数学形态学图像分割方法研究报告 .pdf

《数学形态学图像分割方法研究报告 .pdf》由会员分享，可在线阅读，更多相关《数学形态学图像分割方法研究报告 .pdf（42页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、个人资料整理仅限学习使用基于数学形态学的图像分割方法研究专业：电子信息科学与技术班级： 2005级1班姓名：杨晓琦目 录精选学习资料 - - - - - - - - - 名师归纳总结 - - - - - - -第 1 页，共 42 页个人资料整理仅限学习使用精选学习资料 - - - - - - - - - 名师归纳总结 - - - - - - -第 2 页，共 42 页个人资料整理仅限学习使用摘 要本文运用形态学方法对车牌定位算法和车牌字符分割算法进行了系统的研究。这两种算法的研究为车牌识别做了先期准备，是智能交通中非常重要的组成部分。在车牌定位算法部分，提出了一种基于二值面积形态学的车牌定位

2、算法。首先将车牌的灰度图像二值化，然后逐步缩小车牌候选区的面积，计算车牌图像中连通区域的面积，并根据车牌图像的实际情况确定面积阈值，并用形态学的方法对车牌图像进行处理运算，以实现车牌的精确定位。仿真实验结果表明此算法定位精度高，而且能适应复杂天气环境，能达到满意的定位效果。在字符分割算法部分，对投影分割算法进行了改进，将其与数学形态学分割算法进行了结合。首先将车牌图像二值化，然后用数学形态学分割方法结合水平与垂直投影分割方法，确定车牌字符宽和高并校正车牌实际位置，通过两次投影，校正车牌角度，去除车牌边框，确定车牌上下边界及中心点，最后分割提取车牌字符。实验结果表明该算法能有效的保持车牌字符边缘

3、，获得较好的分割效果。关键词：图像分割；数学形态学；车牌定位；字符分割； MatlabAbstract Inthispaper,the license plate location algorithm and the license plate character segmentation algorithm based on morphological method are studied systematically.The research of these two algorithm is an important part of intelligence traffic and se

4、rves for the first step of license plate recognition.In license plate location,an algorithm based on two-valued area morphology is presented.Firstly,the gray image of license plate is binary.then the areas of candidate registration is narrowed gradually,the area of regional connectivity is calculate

5、d.According to the actual situation of license plate determines the area thresholding,and use morphology method processing license plate image, achieve accurate positioning. The simulation results show the algorithm has a high positioning accuracy and adapts to the complex weather and environment,ca

6、n achieve satisfactory results.In character segmentation algorithm,the projection algorithm is improve and combined with mathematical morphology segmentation algorithm. Firstly the license plate is binary,then mathematical morphology segmentation algorithm is combined with horizontal and vertical pr

7、ojection segmentation method,to determine the license plate character width and the height,and calibrate its location through two times projection.The license plate angle is calibrated,license plate frame are removed,the upper and lower boundaries and the center of licence plate are determined.Final

8、ly,the license plate character are divisional and extracted Experimental results show the algorithm can remain the license plate character and obtain good segmentation result.Keywords: Image division。 mathematics morphology 。 vehicle plate location。 charactersegmentation 。Matlab精选学习资料 - - - - - - -

9、- - 名师归纳总结 - - - - - - -第 3 页，共 42 页个人资料整理仅限学习使用引言近年来，我国汽车数量迅猛增加。来自中国汽车工业协会的统计显示，2008年，我国汽车销售总量为938万辆，是 2005年汽车销售总量590万辆的1.59倍。根据中国汽车工业协会预计，2009年我国汽车市场仍将保持继续增长。随着汽车数量的逐年递增，摆在我们面前的是巨大的城市交通压力。如何高效地进行交通管理，越来越成为我们现实生活中的焦点问题。针对此问题，人们运用先进的科学技术，相继研制开发出了各种交通道路监视、管理系统，这些系统一般都包括车辆检测装置。而车牌的定位和图像分割技术正是先进的交通检测系统

10、的一项重要技术，因为它是车牌识别的前期准备，而车牌识别是交通管理系统中最为核心的技术。可以通过车牌的识别对过往的车辆实施检测，提取相关车牌数据，用于达到监控、管理和指挥交通的目的。车牌定位就是从包含车牌的图像中，采用图像处理技术定位出车牌区域的精确位置。在采集到车牌图像之后，要提高车牌定位的准确率，只能依靠车牌定位算法的准确性。为了尽量提高车牌定位算法的准确率，我们应该把图像采集步骤和车牌定位步骤结合起来考虑。例如我们应该尽量提高采集到图像的清晰度，减少光照变化对采集图像的影响，使采集到的图像的背景尽量简单，不要包含与汽车牌照类似的区域。如果现场采集到的图像中背景比较简单，车牌区域占整幅图像的

11、面积比例较高，图像中车牌没有发生几何畸变，车牌定位可以采用一步定位法。即直接对图像中的车牌进行搜索，定位出车牌的位置。如果图像的背景复杂，车牌又有一定的变形，则采用一步定位方法很难得到车牌的精确边界。这种情况下，我们一般要采用两次定位方法，首先设计算法初步定位出车牌的位置，然后对利用数学形态学方法对初定位的车牌进行二值化、几何校正等处理。如果初定位得到不止一个车牌区域，必须对这些区域进行判断，去除伪车牌。然后对初定位的车牌进行二次定位，精确确定车牌的上下边界和左右边界，得到车牌的精确定位结果。图像分割的研究多年来一直受到人们的高度重视，至今已经提出了上千种各类型的分割方法。随着各学科的发展，人

12、们将许多新的理论和方法用于精选学习资料 - - - - - - - - - 名师归纳总结 - - - - - - -第 4 页，共 42 页个人资料整理仅限学习使用图像分割中，得到一些新的图像分割技术，包括基于数学形态学的分割方法、基于神经网络的分割方法、基于小波变换的分割方法、基于分型理论的分割方法、另外，由于成像设备和技术的发展，人们也深入的研究了一些特殊的图像分割技术，如三维图像、彩色图像、纹理图像、视频图像等分割方法。图像分割是图像处理进入到图像分析的关键步骤。对特征提取和目标识别有十分重要的影响，本文就数学形态学的图像分割方法进行了研究和探讨。另外，利用数学形态学技术进行车牌分割还有

13、一个十分显著的特点，那就是所采用分割算法的好坏直接影响到识别的正确率和识别速度。所以，研究基于数字图像处理的车牌分割识别方法，努力提高车牌识别算法的性能具有十分重要的实际意义。数学形态学是一门建立在严格数学理论基础上，分析研究空间结构的形状、框架的学科。它主要以积分几何、集合代数及拓扑论为理论基础，此外还涉及随机集论、是近代数和图论等一系列数学分支1。数学形态学的理论虽然很复杂，被称为“ 惊人的数学 ” ，但它的基本思想却是简单而完美的。数学形态学的基于集合的观点是极其重要的。这意味着它的运算由集合运算(如并、交、补等 来定义，并且所有的图像都必须以合理的方式转换为集合。这一基于集合观点的一个

14、自然的结果是：形态学算子的性能主要以几何方式进行刻画，传统的理论却以解读的方式来描述，而几何描述的特点似乎更适合视觉信息的处理和分析。最基本的形态学算子有：膨胀、腐蚀、开、闭。用这些算子及其组合来进行图像形状和结构的分析及处理，可以解决抑制噪声、特征提取、边缘检测、形状识别、纹理分析、图像恢复与重建等方面的问题。从形态学图像处理的基本思想不难看出，它有其独有的特性。它反映的是一幅图像中像素点间的逻辑关系，而不是简单的数值关系。它是一种非线性的图像处理方法，并且具有不可逆性。它还可以并行实现，并可以用来描述和定义图像的各种集合参数和特征。基于数学形态学的方法对车牌图像进行分割是使用一定的结构元素

15、，利用数学形态学中的开运算与闭运算来对图像进行处理，得到多个可能是车牌的区域，然后在处理后的图像中用多区域判别法在多个可能是车牌的区域中找到车牌的正确的位置。字符分割的方法主要有基于车牌字符特征的投影法和基于聚类分析的车牌字符分割方法以及气泡法等。投影法首先计算牌照字符的垂直投影，利用投影直方图得到一个阈值，然后再结合车牌字符固定宽度、间距的比例关系等先验知识来分割字符。基于聚类分析的车牌字符分割方法按照属于同一个字符的像素构成了一个连通域的原则，再结合牌照的先验知识来进行字符分割。气泡法是一种适用于二值图像的区域增长法。它把一幅图像分成许多小区域，这些初始的区域可能是小的邻域甚至是单个像素。

16、在每个区域中，对经过适当定义能反映一个物体内成员隶属程度的性质(度量进行计算。首先精选学习资料 - - - - - - - - - 名师归纳总结 - - - - - - -第 5 页，共 42 页个人资料整理仅限学习使用给每个区域一组参数来反映这些区域分别属于哪个物体。接下来对相邻区域的所有边界进行考查，相邻区域的平均度量之间的差异是计算边界强度的一个尺度，经过反复迭代，每一步都重新计算被扩大区域的物体成员的隶属关系，并消除弱边界，当没有可以消除的弱边界时，区域合并的过程结束。本文所做的主要工作如下：(1.研究了用于车牌图像分割的基础理论，如数字图像处理、数学形态学等。重点研究了数学形态学图像

17、分割算法，包括图像的二值化、灰度变换增强、图像边缘检测等。(2.查阅了大量文献和资料，在研究近年来一些典型车牌图像分割算法的基础上，确定利用数学形态学进行车牌图像分割。(3.对文中的车牌图形定位和分割算法在Matlab下进行编程实现，并进行了仿真，并对实验和结果进行分析。1图像分割基本理论1.1 图像分割的概念图像技术在广义上是对各种与图像有关技术的总称。图像技术的种类很多，跨度很大，但可以将它们归在一个整体的框架图像工程之下。根据抽象程度和研究方法的不同，图像工程可分为三个层次：图像处理，图像分析，图像理解。图像处理着重强调在图像之间进行变换以改善图像的视觉效果。图像分析则主要是对图像的描述

18、。图像理解的重点是在图像分析的基础上，进一步研究图像中各个目标的性质和他们之间的相互关系，并得出对原始图像或客观场景的解释，从而指导规划行动。图像处理，图像分析和图像理解具有不同的操作对象，图像处理是比较低层次的操作，它主要在图像像素级上进行处理。图像分析则进入到了中层，侧重于对像素集合目标的表达测量描述。图像理解主要是高层操作，基本上是对从描述中抽象出来的数据符号进行运算推理。在对象的研究和应用中，人们往往仅对图像中的某些部分感兴趣。这些部分常称为目标或前景其他部分称为背景），他们一般对应图像中特定精选学习资料 - - - - - - - - - 名师归纳总结 - - - - - - -第

19、6 页，共 42 页个人资料整理仅限学习使用的、具有独特性质的区域。为了辨识和分析目标，需要将它们分离提取出来，在此基础上才有可能对目标进一步利用。图像分割就是把图像分成各具特性的区域并提取出感兴趣目标的技术和过程。这里的特性可以是像素的灰度，颜色，纹理等，预先对应的目标可以是单个区域，也可以是多个区域。多年来人们对图像分割提出了不同的解释和表达，可以借助集合的概念对图像分割给出比较正式的定义2：令集合 R 代表整个图像区域，对R 的分割可以看作将R 分成 N 个满足以下五个条件的非空子集 .；(2.对所有的 i 和 j，i j, 有；(3.对 i=1,2，N，有；(4.对 i j，有；(5.

20、对 i=1,2，N，是连通的区域。1-1）式中：-对所有在集合中元素的逻辑谓词；-空集。条件 1 指出在对一幅图像分割结果中全部子区域的总和并集）应能包括图像中的所有像素 。因此常用微分算子进行边缘检测，它是一种并行边界技术。常用的一阶微分算子有Roberts、Prewit、和Sobel算子、二阶微分算子有 Laplace和Kirsh算子等。在实际中各种微分算子常用小区域模板来表求，微分运算是利用模板与图像卷积来实现。这些算子对噪声敏感，只适合于噪声较小不太复杂的图像。由于边缘和噪声都是灰度不连续点，在频域均为高频分量，直接采用微分运算难以克服噪声的影响。因此用微分算子检测边缘前要对图像进行平

21、滑滤波。Log算子和 Canny算子是具有平滑功能的二阶和一阶微分算子，边缘检测效果较好。其中Log算子是采用Laplacian算子求高斯函数的二阶导数。Canny算子是高斯函数的一阶导数，它在噪声抑制和边缘检测之间取得了较好的平衡。串行边界查找法是先检测边缘再串行连接成闭合边界的方法，这种方法在很大程度上受起始点的影响。图搜索是其中一种典型的方法，边界点和边界段可以用图结构表示。通过在图中进行搜索对应最小代价的路径可以找到闭合边界，它是一种全局的方法。在噪声较大时效果仍很好，但这种方法比较复杂，计算量也很大。在许多情况下，为加快运算速度常常使用动态规划的优化方法，它是借助有关具体问题的启发性

22、知识减少搜索，只求次优解的方法。1.2.2基于阈值的分割方法阈值分割方法的历史可追溯到近40年前，现己提出了大量算法，对灰度图像的阈值分割就是先确定一个处于图像灰度取值范围之中的灰度阈值，然后将图像中各个像素的灰度值都与这个阈值相比较，并根据比较结果将对应的像素分为两类。这两类像素一般分属图像的两类区域，从而达到分割的目的。从该方法中可以看出，确定一个最优阈值是分割的关键。现有的大部分算法都是集中在阈值确定的研究上。阈值分割方法根据图像本身的特点，可分为单阈值分割方法和多阈值分割方法；也可分为基于像素值的阈值分割方法、基于区域性质的阈值分割方法和基于坐标位置的阈值分割方法。若根据分割算法所有的

23、特征或准则，还可以分为直方图与直方图变换法、最大类间精选学习资料 - - - - - - - - - 名师归纳总结 - - - - - - -第 8 页，共 42 页个人资料整理仅限学习使用方差法、最小误差法与均匀化误差法、共生矩阵法、最大熵法、简单统计法与局部特性法、概率松弛法、模糊集法、特征空间聚类法、基于过渡区的阈值选取法等。阈值分割的优点是计算简单，运算效率较高，速度快。全局阈值对于灰度相差很大的不同目标和背景能进行有效的分割。当图像的灰度差异不明显或不同目标的灰度值范围有重叠时，应采用局部阈值或动态阈值分割法。另一方面这种方法只考虑像素本身的灰度值，一般不考虑空间特征，因而对噪声很敏

24、感。在实际应用中，阈值法通常与其他方法结合使用。1.2.3基于区域分割的图像分割方法区域分割的实质就是把具有某种相似性质的像素连通起来，从而构成最终的分割区域。它利用了图像的局部空间信息，可有效的克服其它方法存在的图像分割空间不连续的缺点，但它通常会造成图像的过度分割。在此类方法中，如果从全图出发，按区域属性特征一致的准则，决定每个像元的区域归属，形成区域图，这常称之为区域生长的分割方法；如果从像元出发，按区域属性特征一致的准则，将属性接近的连通像元聚集为区域是区域增长的分割方法；若综合利用上述两种方法，就成为分裂一合并的方法。区域生长法的基本思想是将具有相似性质的像素合起来构成区域，具体做法

25、是先给定图像中要分割的目标物体内的一个小块或者说种子区域，再在种子区域的基础上不断将其周围的像素点以一定的规则加入其中，达到最终将代表该物体的所有像素点结合成一个区域的目的，该方法的关键是要选择合适的生长或相似准则。生长准则一般可分为3种：基于区域灰度差准则、基于区域内灰度分布统计性质准则和基于区域形状准则。区域生长法要解决的主要问题是区域生长准则的设计和算法的高效性。生长准则往往和具体问题有关，直接影响最后形成的区域，如果选取不当，就会造成过分割和欠分割的现象。区域生长法的优点是计算简单，对于较均匀的连通目标有较好的分割效果。它的缺点是需要人为确定种子点，对噪声敏感，可能导致区域内有空洞。另

26、外，它是一种串行算法，当目标较大时，分割速度较慢。因此在设计算法时，要尽量提高效率。分裂合并法是先将图像看成很多的一致性较强的小区域，再按一定的规则将小区域融合成大区域，达到分割图像的目的。分裂合并法的基本思想是从整幅图像开始通过不断分裂合并得到各个区域。分裂合并法的关键是分裂合并准则的设计。这种方法对复杂图像的分割效果较好，但算法较复杂，计算量大，分裂还可能破坏区域的边界。1.3特殊理论工具的图像分割方法图像分割至今为止尚无通用的自身理论。近年来，随着各学科许多新理论和新方法的提出，人们也提出了许多与一些特定理论、方法和工具相结合的分割技术。(1.基于数学形态学的分割技术。其基本思想是用具有

27、一定形态的结构元素去量度和提取图像中的对应形状以达到对图像分析和识别的目的。如基精选学习资料 - - - - - - - - - 名师归纳总结 - - - - - - -第 9 页，共 42 页个人资料整理仅限学习使用于图像最大内切圆的数学形态学形状描述图像分割算法和基于目标最小闭包结构元素的数学形态学形状描述图像分割算法、分水岭区域分割法和聚类快速分割法等。由于形态学对图像分割具有优异的特性，使其在未来的图像分割中起主导作用。但该方法的主要缺陷还不能很好地解决耗时问题，将其与一些节约时间的措施结合起来，是图像分割的一种趋势。(2.基于模糊技术的图像分割方法。基于模糊集合和逻辑的分割方法是以模

28、糊数学为基础，利用隶属解决图像中由于信息不全面、不准确、含糊、矛盾等造成的不确定性问题，该方法在医学图像分析中有广泛的应用。(3.基于人工神经网络技术的图像分割方法。基于神经网络的分割方法的基本思想是通过训练多层感知机来得到线性决策函数，然后用决策函数对像素进行分类来达到分割的目的。近年来，还出现了人工神经网络技术和模糊技术结合应用于图像分割中的方法。(4.遗传算法在图像分割中的应用。遗传算法是基于进化论自然选择机制的、并行的、统计的、随机化搜索方法。(5.基于小波分析和变换的分割技术，是一种多尺度多通道分析工具，比较适合对图像进行多尺度的边缘检测。1.4 图像分割的评价1.4.1 各种图像分

29、割方法分割图像的基本依据和条件分析各种图像分割方法可以发现以下几方面: (1.分割的图像区域应具有同质性，它们分割图像的基本依据和条件有以下如灰度级别相近、纹理相似等。(2.区域内部平整，不存在很小的小空洞。(3.相邻区域之间对选定的某种同质判据而言，应存在显著差异性。(4.每个分割区域边界应具有齐整性和空间位置的准确性。现有的大多数图像分割方法只是部分满足上述判据。如果加强分割区域的同性质约束，分割区域很容易产生大量小空洞和不规整边缘；若强调不同区域间性质差异的显著性，则极易造成非同质区域的合并和有意义的边界丢失。不同的图像分割方法总有在各种约束条件之间找到适当的平衡点。1.4.2图像分割评

30、价图像分割评价对于指导分割任务具有极为重要的意义。通过对图像分割算法的对比评价，可以帮助针对特定的分割任务选择最优的分割算法；通过对分割结果进行评价，可以进一步分析所选算法的有效性，或评判新的图像分割算法的分割性能。图像分割评价可以使用主观评价与客观评价，主观评价易受到观察者的主观因素影响，且不易量化，不易被计算机自动运算。客观评价方法需要定义合适参数，客观性强，便于量化计算，但参数的定义往往针对具体问题，目前还没有统一的量化标准。把图像分割评价方法分为三类：分析方法，经验好坏方法，经验差异度方法。其中分析方法主要对算法本身进行参数分精选学习资料 - - - - - - - - - 名师归纳总

31、结 - - - - - - -第 10 页，共 42 页个人资料整理仅限学习使用析，如算法复杂度等，复杂度越大说明算法运算时间越长，算法越差。经验好坏评价方法不需要客观分割结果，使用区域非均匀性、熵等参数评价分割结果的好坏。经验差异度方法需要客观真实的分割结果作为参照进行评价，所涉及的参数衡量的是实际分割结果与理想分割结果的“ 差异” ，常见的差异度参数有最终测量精度、错分概率、变形率等。经验好坏的评价未使用参考图像，其结果受不同图像的影响较大。经验差异度是一种经常使用的客观评价方法，但客观真实分割结果一般由人工分割得到，本身具有一定的主观性且工作量较大，差异度参数的构造往往也是局限于某类图像

32、的评价。提出一种包含性能分析、图像合成、算法测试三个模块的分割评价框架，该框架可用于评价大多数分割算法，并有助于选择合适的图像分割方法。尽管已经提出了许多图像分割评价算法，图像分割的研究仍缺乏可靠的、通用的评价手段，仍需要新的图像分割评价框架、评价指标的研究。2数学形态学基本理论2.1形态学的概念从科学的角度来说，形态学指的是形状和结构的科学。在图像处理中，形态学是分析图像中内在几何结构的方法。通过使用一定形状和尺寸的结构元素，形态学运算可以把图像中形状和尺寸与结构元素相似的几何特征保留下来，把其余的特征滤除3。从应用的角度来说，形态学运算可以用于许多方面，包括边缘检测，图像分割，图像增强等等

33、。精选学习资料 - - - - - - - - - 名师归纳总结 - - - - - - -第 11 页，共 42 页个人资料整理仅限学习使用本章的主要内容是对本文所涉及的主要理论-数学形态学进行介绍，首先从二值形态学入手，然后研究灰值形态学算法，最后研究形态学重构和形态学边缘检测。2.2结构元素的选取2.2.1结构元素的基本概念数学形态学最大的特点就是通过引入结构元素，使得对各种复杂的图像操作转换为对结构元素进行的简单集合运算。所谓结构元素，即具有一定尺寸的背景图像。通过将输入图像与结构元素进行的各种数学形态学运算，可实现对输入图像的数学形态学变换。依据集合的维数可将结构元素分为两类，即二值

34、结构元素和灰值结构元素。二值结构元素是一个只包含0或1的二维集合，而灰值结构元素则是一个分布于二维空间的连续函数，在图像处理中常被离散化为一个有限大小的窗口结构，且每个位置都被赋予一定的值。结构元素按其几何形状不同又可分为线状、方形等多类。2.2.2结构元素原点位置对二值形态学变换影响使用原点不位于结构元素中心的，所进行的腐蚀和膨胀运算均为单侧运算，当原点位置位于结构元素中心偏左的位置时，将使得腐蚀之后对象的中心向左偏移，膨胀之后对象的中心位置向右偏移。当原点位于结构元素的其他非中心位置时，运算结果均使得形态变换后的对象的中心位置发生偏移，这种原点位置的结构元素显然不适用于要求获得对象准确位置

35、的场合。使用原点在结构元素中心进行的腐蚀和膨胀运算均为双侧对称运算，无论是腐蚀运算还是膨胀运算，均不会改变对象的中心位置，这种原点位置的结构元素显然适合于要求获得对象准确位置的场合。2.2.3结构元素形状对二值形态学变换的影响结构元素的形状通常受到结构元素尺寸的影响。尺寸越大，可以构造的结构元素的形状也越多，而结构元素任何一个位置的变化，又都将引起其形状的变化。一个 3x3尺寸的结构元素，可能构成的形状有29种，而一个 5x5尺寸的结构元素可能构成的形状则剧增至种。当结构元素的尺寸太小时，就很难构造出一些形状复杂的结构元素。随着结构元素尺寸的不断增大，所构造的结构元素的形状，是可以越来越接近于

36、圆形的。这表明通过增大尺寸，可以构造出一些比较复杂的结构元素。而当结构元素为线形时，尺寸越大则可构造的方向也就越多。分别用方形和圆形这两类结构元素，对二值图像进行腐蚀膨胀运算。对原图进行二值腐蚀都获得使图像收缩，并过滤了小于结构元素对象的相同效果。其不同效果在于：方形结构元素锐化了圆角，而圆形结构元素则平滑了凸向图像内部的尖角。用不同形状结构元素对原图进行二值膨胀都获得使图像扩张的相同效果；其不同效果在于：用圆形结构元素较之用方形结构元素，能使得二值膨胀运算后图像的外边缘变得更加平滑。2.2.4结构元素尺寸对二值形态学变换影响精选学习资料 - - - - - - - - - 名师归纳总结 -

37、- - - - - -第 12 页，共 42 页个人资料整理仅限学习使用基于空间数据的表示不仅要依赖于尺寸特征的研究，而且只有在特定尺寸下提取的要素特征才具有现实意义。在利用形态学运算进行图像处理的过程中，数学形态学变换的尺寸效应应得到广泛的应用，针对不同尺寸的结构元素，构造合适的形态算子，可用于过滤尺寸的噪声，或提取不同尺寸的对象。在用不同尺寸的结构元素对其进行二值腐蚀运算的过程中，小于相应结构元素的椒盐噪声将被依次去除，而大于该结构元素的椒盐噪声也得到缩小。当结构元素尺寸超过一定阈值时，图像中一些本该保留的图像也将会与椒盐噪声一并被去除，从而影响到图像的处理效果。在用不同尺寸的结构元素对其

38、进行二值膨胀运算过程中，小于或等于相应结构元素的砂眼噪声将被依次填充，而大于该结构元素的砂眼噪声也得到缩小。当尺寸超过一定阈值时，图像中本应该保留的对象也将会与砂眼噪声一起被填充，从而影响到图像处理的效果。2.3二值形态学理论二值图像是指那些灰度值只取两个可能值的图像，这两个灰度值通常取为0和1。习惯上认为取值 1的点对应于景物中的点，取值为0的点构成背景。它的各种形态学处理算法都是以膨胀(dilation,腐蚀(erosion这两种最基本的运算为基础的。鉴于基本运算在形态学处理中的重要性，下面对它们的定义及实现方法分别进行介绍。一般设集合A为图像集合，集合 B为结构元素，数学形态学运算是用

39、B对A进行操作。2.3.1二值腐蚀集合A被集合 B腐蚀，表示为，其定义为4： 2-1 ）式中：-子集关系；A- 输入图像；B-结构元素。由将B平移X仍包含在 A内的所有点 x组成。如果将 B看作模板，那么则由在将模板平移的过程中，所有可以填入A内部的模板的原点组成2.3.2二值膨胀膨胀是腐蚀运算的对偶运算，可以通过对补集的腐蚀来定义。我们以A“表示集合 A的补集，亦表示 B关于坐标原点的反射。那么，集合A被集合B膨胀，其定义为5: 2-2）为了利用结构元素 B膨胀集合 A，可将 B相对原点旋转 180 得到C，再利用B对C进行腐蚀。腐蚀结果的补集D，便是所求的结果膨胀和腐蚀这两种运算是紧密联系

40、在一起的，一个运算对图像目标的操作相当于另一个运算对图像背景的操作。腐蚀是对图像内部作滤波处理，而膨胀是利用结构元素对图像补集进行填充，因而它是对图像外部作滤波处理。腐蚀具有收缩图像的作用，膨胀具有扩大图像的作用。2.3.3二值开运算精选学习资料 - - - - - - - - - 名师归纳总结 - - - - - - -第 13 页，共 42 页个人资料整理仅限学习使用在形态学图像处理中，除了腐蚀和膨胀这两种基本运算之外，还有两种二次运算起着非常重要的作用，即开运算及其对偶运算闭运算。从结构元素填充的角度看，它具有更为直观的几何形式。假设A仍为输入图像， B为结构元素，利用 B对A作开运算，

41、其定义为 :2-3）开运算实际上是 A先被B腐蚀，然后再被 B膨胀的结果。也可以理解为，开运算可以通过计算所有可以填入图像内部的结构元素平移的并集求得。当结构元素 B扫过整个图像集合内部，那些使结构元素B的任何像素不越出图像A边界的图像 A的像素点的集合。2.3.4二值闭运算闭运算是开运算的对偶运算，定义为先作膨胀后作腐蚀。上式可以看出:对图像 A用结构元素 B作闭运算可得到一个集合，该集合中包含所有这样的点X, X被一个平移的镜像结构元素覆盖的同时，平移的镜像结构元素与A图像必有一些公共点。闭运算是具有延伸性的运算。2.4灰值形态学理论在灰度图像形态处理中，输入和输出的图像都是灰度级形式的，

42、这意味着输入和输出像素值是在最低灰度值到最高灰度值之间。2.4.1灰值腐蚀和膨胀由于腐蚀和膨胀满足许多代数运算规则，因而，对于这两种运算，同样也存在许多等价的定义方法。因此，与二值运算相同，我们可利用填充概念直接定义灰值运算。利用结构元素b对输入图像 f进行灰度腐蚀定义为6: 2-4）式中:和分别是 f和b的定义域。与二值情况一样，灰值膨胀也可用灰值腐蚀的对偶运算来定义。用结构元素b对输入图像 f进行灰度膨胀记为，其定义为 : 2-5）式中:和分别是 f和b的定义域。2.4.2灰值开闭运算具备了腐蚀和膨胀这两种初级灰值形态学运算，我们便可以定义二级运算，灰值开和灰值闭运算。与二值情况相同这两种

43、运算为对偶运算，并且两者都可用填充概念来说明。灰值开运算可以参照二值情况来定义，即先作腐蚀再作膨胀的迭代运算 : 2-6 ）根据对偶性定义，灰值闭运算定义为: 2-7 ）2.5形态学重建形态学重建是条件膨胀的一种重要的应用。条件膨胀即对膨胀添加限制条件，从而将膨胀限制在一定的范围之内。常用的一种约束条件就是将构成并的平移限制在输入图像的上界集合内，如设图像A为C的子集， B为一结构元素，则利用 B相对C对A作条件膨胀，可通过将平移限制在C之内得到，其精选学习资料 - - - - - - - - - 名师归纳总结 - - - - - - -第 14 页，共 42 页个人资料整理仅限学习使用结果为

44、7： 2-8）此方程等价于 : 2-9）形态学重建则是根据一幅图像称为掩模图像）的特征对另外一幅图像,则形态学重建由以下迭代构成来定义8：(1.将初始化为标记图像 f；(2.创建结构元素： B=1，1，1；1，1，1；1，1；(3.重复直至。注意以上标记 f必须是g的一个子集即。2.6形态学边缘检测图像的基本特征之一是图像的边缘，而图像的边缘正是图像中那些灰度有强烈反差的像素点，也就是灰度突变点和灰度不连续点的集合，它包含了图像大量的信息9。图像的边缘是图像分割所依赖的重要特征之一。一般常用的边缘检测算子如： Soble、Robert、Laplace等算子，检测效果并不理想，特别是当图像复杂或

45、包含丰富细节时，它们很难完全检测出图像的边缘。此外，一般的灰度图像中难免包含噪声，单纯的使用上述算子对噪声敏感，常常在检测边缘的同时会加强噪声的影响，使得检测结果很不理想10。数学形态学是一种非线性滤波方法，其形态算子是物体形状集合与结构元素之间的相互作用，能在很大程度上抑制噪声和探测真正的边缘11。作为一种新的图像处理技术，它很适用来检测图像的边缘。在图像边缘检测中有多种梯度，其边缘检测的基本原理都基于下面的考虑：如果某一点出现的梯度值大，则表示在该点处图像的明暗变化迅速，从而可能有边缘存在12。形态学梯度能加强图像中比较尖锐的灰度过渡区13。与各种空间梯度算子不同的是，用对称的结构元素得到

46、的形态学梯度受边缘方向的影响较小，但一般而言，计算形态学梯度所需的计算量要大一些14。形态学图像处理中提出了几种梯度即单尺度形态学梯度，多尺度形态学梯度和柔性形态学边缘检测，和全方位多尺度形态学边缘检测15。精选学习资料 - - - - - - - - - 名师归纳总结 - - - - - - -第 15 页，共 42 页个人资料整理仅限学习使用3 Matlab在图像分割处理中的应用3.1Matlab简介MATLAB 的名称源自 Matrix Laboratory，由美国 MathWorks公司推出。它是一种科学计算软件，专门以矩阵的形式处理数据。MATLAB 将高性能的数值计算和可视化集成在

47、一起，构成了一个方便的、界面友好的用户环境，并提供了大量的内置函数。从而被广泛地应用于科学计算、控制系统、信息处理、神经网络、图像处理、小波分析等领域的分析、仿真和设计工作，而且利用MATLAB 产品的开放式结构，可以非常容易地对MATLAB 的功能进行扩充，从而在不断深化对问题认识的同时，不断完善MATLAB 产品以提高产品自身的竞争能力。MATLAB 中的数字图像是以矩阵形式表示的，这意味着 MATLAB 强大的矩阵运算能力用于图像处理非常有利，矩阵运算的语法对 MATLAB 中的数字图像同样适用16。本文正是利用 MATLAB 图像处理工具箱，用数学形态学的方法对汽车牌照图像进行定位与分

48、割。3.2 Matlab在图像处理方面的应用3.2.1数字图像处理工具箱(1.数字图像处理工具箱函数包括以下15类：图像显示函数；图像文件输入、输出函数；图像几何操作函数；图像像素值及统计函数；图像分析函数；图像增强函数；线性滤波函数；二维线性滤波器设计函数；图像变换函数；图像邻域及块操作函数；二值图像操作函数；基于区域的图像处理函数；颜色操作函数；颜色空间转换函数；图像类型和类型转换函数。(2.MATLAB 图像处理工具箱支持四种图像类型，分别为真彩色图像、索引色图像、灰度图像、二值图像，由于有的函数对图像类型有限制，这四种类型可以用工具箱的类型转换函数相互转换。MATLAB 可操作的图像文

49、件包括 BMP、HDF、JPEG、PCX、TIFF、XWD等格式。3.2.2 Matlab常用图像操作(1.图像的读写与显示操作：用imread( 读取图像， imwrite( 输出图像，把图像显示于屏幕有 imshow( , image( 等函数。 imcrop( 对图像进行裁剪，图像的插值缩放可用imresize( 函数实现，旋转用 imrotate( 实现。精选学习资料 - - - - - - - - - 名师归纳总结 - - - - - - -第 16 页，共 42 页个人资料整理仅限学习使用(2.图像增强功能：图像增强是数字图像处理过程中常用的一种方法，目的是采用一系列技术去改善图像

50、的视觉效果或将图像转换成一种更适合于人眼观察和机器自动分析的形式17。常用的图像增强方法有以下几种：.灰度直方图均衡化。均匀量化的自然图像的灰度直方图通常在低灰度区间上频率较大，使得图像中较暗区域中的细节看不清楚，采用直方图修整可使原图像灰度集中的区域拉开或使灰度分布均匀，从而增大反差，使图像的细节清晰，达到增强目的。直方图均衡化可用histeq( 函数实现。.灰度变换法。照片或电子方法得到的图像，常表现出低对比度即整个图像偏亮或偏暗，为此需要对图像中的每一像素的灰度级进行标度变换，扩大图像灰度范围，以达到改善图像质量的目的。这一灰度调整过程可用imadjust( 函数实现。.平滑与锐化滤波。