MATLAB中值滤波在灰度图像处理中的应用研究和仿真(5)
5. 中值滤波在车牌处理中的应用
5.1 应用的意义
为了精确提取车牌的位置信息和车牌号码信息，在对车牌字符进行分割和识别之前，首先要对车牌图像进行预处理，即滤波。在高速公路收费站口，街道岔路口，车祸事故现场等不同场合对车牌信息的获取有不同的方法。通常初步获取的目标图像中，受环境，设备的影响，含有复杂的自然背景和车身背景信息，同时目标图像也会出现模糊不清，因此所获取的图象质量一般都较差，直接对原始目标图像进行二值化效果不佳。为了取得理想的识别效果，除了想办法改善外在条件外，必需对图像进行一系列预处理和效果增强处理[9]。传统滤波方法虽然可以在一定程度上改善图象质量，但是容易引起图像边缘模糊和细节损失，且不能从根本上解决既能增强边缘效果又能抑制噪声的矛盾。常用MATLAB中的微分算子能在一定程度上增强边缘保护细节，但又容易扩大噪声污染。因此，有必要采用自适应滤波法对图象进行增强处理。
5.2 车牌处理流程及说明
一个完整的车牌识别系统应包括车辆检测、图像采集、图像预处理、车牌定位、车牌滤波、字符分割和字符识别等单元模块[10]。首先对指定车辆进行图像采集，在这里我采集的是周口师范学院物理与电子工程系老师的车辆信息，为彩色图像。然后通过图像预处理，将彩色图像转化为灰度图像，同时也使得图像效果由三文变为二文。再对图像二值化处理，用来获得图像区域和边界信息。最后对灰度图像滤波。
图25 车牌滤波流程图
1．图像采集模块对真实车辆正面拍照，便于图像与处理和车牌定位。
2．图像预处理模块，鉴于输入的彩色图像占用较多的存储空间，并且在处理过程中也会使系统的执行速度大为降低。因此常将彩色图像转换为灰度图像，加快处理速度。
3．车牌定位模块，由于通过图像预处理得到的灰度图像仍然包含了除车牌以外的大量信息，所以通过借助MATLAB中imcrop函数裁剪出对应车牌部位的那部分信息。
4．车牌滤波模块对经过裁剪后的灰度车牌图像进行滤波处理，增强图片效果。为车牌识别系统打好基础。
5.3 车牌图像滤波
5.3.1 彩色图像灰度化及二值化处理
在对车牌图像滤波前，首先要对车牌图像预处理。由于拍摄车牌图像为彩色图像，彩色图像含大量颜色信息，不但占用存储空间大，而且处理时间相对较长。因此需要将彩色图像转换为灰度图像。不仅可以节省内存空间，而且大大缩短了后续操作处理时间。
图26 原彩色图像
图27 彩色图像灰度化
如上图26、图27，将彩色图像灰度化，不仅节省了内存，而且使得对图像的处理时间加快[11]。
图像在灰度化后，要进行二值化处理。图像二值化不仅简化计算，而且可以更快地求取区域和边界信息[12]。由于在车牌识别系统中，最终目的是对车牌字符识别和车标识别。所以通过二值化处理图像后，车牌的字符区域信息更加精确，同时会过滤掉边界以外的信息。
如图28，对灰度图像进行二值化处理，为求取图像的区域和边界信息做准备。通过图28可以看出，二值化处理后，图像中的车标和车牌信息显得更加凸显出来。
图28 灰度图像二值化
5.3.2 自适应中值滤波
为了使图像边缘变得更加清晰，本设计采用自适应中值滤波的方法来实现图像滤波处理和图像增强。二值化处理后的图像存在一定的噪声干扰，为了排除这些干扰，需要对图像进行滤波处理。传统中值滤波效果依赖于滤波窗口的大小， 太大会使图像整体变模糊，太小则滤除噪声不彻底。在滤波过程中当滤除噪声彻底时，会有损图像像素的灰度值。所以采用中值滤波改进算法处理：自适应中值滤波法。能够非常有效地去除突发噪声点，尤其是椒盐噪声，且几乎不影响边缘，又能够很好的保护图像细节[13]。这种方法的优点通过如下图29、图30、图31比较得出。图29为对灰度图像进行Canny算子边缘提取，图30为均值滤波后的canny算子提取，图31为自适应中值滤波后的Canny算子边缘提取。通过两图像对比得出结论。