资源描述：
《基于分块聚类的车牌图像二值化方法》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。
1、基于分块聚类的车牌图像二值化方法郝丽敏主要内容本文提出的基于分块聚类的二值化方法不仅能使车牌的特征在二值图像中得到很好地体现,而且能有效地降低背景的复杂性。特别是该方法在处理非正常光照(强光照或弱光照)条件下的车牌图像时也能得到很好的效果。主要思想先将整幅图像等分成多个小块,再在每个小块中根据像素点的灰度值对像素点进行聚类,根据聚类结果二值化,从而得到各小块的二值化结果,最后将各个小块的二值化结果组合成车牌图像的二值图像。首先对图像进行分块。将原始图像中从左到右,从上到下划分成等大小的多个小块。分块的目的是为了使二值化处理限制在较小的范围内,尽量减少背景对车牌目标的干扰。分块的依据是在原始图
2、像中车牌部分所占比例小,一般为2%~10%,则分块的大小可约为原始图像大小的1%左右。若块的大小选择比较合适,则分块后将有多个小块落在车牌区域或是车牌的边缘区域,这就使得在这些小块中进行二值化时将完全或很大程度上排除非车牌区域的干扰,在最终的二值图像中车牌的特征将得到很好地体现。接着对每个小块进行聚类二值化。聚类二值化算法主要根据车牌图像的灰度特点来设计。其依据是车牌部分的图像可分为字符与底色两部分,在灰度图像中字符的灰度值较大而底色部分的灰度值较小,且各部分内灰度值比较均匀,而两部分的对比度比较大。聚类算法将像素点的灰度值分成小灰度值类LC(底色),大灰度值类HC(字符),还有部分像素点两
3、者都不属于,即为噪声类NC。算法考虑的主要对象是小类LC和大类HC。对小类LC和大类HC分别取平均值,则其平均值的差值将反映字符与底色的对比度的大小。在最终的二值图像中,属于大类的像素点赋值为255,其余的像素点赋值为0。其思想可由式(1)表示,f(x,y)为原图像,g(x,y)为处理后的二值图像。聚类是一个迭代过程,逐步将块内像素点的灰度值进行分类,算法必须考虑以下三个问题:初始值的设置、聚类准则和迭代终止条件。参数说明及初始化聚类二值化算法中要用到大量的参数,下面将分别对相应的参数加以说明并给出其初始化值。数组Value[1,.,elemcount]:聚类的对象是小块中所有像素点的灰度值
4、,为了便于对其进行聚类,特定义该数组。数组中的值初始化为块内各个像素点的灰度值,且将其按升序排列。elemcount为数组中元素的个数,其值为块中像素点的总个数。聚类过程将在数组Value[1,.,elemcount]上实施。lowindex,highindex:分别为数组Value[1,∀,elemcount]中划分到小类LC、大类HC中的最大元素、最小元素的下标值。则当某一次聚类完成后,属于小类LC的元素为Value[1,∀,lowindex],属于大类HC的元素为Value[highindex,∀,elemcount]。其初始化值分别为1和elemcount。lowcount,high
5、count:分别为小类LC和大类HC中元素的个数。则当某一次聚类完成后lowcount的值为lowindex,highcount的值为elemcount-highindex+1,其初始化值都为1.lowcentre,highcentre:分别为小类LC和大类HC的聚类中心,它们是设计聚类准则的主要依据之一。在算法执行过程中其值分别为小类LC和大类HC的平均值,分别由式(2)和(3)计算可得。其初始化值分别为Value[1]和Value[elemcount]。difflow,diffhigh:分别为小类LC和大类HC的类内平均方差。在聚类二值化算法中有一个要求是聚类后的结果中小类LC和大类HC
6、中的值都是比较均匀的,故定义这两个变量来分别度量两个类中的值是否比较均匀。在算法执行过程中其值可分别由式(4)和(5)计算可得,其初始化值都为255。paral:为类内最大相差因子。用来度量类内元素值与其相应的聚类中心之间所允许的最大差值,即类内元素与其聚类中心的最大差值为其相应聚类中心值与类内最大相差因子paral的乘积。其取值为0~1之间的经验值,经过大量的实验确定其值为0.1。para2:为类间最小相差因子。在聚类二值化算法中另一个要求是聚类后的结果中小类LC和大类HC之间的差别应是比较大的,故定义该变量来度量两类之间的最小差值,即两类类间最小差值为大类HC的聚类中心值与类间最小相差因
7、子para2的乘积。其取值为0~1之间的经验值,经过大量的实验确定其值为0.3。para3:为256级灰度下人眼可区别的灰度级的最小值。一般其值为24,考虑到噪声的影响,本文中取30。fixedlowcentre:标识小类LC的聚类中心是否已确定,即小类的LC聚类过程是否已经结束。1表示是,0表示否,其初始化值为0。fixedhighcentre:标识大类HC的聚类中心是否已经确定,即大类HC的聚类过程是否已
