改进的Bernsen算法实证研究

武汉理工大学 张红颖

改进的Bernsen算法实证研究

武汉理工大学 张红颖

本文首先对图像直方图均衡化、Bernsen算法以及滤波去噪技术进行了阐述，并对滤波去噪前后的图像进行Bernsen二值化。通过实证分析表明此方法由于传统的Bernsen算法，并能较好的获得二值化图像，为后期图像的分割提取提供有效保证。

Bernsen算法；直方图；滤波；车牌图像

图像的二值化算法是众多图像分割中最重要的算法之一，其目的是寻找一个最佳阈值，将图像中的灰度像素值与阈值比较，大于阈值记为目标，小于阈值记为背景，其结果的好坏将直接影响后续环节中字符的分割与识别。传统的直方图、Ostu算法以及Bernsen算法二值化已经不能很好的处理由于环境变化导致的图像目标与背景对比度不高、泛白、光照不均匀等情况。本文根据二值化的发展趋势，对灰度图像进行滤波处理，然后进行二值化，实验表明此方法由于传统的Bernsen算法。

1.原理简介

(1)直方图均衡化

(2)Bernsen算法

Bernsen算法是一种典型的局部阈值算法，其思想是考虑在灰度图像中以像素点 (i , j)为中心的(2ω+1)×(2ω+1)窗口，计算图像各个像素点 (i , j)的阈值 T ( i , j)。

遍历该矩阵 f ( i,j)，当前灰度值与 T ( i , j)比较，如果大于则赋值为1，判为目标像素类；否则赋值为0，作为背景像素类，显示得到的二值图像B。用 b ( i,j)矩阵记录该值。

(3)空域滤波

在实际的图像处理中，经常遇到图像灰度图像动态范围不高或者背景泛白的情况。直接对这样的灰度图像进行二值化，效果往往会很差。因此有必要增强图像对比度，对比度增强指利用各种数学方法和变换手段提高图像中的目标和背景对比度和图像清晰度。

空域滤波的机理就是在待处理的图像中逐点地移动模板，滤波器在该点地响应通过事先定义的滤波器系数进行计算。

对于线性空域滤波，其响应由滤波器系数与滤波模板扫过区域相应像素值乘积之和给出。

R作为在点（ x, y）处的增强点。对于非线性空域滤波而言，与线性滤波一样，只不过滤波的结果取决于像素邻域的值，与线性乘积和无关。

2.实证分析

(1)滤波前后直方图均衡化对比

图3(a)为原始图像及其对应的均衡化的直方图，直方图中并没有形成较明显的波峰波谷，并且图像的像素值出现断裂现象，对于这样的一幅灰度图像，不利于二值化图像的分割；经过滤波后的灰度图像较原始的灰度图像相比，车牌的目标与背景对比度加强利于图像的二值化分割。

表1

图1 待处理图像像素值

图2 滤波模板

图3(a) 原始图像及其直方图

图3(b) 滤波后灰度图像及其直方图

(2)滤波后直方图二值化、传统Bernsen二值化以及改进Bernsen二值化比对

运用图像处理软件Matlab进行调试，得到直方图、Bernsen算法以及改进的Bernsen算法图像二值化的对比结果及其对应的阈值，如表1所示。

滤波后直方图图像的二值化阈值为0.4800，效果较差，不能读取并且车牌字符存在断裂现象；Bernsen算法二值化阈值为0.2021，车牌已是面目全非，完全看不到车牌的字符，对于后期车牌的定位等工作显然是失败的；改进的Bernsen算法二值化阈值为0.3335，二值化效果显著，车牌字符清晰可见，为后期的车牌分割定位提供基础。

[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.数字图像处理(第二版)[M].北京:电子工业出版社,2003:1-4.

[3]王刚.图像二值化方法研究及其在监控识别系统中的应用[D].湖南:湖南大学,2010.

[4]赵建蕾,王汇源,方颖.偏暗或泛白背景的车牌图像二值化方法[J].计算机工程,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.