车牌图像识别二值化研究

文章针对传统的二值化方法对车牌图像产生断裂和噪声的问题,分别试验比较了Otsu方法和Niblack方法,在此基础上研究了一种基于图像分块的Otsu二值化方法,把图像分为N小块分别进行Otsu,对每个小块通过不同的阈值进行二值化。实验结果表明,二值化方法能有效消除断裂和噪声现象。

车牌图像识别=值化研究■于伯连

摘要：文章针对传统的二值化方法对车牌图像产生断裂和噪声的问题，分别试验比较了 O tu方法和 N b a k法， s i lc方在此基础上研究了一种基于图像分块的 O二值化方法，图像分为 N小块分别进行 0 1对每个小块通过不同的阈值进行二值化。实验结果 tU S把 t/ S,表明，二值化方法能有效消除断裂和噪声现象。 关键词：智能交通系统；车牌识别；图像处理；二值化； tU 0 S1引言 .

谷底的某一点。但是对大多数实际图像来说，谷底是很难被检测到的，尤其是

和类内方差：分别由以下两式决定：,=

智能交通是当前交通管理发展的主要方向，车牌照自动识别技术则是汽智能交通系统的重要组成部分 l也是 l l,

当谷底很平、宽，图像本身充满了很或噪声，是两个峰的高度不平衡，至或以于根本找不出谷的情况下。针对这个问题， t提出了最大类间方差法，它是 0s u=

W|— j W M M ( M+ f f MiW i (— W2 MiMz ) l) 1() 2

图像处理和模式识别技术研究中的热点。一般来说，牌识别过程必须经过车三个主要步骤：牌定位、牌字符分车车

OA ,, 2 "= + 22

在判决分析最小二乘法原理的基础上，推导得出的自动选取阈值的二值化方

选择方差之比最大时的阈值 T作为 0s法定义的最佳阈值。 t u

割、字符的识别。而在分割车牌字符之前又必须对车牌图像进行二值化，且并

法，其基本思想是将图像直方图用某一灰度值分割成两组，当两组方差最大时，此灰度值就作为图像二值化处理的阈值。O s t u阈值法使用范围比较广，不论图像的直方图有无明显的双峰，能都得到比较满意的分割效果。

Os t u算法的描述：①求出图像中最大的灰度 m x ga; a— ry②令 T 0③求出大=;于和小于 k的这两类像素总数和像素

其结果的好坏将直将影响字符分割和字符识别系统的性能指标。图像的二值化就是对图像进行阈值化分割，图像将中目标和背景分离出来，于提取目标易的一种图像处理技术。图像

二值化的关 键在于阈值 T的选取，据阈值 T来区根

的灰度平均值；④计算类间方差：和类内方差气：⑤T T I循环 3 5直；:+,~步，到 T m x ga;找出最大的值，> a—r⑥ y得到相应的阈值 T。该方法速度快，但是有一些缺点， 如 Os的判别准则函数可能呈双峰， t u法 此时，往往将大量背景错分为字符，导

Os是在判断分析最 J Z-法 t u法 l乘￣原理的基础上推导出的，是全局阈值二值化方法中最典型的一种，的简要原 它

分图像中的对象和背景。针对传统的二值化方法对车牌图

像识别效果不好的问题，本文对全局阈值方法中的 0s法和局部阈值方法 t u方中的 N b c法进行比较分析，然后 il k方 a研究分析基于图像分块的 0s值化 t u二方法，现此方法比前两种二值化方法发效果好。2 0 . t U二值化方法 S

理[设给定图像具有 L个灰度级， 2 1:阈值设为 T先统计出图像的灰度直方图，,然

后把灰度大于或小于 T的像素分为两类，即类 1和类 2类 1,中的像素总数为 W,,均灰度值为，k,差 6 (平 ) ()方， (; 2中的像素总数为 (,均 )类 )平灰度值为 (, )方差为 6(,有图 )所

致无法识别，并且容易造成车牌边缘断裂现象 (如图 1所示， 1 )图 (为图 1 ) b (用 a Os t u方法进行二值化的结果， 1 1图 有 f b明显断裂现象 )。

在理想的情况下，图像的灰度直方图在两个峰 f别代表物体和背景 1间分之有一个陡的波谷，样阈值就可以选为这

像像素平均值为,

(原图 a )

() b二值化后的图

则类间方差

图 1 O s值化方法结果显示 t u二

作者简介：于伯连，天津港建设公司。

Agt l U s0 l 0 u20叠 1