一種基于形態(tài)學(xué)的圖像分割方法
【技術(shù)領(lǐng)域】
[0001] -種基于形態(tài)學(xué)的圖像分割方法，用于圖像處理，屬于圖像分割方法技術(shù)領(lǐng)域。
【背景技術(shù)】
[0002] 近年來，我國(guó)汽車數(shù)量迅猛增加。來自中國(guó)汽車工業(yè)協(xié)會(huì)的統(tǒng)計(jì)顯示，2008年，我 國(guó)汽車銷售總量為938萬輛，是2005年汽車銷售總量590萬輛的1. 59倍。根據(jù)中國(guó)汽車 工業(yè)協(xié)會(huì)預(yù)計(jì)，2009年我國(guó)汽車市場(chǎng)仍將保持繼續(xù)增長(zhǎng)。
[0003] 隨著汽車數(shù)量的逐年遞增，擺在我們面前的是巨大的城市交通壓力。如何高效地 進(jìn)行交通管理，越來越成為我們現(xiàn)實(shí)生活中的焦點(diǎn)問題。針對(duì)此問題，人們運(yùn)用先進(jìn)的科 學(xué)技術(shù)，相繼研制開發(fā)出了各種交通道路監(jiān)視、管理系統(tǒng)，這些系統(tǒng)一般都包括車輛檢測(cè)裝 置。而車牌的定位和圖像分割技術(shù)正是先進(jìn)的交通檢測(cè)系統(tǒng)的一項(xiàng)重要技術(shù)，因?yàn)樗擒?牌識(shí)別的前期準(zhǔn)備，而車牌識(shí)別是交通管理系統(tǒng)中最為核心的技術(shù)。可以通過車牌的識(shí)別 對(duì)過往的車輛實(shí)施檢測(cè)，提取相關(guān)車牌數(shù)據(jù)，用于達(dá)到監(jiān)控、管理和指揮交通的目的。
[0004] 車牌定位就是從包含車牌的圖像中，采用圖像處理技術(shù)定位出車牌區(qū)域的精確位 置。在采集到車牌圖像之后，要提高車牌定位的準(zhǔn)確率，只能依靠車牌定位算法的準(zhǔn)確性。 為了盡量提高車牌定位算法的準(zhǔn)確率，我們應(yīng)該把圖像采集步驟和車牌定位步驟結(jié)合起來 考慮。例如我們應(yīng)該盡量提高采集到圖像的清晰度，減少光照變化對(duì)采集圖像的影響，使采 集到的圖像的背景盡量簡(jiǎn)單，不要包含與汽車牌照類似的區(qū)域。如果現(xiàn)場(chǎng)采集到的圖像中 背景比較簡(jiǎn)單，車牌區(qū)域占整幅圖像的面積比例較高，圖像中車牌沒有發(fā)生幾何畸變，車牌 定位可以采用一步定位法。即直接對(duì)圖像中的車牌進(jìn)行搜索，定位出車牌的位置。如果圖 像的背景復(fù)雜，車牌又有一定的變形，則采用一步定位方法很難得到車牌的精確邊界。這種 情況下，我們一般要采用兩次定位方法，首先設(shè)計(jì)算法初步定位出車牌的位置，然后對(duì)利用 數(shù)學(xué)形態(tài)學(xué)方法對(duì)初定位的車牌進(jìn)行二值化、幾何校正等處理。如果初定位得到不止一個(gè) 車牌區(qū)域，必須對(duì)這些區(qū)域進(jìn)行判斷，去除偽車牌。然后對(duì)初定位的車牌進(jìn)行二次定位，精 確確定車牌的上下邊界和左右邊界，得到車牌的精確定位結(jié)果。
[0005] 圖像分割的研究多年來一直受到人們的高度重視，至今已經(jīng)提出了上千種各類型 的分割方法。隨著各學(xué)科的發(fā)展，人們將許多新的理論和方法用于圖像分割中，得到一些新 的圖像分割技術(shù)，包括基于數(shù)學(xué)形態(tài)學(xué)的分割方法、基于神經(jīng)網(wǎng)絡(luò)的分割方法、基于小波變 換的分割方法、基于分型理論的分割方法、另外，由于成像設(shè)備和技術(shù)的發(fā)展，人們也深入 的研究了一些特殊的圖像分割技術(shù)，如三維圖像、彩色圖像、紋理圖像、視頻圖像等分割方 法。而現(xiàn)有圖像分割很難得到車牌的精確邊界。

【發(fā)明內(nèi)容】

[0006] 本發(fā)明針對(duì)現(xiàn)有技術(shù)的不足之處提供了一種基于形態(tài)學(xué)的圖像分割方法，解決現(xiàn) 有技術(shù)中的圖像分割方法不能抑制噪聲、特征提取、邊緣檢測(cè)、形狀識(shí)別、紋理分析、圖像恢 復(fù)與重建等方面的問題。
[0007] 為了實(shí)現(xiàn)上述目的，本發(fā)明采用的技術(shù)方案為：
[0008] -種基于形態(tài)學(xué)的圖像分割方法，其特征在于，如下步驟：
[0009] (1)獲取原車牌圖像；
[0010] (2)對(duì)原車牌圖像進(jìn)行預(yù)處理，即對(duì)原車牌始圖像進(jìn)行濾波去噪處理；
[0011] (3)對(duì)去噪后的原車牌圖像進(jìn)行形態(tài)學(xué)運(yùn)算處理；
[0012] (4)顯示形態(tài)學(xué)處理后的每步圖像；
[0013] (5)對(duì)經(jīng)過形態(tài)學(xué)處理后顯示的在閾值的圖像和未作形態(tài)學(xué)處理后在閾值的圖像 進(jìn)行對(duì)比分析。
[0014] 進(jìn)一步，所述步驟（3)中，對(duì)去噪后的原圖像進(jìn)行形態(tài)學(xué)運(yùn)算處理的步驟為：
[0015] (31)對(duì)去噪后的圖像進(jìn)行膨脹與腐蝕；
[0016] (32)對(duì)進(jìn)行膨脹與腐蝕后的圖像進(jìn)行開、閉運(yùn)算；
[0017](33)對(duì)進(jìn)行開、閉運(yùn)算后的圖像進(jìn)行擊中或擊不中變換；
[0018] (34)對(duì)進(jìn)行擊中或擊不中變換后的圖像進(jìn)行細(xì)化與骨架抽取。
[0019] 進(jìn)一步，所述步驟（31)中，對(duì)去噪后的圖像進(jìn)行膨脹與腐蝕的具體步驟為：
[0020] (311)用結(jié)構(gòu)元素B，掃描圖像A的每一個(gè)像素；
[0021] (312)用結(jié)構(gòu)元素與其覆蓋的二值圖像做"與"操作；
[0022] (313)如果都為0,結(jié)果圖像的該像素為0,否則為1 ;
[0023] (314)用結(jié)構(gòu)元素B，掃描圖像A的每一個(gè)像素；
[0024] (315)用結(jié)構(gòu)元素與其覆蓋的二值圖像做"與"操作；
[0025] (316)如果都為1，結(jié)果圖像的該像素為1，否則為0,腐蝕處理的結(jié)果是使原來的 二值圖像減小一圈。
[0026] 進(jìn)一步，所述步驟（33)中，對(duì)進(jìn)行開、閉運(yùn)算后的圖像進(jìn)行擊中或擊不中變換表 示為：集合A是由3個(gè)子集X，Y和Z組成的集合，擊中的目的是要在A中找到X的位置，設(shè) X被包圍在一個(gè)小窗口 W中，與W有關(guān)的X的局部背景定義為集合的差（W - X)，則X在A 內(nèi)能得到精確擬合位置集合是由X對(duì)A的腐蝕后由（W - X)對(duì)A的補(bǔ)集Ac腐蝕的交集，這 個(gè)交集就是我們要找的位置，我們用集合B來表示由X和X的背景構(gòu)成的集合，我們可以令 B = (Bl，B2)，這里B1 = X，B2 = (W - X)，則在A中對(duì)B進(jìn)行匹配可以表示為：A G) B。
[0027] 與現(xiàn)有技術(shù)相比，本發(fā)明的優(yōu)點(diǎn)在于：
[0028] -、基于數(shù)學(xué)形態(tài)學(xué)的方法對(duì)車牌圖像進(jìn)行分割是使用一定的結(jié)構(gòu)元素，利用數(shù) 學(xué)形態(tài)學(xué)中的開運(yùn)算與閉運(yùn)算來對(duì)圖像進(jìn)行處理，得到多個(gè)可能是車牌的區(qū)域，然后在處 理后的圖像中用多區(qū)域判別法在多個(gè)可能是車牌的區(qū)域中找到車牌的正確的位置；
[0029] 二、數(shù)學(xué)形態(tài)學(xué)在圖像邊緣檢測(cè)中有獨(dú)特的優(yōu)勢(shì)，它基于集合運(yùn)算，具有非線性特 征，在邊緣檢測(cè)上既能夠體現(xiàn)圖像集合特征，很好的檢測(cè)圖像邊緣，又能滿足實(shí)時(shí)性要求， 也解決了邊緣檢測(cè)精度與抗噪聲性能的協(xié)調(diào)問題。
【附圖說明】
[0030] 圖1為本發(fā)明的框架流程示意圖。
【具體實(shí)施方式】
[0031] 下面結(jié)合附圖和實(shí)施例對(duì)本發(fā)明作進(jìn)一步的說明。
[0032] -種基于形態(tài)學(xué)的圖像分割方法，其特征在于，如下步驟：
[0033] (1)獲取原車牌圖像；
[0034] (2)對(duì)原車牌圖像進(jìn)行預(yù)處理，即對(duì)原車牌始圖像進(jìn)行濾波去噪處理；
[0035] (3)對(duì)去噪后的原車牌圖像進(jìn)行形態(tài)學(xué)運(yùn)算處理；對(duì)去噪后的原圖像進(jìn)行形態(tài)學(xué) 運(yùn)算處理的步驟為：
[0036] (31)對(duì)去噪后的圖像進(jìn)行膨脹與腐蝕；對(duì)去噪后的圖像進(jìn)行膨脹與腐蝕的具體 步驟為：
[0037] (311)用結(jié)構(gòu)元素B，掃描圖像A的每一個(gè)像素；
[0038] (312)用結(jié)構(gòu)元素與其覆蓋的二值圖像做"與"操作；
[0039] (313)如果都為0,結(jié)果圖像的該像素為0,否則為1 ;
[0040] (314)用結(jié)構(gòu)元素B，掃描圖像A的每一個(gè)像素；
[0041] (315)用結(jié)構(gòu)元素與其覆蓋的二值圖像做"與"操作；
[0042] (316)如果都為1，結(jié)果圖像的該像素為1，否則為0,腐蝕處理的結(jié)果是使原來的 二值圖像減小一圈。
[0043] clear all? close all
[0044] I = imread(/ texttif/ )；
[0045] SE = [0，1，0 ;1，1，1 ;0，1，0]
[0046] BW1 = imdilate (I，SE);
[0047] BW2 = imerode (I，SE);