基于Otsu算法的车牌图像二值化及其Matlab实现

本文利用Otsu算法二值化车牌图像的技术,给出了Otsu算法的原理,以及对车牌灰度图像进行二值化处理的方法原理;最后用MATLAB来实现车牌图像二值化的效果。     

光照不均QR码图像二值化研究

Ostu算法因其具有算法实现简单等特点成为常用的一种图像二值化算法,但其对于不均匀光照下的QR码图像二值化处理效果不佳。针对Ostu算法这一缺点,提出一种解决方法：首先使用改进的同态滤波去除QR图像的不均匀光照的影响,然后采用Ostu算法对QR图像进行二值化。实验表明,使用该算法能有效克服不均匀光照的影响,二值化效果良好,条码识别率提高。     

改进的高低帽变换对固定阈值二值化算法的优化

由于车牌识别系统大多工作在复杂的光照环境中,如何解决不均匀光照对车牌图像的影响仍然是车牌识别领域的一个难题。数学形态学中高低帽变换的重要用途就是校正不均匀光照对图像的影响,但如果直接将其用于车牌图像的二值化处理,因为图像的灰度值变换不大导致部分边缘损失,不仅不利于确定良好的阈值,而且检测结果也不理想。利用高低帽算法的特点,首先用形态学膨胀算法调整结构元素尺度,改进传统高低帽变换的边缘检测算法,然后利用检测图像边缘熵确定权值进行融合,再对其进行固定阈值二值化处理。实验证明这一方法有效提升了车牌图像的边缘灰度,减小了光线不均对车牌图像造成的影响,增强了车牌识别的准确度。     

基于颜色与结构特征的车牌定位算法

针对车牌具有稳定的颜色特征和形状特征,提出基于颜色与结构特征的车牌定位算法.利用OTSU自动阈值化技术将灰度车牌图像转化为二值化图像,通过对每一个连通区域提取形状参数,粗划分出候选车牌区域,最后利用颜色特征确定车牌.实验表明,这种车牌定位方法具有一定的优越性.     

基于二值图像的车牌精确定位方法

提出一种基于二值图像灰度变化特征进行车牌精确定位的方法.在车牌粗定位的基础上,对分割出的车牌图像进行二值化,对二值车牌图像进行逐行扫描,利用每一行像素的黑、白跳变规律确定车牌的上下边界;对二值车牌图像进行处理得到特征图像,通过对特征图像进行垂直投影确定车牌左右边界.测试结果表明,该方法精确定位的准确率达到99%.     

一种新改进的otsu算法

图像的二值化是车牌识别过程中的重要环节,图像的二值化直接影响定位的准确性。由于字符的分割和识别是在车牌区域二值化结果的基础上进行的,因此车牌图像的二值化是非常关键的一步。本文对传统的otsu算法和新改进的otsu算法进行了试验比较,通过对otsu算法基本原理的研究,提出了一种新改进的灰度图像二值化的方法,该算法能够更好的确定最佳阈值点,实验表明上述方法能够得到较理想的二值化图像。     

电子警察系统中的图像二值化方法

考虑到电子警察系统中所拍摄到的含有车牌信息图像的特点，对整体和局部分别选用不同的二值化方法进行处理．在对整体图像进行二值化处理时，提出了一种新的二值化方法，即在二值化的时候，加入游程平滑算法的思想，对图像进行逐行扫描和处理．     

基于边缘分析和纹理信息统计的车牌定位研究

车牌定位是车牌识别技术的关键环节之一。对车辆图像进行边缘分析二值化处理,再结合纹理统计进行车牌定位,可以克服复杂背景的弱边缘信息和干扰噪音所带来的影响,较好滤除可疑车牌区域。实验结果表明,使用该方法可以较好的实现车牌定位。     

车牌图像预处理研究

在汽车牌照自动识别系统中,由于天气或拍摄角度等原因造成车牌图像模糊、倾斜和光照不均等现象,使得车牌的处理非常困难。针对这些问题,本文采用了相应的处理方法,有效地解决了车牌字符预处理中的难题。     

基于灰度累积投影与边缘图像跳变统计的车牌定位方法的研究

针对交通检测系统中数码相机所拍摄到的图片,提出一种车牌定位方法:首先对图像进行二值化和边缘检测等预处理,然后根据边缘二值图中车牌区域的边缘特征,利用行扫描方法对图像进行灰度累积投影与边缘图像跳变统计,再根据车牌区域的字符纹理特征及灰度值特征确定车牌的水平位置.利用列扫描方法对图像进行灰度累积投影,用形态学的方法对细长线条的过滤,从而达到对车牌进行准确的垂直定位.实验表明,这种方法取得了较好的效果,具有较高的实用性.     

指纹图像二值化方法的比较研究

对常用的指纹图像二值化方法进行了比较研究．在此基础上对文献[1]提出的指纹图像二值化方法进行了改进，并对二值化图像、后续的细化图像和特征点提取结果进行了比较。     

一种新的文本图像二值化方法

文章针对常用文本二值化方法 Ostu算法与 Bernsen算法所存在的缺点 ,在图像局部特性基础上 ,结合图像的整体特性提出了一种整体与局部相结合的图像二值化算法 ,该算法对由于光线不均等噪声影响的图像具有良好的适应性。实验证明了该算法的有效性     

指纹图像二值化方法的比较研究

对常用的指纹图像二值化方法进行了比较研究.在此基础上对文献[1]提出的指纹图像二值化方法进行了改进,并对二值化图像、后续的细化图像和特征点提取结果进行了比较.     

弱光背景下文本图像二值化提取算法

针对现有二值化文本提取算法在弱光照条件下易受非均匀光照的干扰,导致提取结果中错误较多、识别率变低的题,提出了一种面向弱光照条件的文本信息提取的预处理算法。基于Retinex理论将图像照度分量和反应文本属性的反射分量有效分离,此外,将L0平滑滤波引入文本图像处理中,有效抑制文本图像的背景干扰。实验结果表明,所提算法能够提高现有算法在弱光条件下的文本提取精度,扩展现有算法的应用范围。     

汽车牌照自动识别中二值化方法的研究

在车牌图像处理过程中，首先遇到的问题就是图像二值化．针对汽车牌照的特点，介绍了一种新的二值化阈值方法，此方法借鉴了P片法的二值化思想，不仅充分考虑了车牌自身的特点，同时融入对直方图形态的考虑，能准确找到双峰直方图的波谷位置．并与Otsu算法和另一种全局动态阈值算法作了比较，从结果上看执行效果较好．     

灰度文本图像自适应二值化滤波算法设计及应用

将自适应滤波与局部阈值二值化有机结合起来,提出自适应二值化滤波算法,旨在将淹没在噪声和失真中的灰度文本图像的二值图像信息通过滤波的方式恢复出来。采用改进的大津法计算局部阈值,对滤波结果进行二值化。依据二值化的结果估计滤波的误差,并调整滤波器参数。实验结果表明该算法克服了光照不均和噪声对灰度文本图像二值化的影响,得到了较理想的二值图像。     

一种改进的遗传算法及在二值化阈值选取上的应用

二值化是图像处理的一种常用方法.但对于二值化阈值如何选取,却难以解决.遗传算法具有全局搜索能力,较为适合于解决二值化的阈值选取问题.该文针对传统的遗传算法自身的不足,采用了一种改进的遗传算法来解决此问题,并通过试验证明了此方法在速度和精度上都优越于传统的遗传算法.