边缘检测算子在车牌区域检测中的改进.doc

边缘检测算子在车牌区域检测中的改进（可编辑）(文档可以直接使用，也可根据实际需要修改使用,可编辑推荐下载）边缘检测算子在车牌区域检测中的改进曾飞，李志俊武汉理工大学自动化学院，武汉 (430063)E-mail：摘 要：针对在复杂环境下对车牌图像进行分割提取这一问题，在传统图像边缘检测经典算子基础上，根据模板排列规律，建立矩阵变换关系，提出一种改进算法.经实验证明，将改进算法应用在复杂环境所拍摄的车牌图像处理中，较好的平滑了噪声，边缘检测轮廓清晰，处理时间显著缩短。通过实例，给出了采用改进的算法对车牌图像进行边缘提取的效果。关键词：边缘检测；模板；微分算子1. 引言在采用数字图像处理技术的汽车牌照的自动识别系统中，为实时自动识别车牌号码，必须将车牌区域从复杂背景中提取出来。由于车辆牌照是边缘丰富的子区域，所以边缘提取对于车牌区域的分割有重要作用。尽管已经有许多边缘提取的算法，由于监控场景光线照射复杂、拍摄背景也比较复杂、环境因素的影响、加之摄像设备等因素的引入噪声等各种因素综合影响下，需要工程化综合运用图像边缘提取算法，才能有效的解决图像分割问题。笔者根据车牌数字图像的特点，在传统图像边缘检测经典算子的基础上，提出了一种改进算法。2. 基于改进的微分算子的边缘检测图 1 是经过灰度变换后,图像质量得到改善的车牌图像。图 2 是该车牌图像的灰度直方图。从图 2 中可以看出,灰度直方图呈多峰性 ,在大灰度值(字符灰度值很小)的值域范围内,没有明显的峰谷,密集笔画的字符信息不显著,因此直接在全局图像中采用一般的边缘检测算子将车牌从背景中分割出来是困难的。图 1 车牌图像为了突显车牌字符信息,根据车辆牌照与背景或车体相区别的特征，在传统边缘检测算子的基础上,提出了一种改进算子。通过这种改进算子提取的车牌边缘, 运算简单,计算速度快,运算后边缘图像轮廓清晰,尤其在比较密集笔画的间距较小的字符边缘也能教完全的突现出来。-1-图 2 车牌图像灰度直方图2.1 边缘检测的数学基础梯度对应的是一阶导数的信息，梯度算子是一阶导数算子。在边缘灰度值过渡比较明显，而且在图像模糊程度和噪声较小的情况下，梯度算子工作的情况是令人满意的。对一个连续的图像 f ( x, y) ，在位置 ( x, y) 的梯度可以表示成一个矢量，假设用 G x 和 G y 来表示 f ( x, y)沿着 x 方向和 y 方向的梯度，那么梯度矢量可以表示为： f ( x, y) G x f ( x, y) = = f ( x, y) G y y 梯度方向是图象灰度值变化最快的方向。令 g 表示梯度方向： g = tan 1 ( f y / f x )在 g 方向的变化率的速度（就是梯度的幅度）为：（1）（2）g ( x, y) =| f ( x, y) |= (x) + (f ( x, y) 2)（3）g 为梯度算子，幅度计算是以 2 为模的对应欧式距离。当然幅度计算也可以采用其他等价的范数。常用的两种计算方式为：g ( x, y) =|f ( x, y)x| + |f ( x, y)y|（4）或者采用无穷大的范数：g ( x, y) = max(|f ( x, y)x|, |f ( x, y)y|)（5）当计算机处理数字图象时，上述的微分经常用差分代替，其定义的形式为：f x ( x, y) = f ( x, y) f ( x 1, y)f y ( x, y) = f ( x, y) f ( x, y 1)（6）（7）实际的图像处理中，二阶导数也是经常利用，在数字图像处理领域一般是基于公式：-2x f ( x, y) 2y2 2 fx 2+ 2 fy 2（8）22点。若在边缘点的二阶导数达到局部最小值，则 ( x, y) 为屋顶型边缘点。2.2 改进的边缘检测算法经典的边缘检测算法如 Roberts 算子、Prewitt 算子、Sobel 算子、Isotropic Sobel 算子、Laplacian 算子均采用小区域模板进行卷积来近似计算梯度，对二维图像 x 和 y 方向的梯度G x 和 G y 各用一个模板,然后把两个模板组合起来构成一个梯度算子。虽然微分(差分)公式的形式相同，但是模板算子不同，处理的效果和时间也会有一定的差异。为了突显车牌字符信息,根据车辆牌照与背景或车体相区别的特征，在传统边缘检测算子的基础上，提出了一种改进算子。改进算子的模板为: 0 0 0 0 0 00 1 010 0 0(9)H 1 、 H 2 分别是水平和垂直方向的算子。 H 算子是根据任意一对互相垂直方向上的差分可用来计算梯度的原理采用相邻像素之差：hx = f ( x, y) f ( x, y 1)h y = f ( x, y) f ( x 1, y)(10)（11）22(12)图像中每个像素都用这两个核做卷积，取最大值作为输出，运算结果就是一幅边缘图像。适当取边缘门限 TH ，如果 R( x, y) TH 则为阶跃边界点。3. 实验及结果分析牌照的原始图像经灰度拉伸后的灰度图像，经过常见的 Prewitt 算子、Canny 算子处理的边缘图像和改进 H 算子处理图像如图 3 所示。灰度拉伸后的车牌图像-3-Prewitt 算子处理的图像 f =二阶导数信息是一阶导数变化的标志，还可以说明灰度突变的类型。若 f ( x, y) 在像素点 ( x, y) 处发生零交叉（就是 f ( x, y) 曲线和 x 坐标轴有交点），则 ( x, y) 为阶跃型边缘H 1 = 1 1 0H 2 = 0 0 R( x, y) = hx + h yCanny 算子处理的图像改进 H 算子处理的图像图 3 边缘检测算子处理的图像上面的结果中可以看出，Prewitt 算子是一阶的微分算子,是平均滤波,对噪声具有一定的抑制能力,但不能完全排除检测结果中出现的伪边缘；Canny 算子采用高斯函数对图像作平滑处理,因此具有较强的去噪能力,但同样存在容易平滑掉一些边缘信息,同时它所采用的一阶微分算子的方向性较好,因此边缘定位准确性较高，但算法中初始参数的设定会影响分割的结果，因而较复杂；采用改进的 H 算子运算简单(只有简单的加减运算)、计算速度快,经运算后边缘图像轮廓清晰,尤其在比较密集笔画的间距小的图像边缘也完整突现出来。经过试验比较可以发现,采用改进的 H 算子对于复杂环境下的车牌图像边缘提取效果理想。4. 结束语相对于常用的边缘检测算子，改进的 H 算子通过合理的设置参数，运算简单(只有简单的加减运算)，运用它进行边缘检测，计算速度快，边缘图像轮廓清晰，边缘定位准确性较高，基本排除检测结果中出现的伪边缘，尤其适合具有比较密集笔画的间距小的图像边缘。经过试验比较可以发现,采用改进的 H 算子对于复杂环境下的车牌图像边缘提取效果理想。-4-参考文献1 Canny J .A Computational Approach to Edge detection J.IEEE Transaction on pattern Analysis andMachine Intelligence,1986,8(6):679-698.23何斌, 马天予. Visual C+数字图像模式识别技术及工程实践. 北京:人民邮电出版社，2003,2.骆雪超, 刘桂雄, 冯云庆, 等.一种基于车牌特征信息的车牌识别方法J. 华南理工大学学报(自然科学版),2003,31(4):70-72.45郑莹, 孙燮华. 图像边缘检测 Laplace 算子的改进. 沈阳建筑大学学报(自然科学版), 20 05, 21(3).朱光忠,黄云龙,余世明.边缘检测算子在汽车牌照区域检测中的应用.计算机技术与发展,2006,3, 16(3)Improvement of Edge Detection Operator in RegionDetection of Automobile License PlateZeng Fei, Li ZhijunDepartment of Automation, Wuhan University of Technology, Wuhan (430063)AbstractAiming at region detection of automobile license plate image under the complex environment, one kindof improvement algorithm based on the traditional picture edge detection operators is proposed. Itestablishes the matrix transformation relations according to the template arrangement rule. Theexperiments prove that the improved algorithm application in automobile license plate pictureprocessing, better smooth noise, the edge examination outline has been clear, the process timeremarkably reduce. A practical example is introduced to study the edge withdraw effect of theautomobile license plate image using this improved operator.Keywords: Edge Detection; template; differential operator作者简介：曾飞，女，武汉理工大学硕士研究生，主要研究方向是模式识别与智能控制。-5-