性及其它指标,将三个分量以不同的权值进行加权平均。由于人眼对绿色的敏感最高,对蓝色敏感最低,因此,按下式对RGB三分量进行加权平均能得到较合理的灰度图像。Рf(i,j)=0.30R(i,j)+0.59G(i,j)+0.11B(i,j))Р本系统采取的方法是调用了opencv里灰度化函数cvCvtColor。该函数采用加权平均法,将银行卡彩色图像转为灰度图像。Р对原始图像处理得到的结果如图3所示。Р Р2.3?二值化处理Р在将原始图像进行灰度化处理后,对得到的灰度图像进行二值化处理。二值化处理就是将灰度图像转换为只包含黑色和白色两种颜色的图像,它们之间没有其他灰度的变化。在二值图中用255表示白色,0表示黑色。相对于灰度图,二值图可以大大压缩数据量,并且可以大幅度简化后续工作。Р图像二值化采用阈值分割来实现,即以一个合适的阈值将图像分为大于和小于阈值的两部分像素群,对应表示图像中的目标和背景,从而将目标从背景中分离出来。选取阈值的方法有多种。迭代法所得的阈值能有效的分割图像,区别目标和背景的主要区域所在,但是在图像的细微处的区分不是很好。经典Ostu[6]算法必须对所有的灰度值遍历计算类间方差,再通过比较得到最大方差,因此其运算大。Bernsen算法[7]实现速度慢,还会出现笔划间断和伪影等现象。由于本文中目标图像和背景在灰度上有明显差异,采用双峰法来确定最佳分割阈值。首先根据输入的数字图像作出反映这幅图像中的灰度级与出现这种灰度的概率之间关系的灰度直方图。直方图中出现了两个峰值,一个处于目标灰度区,另一个处于背景灰度区。这两个峰分别对应目标与背景数目较多的像素点,两峰之间的波谷对应边缘附近数目较少的点。在大量实验基础上,本系统选取阈值为37。然后,采用固定阈值法对图像进行二值化处理。Р将图3中的灰度图进行二值化处理得到的二值图如图4所示。Р图4 二值图Р第3章?字符定位模块