敏感。 LOG 滤波器方法通过检测二阶导数过零点来判断边缘点。 LOG 滤波器中的 a 正比于低通滤波器的宽度, a 越大,平滑作用越显著,去除噪声越好,但图像的细节也损失越大,边缘精度也就越低。 2.2. 3图像平滑大多数车牌图像会存在一些孤立的噪点,在车牌预处理时,若不能有效抑制或者去除这些噪点,将影响车牌的准确定位或者根本无法定位。通常采用图像平滑的方法去除噪点,图像平滑[4] 包括空域滤波和频域滤波,其中空域滤波中采用平滑滤波器的中值滤波去除噪点的效果最好,中值滤波的主要原理是:首先确定一个以某个像素为中心点的邻域,一般为方形邻域;然后将 jkF 邻域中的各个像素的灰度值进行排序,取其中间值作为中心点像素灰度的新值,这里的邻域通常被称为窗口;当窗口在图像中上下左右进行移动后,利用中值滤波算法可以很好地对图像进行平滑处理。但实际中为了简化算法也可以直接在空域中用求邻域平均值[5] 的方法来削弱噪声的影响,这种方法称为图像平滑处理。例如,某一象素点的邻域 S有两种表示方法:8邻域和4邻域分别对应的邻域平均值为: ??? sjijifM jig ),(),( 1),( (2.6 ) 其中, M 为邻域中除中心象素点 f(i,j) 之外包括的其它象素总数,对于 4邻域 M=4 , 8 邻域 M=8 。然而,邻域平均值的平滑处理会使得图像灰度急剧变化的地方,尤其是物体边缘区域和字符轮廓等部分产生模糊作用。为了克服这种平均化引起的图像模糊现象,我们给中心点像素值与其邻域平均值[6] 的差值设置一固定的阈值,只有大于该阈值的点才能替换为邻域平均值,而差值不大于阈值时,仍保留原来的值,从而减少由于平均化引起的图像模糊。 2.3 车牌定位自然环境下,汽车图像背景复杂、光照不均匀,如何在自然背景中准确地确定牌照区域是整个识别过程的关键。在图像预处理后,首先对采集到的车牌图像进行大范围相
全文预览