张黎宾XXXX电子信息工程基于MATLAB的车牌识别系统中图.docx

《张黎宾XXXX电子信息工程基于MATLAB的车牌识别系统中图.docx》由会员分享，可在线阅读，更多相关《张黎宾XXXX电子信息工程基于MATLAB的车牌识别系统中图.docx（37页珍藏版）》请在三一办公上搜索。

1、毕 业 论 文基于MATLAB的车牌识别系统中图像预处理研究 学 院： 电气工程学院 专 业： 电子信息工程 姓 名： 张黎宾 学 号: P081613538 指导老师： 刘文博 2012年5月基于MATLAB的车牌识别系统中图像预处理研究专业：电子信息工程 姓名：张黎宾 指导教师：刘文博摘 要 数字图像处理技术是自1960年以来发展起来的一门新兴学科，随着图像处理技术理论和方法的进一步完善，使得数字图像处理技术在许多领域得到了广泛的应用，并展现出广阔的应用前景。本文主要是研究车牌识别系统中一个重要的模块图像预处理。为了使彩色图像减少存储信息，我们可以先对彩色图像进行灰度化，只保留该图像的亮度

2、信息。本文通过传统的方法中值滤波和均值滤波对图像进行去噪，对结果比较分析，虽然中值滤波比均值滤波效果要好，但是图像还是含有较多的噪声。所以本文在小波变换的基础上进行了改进，图像经过小波变换后再进行中值、均值滤波去噪，这样也再次把中值、均值滤波进行对比。通过对效果图的分析和总结，改进后的去噪效果要比之前的更好，同时改进后的中值滤波还是比均值滤波好一些，因此基于小波变换的中值滤波是值得采用的。本文提出的针对车牌图像的预处理过程对灰度图像可以达到不错的效果，并且在一定的程度上解决了因外界因素而造成的车牌图像对比度较低的问题。关键词 数字图像处理，预处理，中值滤波ABSTRACTDigital ima

3、ge processing technology is I emerging subject since 1960,the amelioration of image processing theory and methods gets the Digital image processing technology to be applied widely in many fields and present a broad application prospect in the days to come. This paper is mainly research vehicle plate

4、 recognition system a important moduleimage preprocessing.In order to make the color image to reduce the storage information, we can first on the gray of the color images, just retaining the brightness information of the image. This article through the traditional method of median filter and mean fi

5、lter for image noise reduction to comparative analysis the result, although the effect of median filtering is better than the mean filter, the images still contain lots of noise . Therefore, this paper makes improvement on the basis of wavelet transform , image after wavelet transform , noise reduct

6、ion of the median filtering and mean filter. It compared the median filtering and mean filter once more . According to the effect graph analysis and summary, the effect of the improved noise reduction is better than before, at the same time, the improved median filtering is also better than the impr

7、oved mean filter , so based on wavelet transform is worth the median filter.The idea of vehicle plate recognition system will earn a positive result as far as the pray image is concerned and, to some degree, resolve the problem evoked by internal dampers. Key Words：Digital image processing,Pre-proce

8、ssing,Median filtering目 录1 绪论11.1 课题的研究背景11.2 车牌识别系统的原理11.3 国内车牌特征21.4 本文的结构安排与主要工作32 MATLAB简介52.1 初识MATLAB52.2 MATLAB的基本功能63 图像灰度化与增强73.1 灰度化73.2 二值化83.3 图像增强103.3.1 图像增强的背景与定义103.3.2 图像增强的意义113.4 直方图113.5 直方图均衡化133.5.1 直方图均衡化的背景133.5.2 直方图修正技术的基础143.5.3 直方图的均衡化154 滤波去噪184.1 中值滤波184.1.1 中值滤波的定义184.

9、1.2 中值滤波的基本原理184.2 均值滤波194.2.1 均值滤波的定义194.2.2 均值滤波的基本原理204.3 基于小波变换的均值、中值滤波图像去噪234.3.1 小波变换234.3.2 对小波变换进行改进244.4 小结255 总结28致 谢29参考文献30附 录31II1 绪论1.1 课题的研究背景随着经济的快速增长，汽车走进寻常百姓家庭已经是常事，汽车的拥有人数也不断的在刷新。进入2000年以来，全世界各国的交通堵塞、交通事故和环境污染等问题越来越影响着人民经济水平的提高和生活质量的改善，人们也越来越重视城市道路的交通状况，怎样有效地改进交通管理，已经慢慢地成为相关部门关注的重

10、点。面对这问题，研究技术人员将电子信息技术、计算机理论技术、传感器技术集成运用于道路交通的实际需求，先后研究开发了以下几种系统：交通道路监管系统、车辆控制系统和道路交通安全系统。此类系统将车辆和道路结合起来进行分析，运用各种先进的技术解决道路交通的问题，统称为智能交通系统（Intelligent Transportation System，简称ITS）1。车牌识别（VLPR) 是智能交通系统中的一个重要组成部分，应用非常广泛。它是以数字图像处理、模式识别、计算机视觉等技术为基础，对所拍摄的车辆图像或者视频序列进行分析，得到每辆汽车唯一的车牌号码，进而完成车牌识别的过程2。通过某些后续的处理办法

11、可以实现很多功能，比如说停车位收费管理、车流量控制、车辆定位、车辆限行、车辆防盗、公路超速监管、闯红灯、公路收费站等等。对于车辆管理，防止交通堵塞，以便于更好的管理交通秩序有着实际意义。1.2 车牌识别系统的原理车牌识别系统主要是由图像预处理、车牌定位、图像采集、车牌识别、字符分割等环节组成，车牌识别系统的基本工作步骤是先把拍摄到的车辆车牌号码的图像输入计算机进行图像预处理，再通过车牌识别模块对车辆车牌进行定位、识别、检测，并且分割出含有车牌号码字符的区域，而后对该图像进行二值化处理，并将其分割成单个字符，规整后输入字符识别模块进行识别，之后把识别出来的结果存储到数据库里面。1.3 国内车牌特

12、征标准的车牌上的信息一般包含有七个字符，第一位字符为各省的简称，比如甘肃省简称“甘”、青海省简称“青”，次位为英文字母，它表示此省的地区，字母“A”都为各省份的省会，比如“甘A”就代表的是甘肃兰州的车牌，下一位为英文大写字母或者是数字，末四位字符一般情况下都为数字。如图1.1所示图1.1 一般的标准车牌号码不同颜色的车牌具有不同特征，我国的车牌有以下四种类型:蓝底白字指的是小功率汽车的车牌，黄底黑字表示大功率汽车的车牌，而军警用的车牌是白底黑红字，黑底白字表示国外驻华使馆用的车牌。如图1.2所示 图1.2(a) 小功率车牌图1.2(b) 大功率车牌图1.2(c) 军警车牌图1.2(d) 驻华使

13、馆车牌1.4 本文的结构安排与主要工作本文研究的只是车牌识别系统中图像预处理那一部分，图像预处理是车牌识别流程的第一步，处理效果直接影响到最后的结果，所以对图像进行预处理是很关键的一步。图像预处理包括图像灰度化、二值化、直方图均衡化、滤波去噪等。第一章绪论部分。介绍了本论文研究的背景和意义；概述了车牌识别系统在国内外的发展和应用现状；介绍了车牌识别系统的定义以及原理；具体给出本文研究的课题：图像预处理以及方法；最后给出了本文的内容安排。第二章MATLAB简介部分。简单介绍了MATLAB的背景、特点及基本功能。第三章图像灰度化和图像增强部分。主要介绍了图像预处理的以下几种方法：灰度化、二值化、图

14、像增强等。第四章滤波去噪部分。首先介绍了中值滤波、均值滤波，然后对各自处理的图像进行比较，之后还对小波变换进行改进，对结果再次进行比较。第五章小结部分。2 MATLAB简介 MATLAB是目前最优秀的科学计算软件之一，也是许多科学领域中分析、应用和开发的基本工具。Matrix Laboratory是MATLAB的全称，是由美国Mathworks公司于上个世纪80年代推出的数学软件，最初它是一种专门运用于矩阵运算的软件，经过多年的发展，MATLAB具有编写简单、代码效率高等优点，使得它在通信、信号处理、图像处理、经融计算等领域得到广泛应用3。2.1 初识MATLABMATLAB作为一款优秀的科学

15、计算软件，是进行算法开发、数据可视化、数据分析以及数值计算的交互式应用开发环境。全球许多科研工作者都在使用MATLAB产品来加快他们的科研进程，缩短数据分析和算法开发的时间，以便于他们能够尽快地研究出先进、高端的产品或者技术。与传统的C语言、C+和Fortran语言相比较，MATLAB提供了高效快速解决各种科学计算问题的方法。目前，MATLAB产品已经被广泛认可为科学计算领域内的标准软件之一。MATLAB已经被广泛地应用于许多不同领域，例如信号与数字图像处理领域、通信系统领域、经融数据分析领域以及生物科学领域等。MATLAB有以下几个特点4：1) 高级科学计算语言。2) 代码、数据文件的集成管

16、理环境。3) 算法设计开发的交互式工具。4) 用于线性代数、统计、傅立叶分析、滤波器设计、优化和数值计算的基本数学函数。5) 2-D和3-D数据可视化。6) 创建自定义工程师图形界面的工具。7) 与第三方算法开发工具C/C+、FORTRAN、Java、COM、Microsoft Excel集成开发基于MATLAB的算法。2.2 MATLAB的基本功能目前MATLAB的基本功能5如下：1) 数学计算功能2) 图形化显示功能3) M语言编程功能4) 编译功能5) 图形用户界面开发功能6) Simulink建模仿真功能7) 自动代码生成功能3 图像灰度化与增强在实际应用中，很多时候因为拍摄环境的多变

17、性，在自然条件下拍摄的车牌往往存在着各种各样的噪声，这样就使得对后期的车牌定位增加了难度，直接影响着字符的分割和准确的识别，因此，必须对原始图像进行图像预处理，使得图像的质量得到很大的改善，以提高字符的识别率。本文主要讨论车牌图像预处理的一些常用方法，包括图像的灰度化、二值化、图像增强等。3.1 灰度化车牌图像一般情况下可以分为彩色图像和灰度图像。彩色图像指的是它的像素点是由R（红色）、G（绿色）、B（蓝色）三种元色混合而成的，R、G、B的含量不同就会构成成不同的颜色。而灰度图像指的是只显示亮度信息，不包含彩色信息的图像，假如要表示灰度图像的话，就得量化灰度图像的亮度值，通常把灰度值划分在02

18、55范围内，总共256个等级，0表示黑，而255则表示最亮，也就是全白。对彩色图像进行灰度化处理，一般都采用以下公式：gray=0.39*R+0.50*G+0.11*B。其中，gray为灰度值。具体过程如图3.1所示。读取图像数据得到红绿蓝三色分量计算像素点灰度值像素点着色分量重新赋值得到灰度图像图3-1 图像的灰度变换车牌图像预处理的研究一般以灰度图像为研究对象，因为彩色图像的颜色信息量非常大，如果对进行识别往往会因为背景的复杂而受到影响，并且存在很多的不足，而灰度图像是一种最简单、有效的对比度增强方法。彩色图像的灰度变换程序以及显示的结果如下：I=imread(原图.jpg);I1=rgb

19、2gray(I);figure,imshow(I1);图3-2(a) 原图图3-2(b) 灰度图像3.2 二值化 图像二值化指的是把原本的彩色图像处理成只有黑与白这两个级别的图像。在后继研究车牌识别过程中，对图像进行二值化处理是尤其关键的，因为二值化的效果将直接影响到车牌定位、字符分割以及字符识别。图像的二值化处理过程将会使原图像损失很多有用的信息，所以在进行二值化预处理的过程中，非常关键的一步是经过处理后能否保留原图的主要特征，而正确选择阈值起着至关重要的作用。对图像二值化进行选取阈值有很多种方法，主要的方法一般可划分为以下3大类：(1) 整体阈值法。它是指在对图像进行二值化处理过程中只采用

20、一个整体阈值的方法。它把原始图像的每一个像素的灰度值与整体阈值x进行比较，若该像素的灰度值大于x，就取其为白色；若小于，则取为黑色。假设原图像g0（n0 ，m0），其灰度值范围是k1, km,在k1和km之间选择一个合适的灰度值x，二值化后的图像gk（n0 ，m0）可表示为 (3-1) (2)局部阈值法。指的是由当前的像素的灰度值与该值附近灰度值的局部灰度特征值来确定该像素的阈值。 (3) 动态阈值法。它的阈值选择不但取决于该像素及其附近像素的灰度值，还与该像素的坐标位置有关6。图像二值化程序以及结果：A=imread(灰度.jpg);B=im2bw(A,0.4);subplot(1,1,1)

21、;imshow(B);图3-3(a) 灰度图像图3-3(b) 二值化图像3.3 图像增强3.3.1 图像增强的背景与定义图像增强是图像处理过程中常常使用的一种方法，它对提高图像的质量起着非常大的作用。在通常情况下，在拍摄时由于光照条件的影响，可能会导致拍摄出来的照片图像太暗或者太亮；光学系统的失真、相对运动、大气流动等都会导致图像模糊，传输过程中将会导致各种噪声，因此，输入图像的视觉效果和识别等方面都可能有许许多多的问题。图像增强,是指需要根据特定的突出形象与重要信息,删除不需要信息。通过不同的途径所拍摄的图像，然后适当的进行一些图像增强处理，可以使原本模糊不清或无法辨认的图像变得清晰并且富含

22、大量有价值信息的图像，并且可以有效地去除原图像的是真部分、含有噪声部分，增强图像的边缘部分。3.3.2 图像增强的意义图像增强的目的是为了增强图像的视觉效果，使增强后的图像更适合人眼的识别、计算机识别分析以及处理。图像增强常常要在人眼的视觉效果的帮助下，来获取视觉效果更佳的图像，只是一般情况下很少会涉及到客观以及统一的评价标准。增强的效果通常都与原本的图像有关，依靠人的主观给予评价。图像增强一般是一个比较矛盾的过程。图像增强既希望能够很好的去除噪声又希望增强边缘视觉效果。只可是，一旦增强了图像的边缘就会对图像增加了噪声，而去除噪声又会使图像边缘变得不清晰，因此在进行图像增强的时候，往往都是将去

23、除噪声和增强边缘这两部分进行折中，找一个效果比较好的函数来达到让人满意的增强目的。3.4 直方图图像的直方图是一种重要的统计方法，它类似于图像灰度分布函数。一般情况下，要想得到精确的图像的灰度密度函数是比较困难的，在实际情况中，可以用数字图像灰度直方图来代替。归纳起来，灰度直方图主要有以下几点性质7：直方图中不包含位置信息（直方图只是反应了图像灰度分布的特性，和灰度所在的位置没有关系，不同的图像可能具有相近或者完全相同的直方图分布）；直方图反应了图像的整体灰度（直方图反应了图像的整体灰度分布情况，对于暗色图像，直方图的组成集中在灰度级低（暗）的一侧，相反，明亮图像的直方图则倾向于灰度级高的一侧

24、；直方图的可叠加性（一幅图像的直方图等于它各个部分直方图的和）；直方图具有统计特性（从直方图的定义可知，连续图像的直方图是一位连续函数，它具有统计特征）；直方图的动态范围（直方图的动态范围是由计算机图像处理系统的模数转换器的灰度级决定）8。MATLAB提供了imhist函数来计算和显示灰度图像的直方图，灰度直方图描述的是图像中具有该灰度值的像素的个数，如图3-4所示，(b)为图像(a)的灰度直方图。程序如下：img=imread(原图.jpg);p=rgb2gray(img);h=imhist(p);h1=h(1:2:256);h2=1:2:256;stem(h2,h1,r-);figure,

25、imhist(p);图3-4(a) 原图图3-5(b) 直方图当图像的灰度对比度较小时，从灰度直方图上可以看出有一小段密集的分布在灰度轴上一个区间上，比较暗的图像的包含的像素灰度值都很低，所以它的灰度直方图的主要部分分布在灰度值较低的那一小段区间上，而在灰度值较高的区间上的分布较少或基本没有，较亮的图像的灰度直方图分布情况则正好相反。3.5 直方图均衡化3.5.1 直方图均衡化的背景在实际应用中，无论采用哪种装置输入的采集的图像，由于光照、噪声等原因，图像的质量往往不能令人满意。例如，检测图像的边缘过于模糊；图像的失真、变形等等。所以这些图像常常需要采取一系列的方法来改善图像以求达到更好的效果

26、。图像增强技术正是在此基础上提出的。图像增强处理方法可以根据图像增强处理所处的空间不同，可分为基于空间域的增强方法和基于频率域的增强方法两类。空间域处理方法是在图像像素组成的二维空间里直接对每一个像素的灰度值进行处理，它可以是一幅图像内像素点之间的运算处理，也可以是数幅图像间的相应像素点之间的运算处理。频率域处理方法是在图形的变换域对图像进行间接处理，其特点是先将图像进行变换，在空间域对图像作傅里叶变换得到它的频谱，然后按照某种变化模型（如傅里叶变换）变换到频率域，完成图像由空间域变换到频率域，然后在频率域内对图像进行低通或高通频率域滤波处理。处理完之后，再将其反变换到空间域。在图像增强中，直

27、方图均衡化算法是空间域增强法中的最常用、也是最重要的算法之一。它以概率论为基础，运用灰度点运算来实现直方图的变换，进而达到增强图像的目的。本文介绍的直方图修正法可以通过对直方图进行均匀化修正，可使图像的灰度间距增大、灰度均匀分布、增大反差，使图像变得更加清晰，更适合人眼的识别。3.5.2 直方图修正技术的基础给定某一图像的灰度级，当它经过归一化处理后，灰度值的范围在0,1内，此时可以对0,1区间内的任意一个r值进行以下变换： s=T（r） (3-2)也就是说，通过上述变换，每个原始图像的像素值r都对应产生一个s值。变换函数T(r)应该满足以下两个条件9：（1）在0r1区间内，T(r)是单值单调

28、递增的；（2）对于0r1，有0T(r)1；从s到r的反函数可用式(3-3)表示，也同样的满足上述两个条件 (3-3)通过概率论的理论可以让我们知道，如果随机变量已知的概率密度为Pr(r)，而随机变量是的函数，即=T()，的概率密度则为Ps(s)，所以可以由Pr(r)求出Ps(s)10。由于s=T(r)是单调递增的，因此，它的反函数r= T-1(s)也是单调递增的。在此情况下，当s，且仅当时出现，因此可以求得随机变量的分布函数为： (3-4)再对式(3-4)两边进行求导，就可以得到随即变量的分布密度函数Ps(s)为： (3-5)由式(3-5)可知，对于连续情况，设Pr(r)和Ps(s)分别表示原

29、图像和变换后图像的灰度级概率密度函数，Ps(s)可由式(3-5)求出。3.5.3 直方图的均衡化直方图均衡化过程如下： 计算原图像的灰度直方图； 计算原图像的灰度图像的灰度分布函数，然后求出灰度变换表； 根据灰度变换表，将原图像各灰度级映射为新的灰度级。在MATLAB中，imhist函数可以实现直方图均衡化。该命令对灰度图像I进行变换，返回有N级灰度的图像J，J中的每个灰度级具有大致相同的像素点，所以图像J的直方图较为平坦，当N小于I中灰度级数时，J的直方图更为平坦，缺省的N值为64。 以下展示了直方图均衡化的效果，程序见附录1。 图3-6(a) 原始图像 图3-6(b) 原始图像直方图 图3

30、-6(c) 均衡化图像 图3-6(d) 均衡化后直方图通过对以上4幅图进行比较分析可以看出，原始图的灰度值分布范围在是100到150之间比较密集，所以从整体上原图像的对比度相对来说比较差，经过直方图均衡化处理后，灰度值几乎是均匀的分布在0到255的范围内，图像明暗分明，对比度相对来说比较好，图像看起来也比较清晰明亮，所以通过直方图均衡化处理后能够很好的改善了原始图的视觉效果。通过图像可以看到均衡化的有点在于它能够使得处理后图像的概率密度函数近似服从均匀分布，其结果扩张了像素值的动态范围，是一种常用的图像增强算法，但是也有不足之处，就是不能很好的抑制噪声。 下面对处理后的图像放在同一个界面，如下

31、图所示：图3-7 处理后的图像4 滤波去噪4.1 中值滤波4.1.1 中值滤波的定义在图像滤波中，线性滤波与非线性滤波这两种技术是经常使用的滤波方法，线性滤波技术根据它完美的理论为基础，处理起来比较简单、容易被采用和容易硬件的实现等特点；非线性滤波技术则是根据对输入信号序列的一种非线性投影，常常将某一个特定的噪声近似为零而保留信号的重要特征，在某种程度上弥补了线性滤波技术的缺陷，非线性滤波技术使用最多的是中值滤波，它处理多维信号的时候，对狭窄的脉冲信号抑制能力较强，但是中值滤波技术对均匀分布噪声和高斯噪声滤波性能比较差。中值滤波技术是一种非常典型的低通滤波器,它的目的是为了保护图像的边缘并且去

32、除噪声。中值滤波，指的就是把以某一点(x,y）为中心的窗口内的所有像素点的灰度值按顺序排列,若窗口中的像素点是奇数个,那么把最中间的那个值代替(x,y)处的灰度值；若窗口中的像素点是偶数个，则取那两个中间值的平均值代替(x,y)处的灰度值。中值滤波对去除椒盐噪声很有效，但它的缺点是采用一致的处理所有像素点，因此在滤除噪声的同时有可能改变了真正像素点的灰度值，导致误差的产生，损坏图像的边缘和细节。所以中值滤波技术对高斯噪声和均匀分布噪声不是很有效。4.1.2 中值滤波的基本原理中值滤波一开始只是被应用在一维的信号处理技术中，后来被用于二维图像信号处理技术。在某些情况下，它可以弥补线性滤波技术带来

33、的不足，比如图像细节模糊不清等，而且对滤除脉冲干扰及图像扫描噪声是最有效的。但对于一些细节比较多，尤其是点、线、更复杂的图像不适合采用中值滤波的方法。中值滤波的基本原理是把数字图像或数字序列中一点的值用该点的一个邻域中各点值的中值代替11。假如有这样一个一维序列f1，f2，fn，取窗口长度为m(m为奇数)，对该序列进行中值滤波处理，也就是说在输入的一维序列中先后抽出m个数，fi-v，fi-1，fi，fi+1，fi+v，其中i为窗口的中心位置，v=(m-1)/2，然后将这m个点按照它们的数值大小进行排列，把序列号是最中间的那个数取出来作为输出，用数学公式表示为: (4-1)如：有一个序列为0，3

34、，4，1，6，则中值滤波为重新排序后的序列0，1，3，4，6中间的值为3。 对二维序列Xij进行中值滤波处理时，滤波窗口也是一个二维的序列，但是这种二维窗口可以是各种各样不同的形状，比如线条状、十字交叉形、方形、圆形、圆环状等，二维数据的中值滤波可以表示为： (4-3)在实际情况下使用窗口的时候，窗口的大小一般先取33大小的再取55然后逐渐增大，直到其滤波的效果令人满意为止。对于一些有缓缓的较长轮廓线物体的图像，一般采用方形或者圆形的窗口，这两者都比较适合；而对于一些图像中含有尖角的物体时，则应该采用十字交叉形的窗口。使用二维中值滤波最值得注意的是保持图像中有效的细线状物体12。4.2 均值滤

35、波4.2.1 均值滤波的定义均值滤波是一种非常典型的线性滤波算法，它指的是在图像上对目标像素给一个一个模块，该模块包括了其附近的临近像素（以目标像素为中心的周围8个像素，构成一个滤波模块，即去掉目标像素本身）。再用模块中的全体像素的平均值来代替原来像素值。4.2.2 均值滤波的基本原理均值滤波通常也叫做线性滤波，平均法是它经常采用的方法，它的基本原理是用原来像素值的附近平均值代替原来图像中的每一个像素值，即处理的当前像素点（x，y），把该像素点的附近若干个像素点组成一个模块，求出该模块中所有像素点的平均值，再把刚才算出的平均值作为当前像素点（x,y）的值，假设处理后的像素在该点上的灰度值u（x

36、，y），即 u（x，y）=1/mf（x，y） (4-3)接着用以上那个例子：有一个序列为0，3，4，1，6，用平均滤波进行处理，则窗口大小为5，所以均值滤波输出的值为（0+3+4+1+6）/5=2.8，因此平均滤波的一般输出为: (4-4)均值滤波的缺点在于经过处理后的图像会变的模糊不清，因为该处理的方法是对所有的点都是一模一样的处理效果，在将噪声点分摊的同时，将图像的边界点也分摊了。下面通过图像处理的效果对中值滤波和均值滤波进行比较：I=imread(灰度.jpg);figure(1); imshow(I);title(原图);K=fspecial(average,5);K1=filter2

37、(K,J)/255;figure(2); imshow(K1);title(均值滤波);L=medfilt2(J,3 5);figure(3); imshow(L);title(中值滤波);图4-1(a) 灰度图像图4-1(b) 均值滤波处理后的图像图4-1(c) 中值滤波处理后的图像经过上述对图像的处理，可以看出：经过均值滤波处理后的图像有些模糊，让人看了不是很舒服；而经过中值滤波处理后的图像效果要好一些。可是，两者的差别不是特别的大。所以在原图像中加入一定的椒盐噪声（高斯噪声）进行比较,利用均值滤波和中值滤波进行去噪，然后观察其结果。过程如下：(1)使用imread()读入原彩色图像。(2

38、)因为使用中值滤波器只能对灰度图像进行处理，所以先利用rgb2gray()将彩色图像转化为灰度图像。(3)用imnoise()在灰度图像中加入椒盐噪声（高斯噪声）。(4)分别对图像进行均值滤波和利用medfilt2()函数进行中值滤波,并在matlab环境下运行。 程序与结果如下：I=imread(原图.jpg);I=rgb2gray(I);J=imnoise(I,gaussian,0,0.01);subplot(2,2,1);imshow(I);title(原图);subplot(2,2,2);imshow(J);title(noise);K1=imnoise(J,salt & pepper

39、,0.05)subplot(2,2,3);imshow(K1);title(平均滤波);L=medfilt2(J,3 5);subplot(2,2,4);imshow(L);title(中值滤波);图4-2(a) 加入椒盐噪声后I=imread(灰度.jpg);I=rgb2gray(I);J=imnoise(I,gaussian,0,0.05);subplot(2,2,1);imshow(I);title(原图);subplot(2,2,2);imshow(J);title(noise);K=fspecial(average,5);K1=filter2(K,J)/255;subplot(2,2

40、,3);imshow(K1);title(平均滤波);L=medfilt2(J,3 5);subplot(2,2,4);imshow(L);title(中值滤波);图4-2(b) 加入高斯噪声后4.3 基于小波变换的均值、中值滤波图像去噪4.3.1 小波变换小波变换是上个世纪80年代中后期逐步发展起来的一种新的数学算法，已在模式识别、语音识别与合成、地震信号处理、图像纹理分析、图像编码和压缩等信号与图像处理领域得到了非常广泛的应用13。小波变换的基本思想是通过一个母函数在时间上的平移和在尺度上的伸缩得到一个函数族，然后利用这族函数去表示或逼近信号或函数，获得一种能自动适应各种频变成分的有效的信

41、号分析手段。小波变换特别适用于那些在不同时间窗口内，具有不同的频率特性，刚好弥补了傅立叶变换的不足之处，因为傅立叶变换不能描述随时间变化的频率特性。通过下面的实际处理进行观察，程序见附录2。图4-3 小波变换4.3.2 对小波变换进行改进改进算法流程图如下：均值滤波小波变换原始图像去噪图像中值滤波图4-4 改进后的步骤我的改进方案是将原始图像先进行小波变换，然后分别进行均值、中值滤波，得到去噪图像。过程如下：（1）使用imread()读入原彩色图像。（2）利用rgb2gray()将彩色图像转化为灰度图像。（3）利用函数wrcoef2将图像进行2次小波去噪。（4）对小波去噪后的图像再次分别进行均

42、值、中值滤波去噪。 程序见附录3，结果如下：图4-5 改进后的图像4.4 小结 图4-6 中值、均值滤波比较通过比较我们可以得出结论：对于椒盐噪声，中值滤波比均值滤波效果好；对于高斯噪声，均值滤波比中值滤波效果好。以前学的都是些理论，现在通过实际的图片进行比较，可以让我们更好的了解中值滤波、均值滤波。图4-7(a) 原图图4-7(b) 加噪声图像图4-7(c) 均值滤波去噪图4-7(d) 小波去噪图4-7(e) 改进后的均值滤波去噪图4-7(f) 改进后的中值滤波去噪通过对以上处理后的图像进行比较分析，经过改进后的中值滤波效果最好，因此是值得采用的。 图4-8(a) 蓝底白字车牌 图4-8(a

43、) 黄底黑字车牌 图4-8(b) 驻华使馆车牌图 4-8(c) 军警车牌 通过效果图我们可以看出不仅仅只是针对普通车牌，也可以对特殊车牌进行处理。5 总结在图像处理过程中,消除图像的噪声是一个非常重要的问题,本文利用MATLAB软件,采用中值滤波、均值滤波的方法,对带有椒盐噪声和高斯噪声的图像进行处理,经过滤波后进行比较，发现中值滤波对处理后的椒盐噪声图像既适合人眼的视觉效果又能够消除图像中的干扰影响。通过本次试验我们可以看到对于椒盐噪声，中值滤波比均值滤波处理后的效果要好。它可以做到既去除噪声又能保护图像的边缘，从而获得较满意的复原效果。因此中值滤波是图像处理所不可缺少的,许多类型的图像噪声

44、都可以利用中值滤波法加以除噪。本文利用数字图像处理技术对彩色图像的车牌预处理技术进行了研究。首先阐述了车牌识别技术的研究意义和原理，介绍了车牌识别的发展、现状和应用，分析了车牌预处理的难点；接着对车牌识别预处理行了研究，分析了各种预处理的方法的优缺点。原图像经过图像变换的时候噪声很少，所以在去噪滤波部分加了一些椒盐噪声和高斯噪声，然后分别用中值滤波和均值滤波对椒盐噪声、高斯噪声进行处理并比较。图像去噪过程中，主要采用了中值滤波、均值滤波、小波变换。由于每种方法都有优缺点，所以进行了改进：把中值滤波、均值滤波及小波变换三者结合。对图像先进行小波变换，之后分别用中值滤波、均值滤波进行处理，通过对得到的效果图进行比较，可以发现中值滤波比均值滤波更适合，所以，基于小波变换后的中值滤波是值得采用的。致 谢毕业论文完成的时候，我的内心无法平静。大学期间，特别是毕业论文完成期间，老师和同学给予了我很多无私的帮助。对此，我深表感激。首先我要感谢我的导师刘文博老师，感谢她对我至始至终的关心、指导和教诲。刘老师身上的崇高品质对我将是一生的鞭策。本次毕业论文从课题选题、信息采集到论文的撰写都是