xù)處理，如果造成這種影響的原因主要是被攝物體遠(yuǎn)近不同，或是由于曝光不足而使得圖像灰度變化范圍變窄。3圖像預(yù)處理因?yàn)樘鞖饣蛘吲臄z角度等原因會(huì)造成圖像模糊、歪斜或缺損的情況，所以我們?cè)诜治鰣D像文本時(shí)要對(duì)圖像進(jìn)行預(yù)處理，一般動(dòng)作有對(duì)輸入的灰度圖像進(jìn)行大小歸一化，避免因圖像的變形而影響后續(xù)的處理，通過(guò)灰度拉伸增強(qiáng)圖像對(duì)比度，通過(guò)二值化處理實(shí)現(xiàn)圖像中背景和對(duì)象的分割。：本章主要介紹了目前彩色圖像中文本信息的提取流程，對(duì)各個(gè)步驟進(jìn)行了簡(jiǎn)單的概述。均值濾波是典型的線性濾波算法，它是指在圖像上對(duì)目標(biāo)像素給一個(gè)模板，該模板包括了其周圍的臨近像素。文字分割的難點(diǎn)在于噪聲合字符粘連，斷裂對(duì)字符的影響。然后，在分割出的行區(qū)域內(nèi)，統(tǒng)計(jì)列方向藍(lán)色像素點(diǎn)的數(shù)量，最終確定完整的車牌區(qū)域。 文本