改進的Bernsen算法實證研究

武漢理工大學 張紅穎

改進的Bernsen算法實證研究

武漢理工大學 張紅穎

本文首先對圖像直方圖均衡化、Bernsen算法以及濾波去噪技術進行了闡述，并對濾波去噪前后的圖像進行Bernsen二值化。通過實證分析表明此方法由于傳統的Bernsen算法，并能較好的獲得二值化圖像，為后期圖像的分割提取提供有效保證。

Bernsen算法；直方圖；濾波；車牌圖像

圖像的二值化算法是眾多圖像分割中最重要的算法之一，其目的是尋找一個最佳閾值，將圖像中的灰度像素值與閾值比較，大于閾值記為目標，小于閾值記為背景，其結果的好壞將直接影響后續環節中字符的分割與識別。傳統的直方圖、Ostu算法以及Bernsen算法二值化已經不能很好的處理由于環境變化導致的圖像目標與背景對比度不高、泛白、光照不均勻等情況。本文根據二值化的發展趨勢，對灰度圖像進行濾波處理，然后進行二值化，實驗表明此方法由于傳統的Bernsen算法。

1.原理簡介

(1)直方圖均衡化

(2)Bernsen算法

Bernsen算法是一種典型的局部閾值算法，其思想是考慮在灰度圖像中以像素點 (i , j)為中心的(2ω+1)×(2ω+1)窗口，計算圖像各個像素點 (i , j)的閾值 T ( i , j)。

遍歷該矩陣 f ( i,j)，當前灰度值與 T ( i , j)比較，如果大于則賦值為1，判為目標像素類；否則賦值為0，作為背景像素類，顯示得到的二值圖像B。用 b ( i,j)矩陣記錄該值。

(3)空域濾波

在實際的圖像處理中，經常遇到圖像灰度圖像動態范圍不高或者背景泛白的情況。直接對這樣的灰度圖像進行二值化，效果往往會很差。因此有必要增強圖像對比度，對比度增強指利用各種數學方法和變換手段提高圖像中的目標和背景對比度和圖像清晰度。

空域濾波的機理就是在待處理的圖像中逐點地移動模板，濾波器在該點地響應通過事先定義的濾波器系數進行計算。

對于線性空域濾波，其響應由濾波器系數與濾波模板掃過區域相應像素值乘積之和給出。

R作為在點（ x, y）處的增強點。對于非線性空域濾波而言，與線性濾波一樣，只不過濾波的結果取決于像素鄰域的值，與線性乘積和無關。

2.實證分析

(1)濾波前后直方圖均衡化對比

圖3(a)為原始圖像及其對應的均衡化的直方圖，直方圖中并沒有形成較明顯的波峰波谷，并且圖像的像素值出現斷裂現象，對于這樣的一幅灰度圖像，不利于二值化圖像的分割；經過濾波后的灰度圖像較原始的灰度圖像相比，車牌的目標與背景對比度加強利于圖像的二值化分割。

表1

圖1 待處理圖像像素值

圖2 濾波模板

圖3(a) 原始圖像及其直方圖

圖3(b) 濾波后灰度圖像及其直方圖

(2)濾波后直方圖二值化、傳統Bernsen二值化以及改進Bernsen二值化比對

運用圖像處理軟件Matlab進行調試，得到直方圖、Bernsen算法以及改進的Bernsen算法圖像二值化的對比結果及其對應的閾值，如表1所示。

濾波后直方圖圖像的二值化閾值為0.4800，效果較差，不能讀取并且車牌字符存在斷裂現象；Bernsen算法二值化閾值為0.2021，車牌已是面目全非，完全看不到車牌的字符，對于后期車牌的定位等工作顯然是失敗的；改進的Bernsen算法二值化閾值為0.3335，二值化效果顯著，車牌字符清晰可見，為后期的車牌分割定位提供基礎。

[1]P.K.Sahoo,S.Soltani,A.K.C.Wong,et al.A Survey of Thresholding Techniques.ComPuter GraPhics,Vision and Image Proeessing,1988(41):233-260.

[2]阮秋琪,阮宇智.數字圖像處理(第二版)[M].北京:電子工業出版社,2003:1-4.

[3]王剛.圖像二值化方法研究及其在監控識別系統中的應用[D].湖南:湖南大學,2010.

[4]趙建蕾,王匯源,方穎.偏暗或泛白背景的車牌圖像二值化方法[J].計算機工程,2008.34(06):210-213.

[5]Pun T.A New Method for Gray-Level Pieture Thresholding Using the Entroy of the Histgran.Signal Processing,1980,8(4):223-237.