·422· 智能系统学报 第4卷 fx,y）= 0, f(x,y）<T, (1) 滤波图各点的阈值；和的取值根据车牌中字符笔画 l255,f(x,y)≥T 粗细来定，经过实验，本文取0=10. 阈值T的确定主要有全局阈值法和局部阈值 3)为了消去伪影现象，对阈值进行平滑，即 法两大类.全局阈值法有全局0tsu算法12]、直方图 T.(x,）=2g7x+l,), (6) 凹面分析法「12]等，这类算法对目标背景较清楚的图 T(x,y）=2Y3T(x+l): (7) 像可以取得较好的结果但如果图像背景复杂，光照 式中：T(x,y)为原图各点的平滑阈值，Tc(x,y)为 变化大，则一般用局部阈值法，常用的有局部0tsu 高斯滤波图各点的平滑阈值， 和Bernsen算法[I等. 4)确定阈值并逐点二值化.为了充分结合高斯 1.1.1传统的Bernsen算法 滤波和Bernsen算法的性能，最终各点的阈值T(x, 传统的Bernsen算法凭借其优异的综合性能， y)由T(x,y)和Tc(x,y)共同确定，即 在局部二值化领域中充当着重要的角色，能够解决 当Tn(x,y)=0时，若Tc(x,y）=0,则 一些光照不均的问题.考虑以(x,y)为中心，计算每 T(x,y)=0;若Te(x,y)≠0时，则T(x,y)=a· 点阈值的具体形式为 Tc(x,y）· T(x,y)=0.5×(maxf八x+l,y+k)+ 当T(x,y)≠0时，若T(x,y）=0,则T(x,y)= -0<k≤G min f(x +l,y+k)). (2) B·T(x,y);若Te(x,y)≠0，则 -w<l≤ -o<ks” T(x,y）=（Tn(x,y）+Tc(x,y))/2+ 式中：T(x,y)为各点阈值，f(x,y)是原始的灰度图 |(T(x,y）-Te(x,y) (8) 像，t0是局部阈值运算窗口.但是，传统的Bernsen 由实验得到，B分别取0.8和0.3. 算法以局部窗口的最大最小值作为考察点的阈值， 所以，对高斯滤波图g(x,y)按式(9)逐点二值 花费时间长，对于干扰比较敏感，而且容易产生伪 化，并对二值图进行中值滤波，进一步去除噪声点 影，给图像造成较大干扰 最终处理结果如图1所示，图1(a)为原图，图1(b) 1.1.2改进的Bernsen算法 为本文得到的二值图. 针对传统Bernsen算法存在的上述问题，采用 0, g(x,y)<T(x,y), 改进的Bernsen算法来实现.该算法分别对汽车原 g(x,y）= (9) 255,g(x,y)≥T(x,y) 图和高斯图进行水平方向上的“线Bernsen算法”， 即式(2)中取局部窗口高度k=0,具体为 T(x,y）=0.5×（mafx+l,y）+ min f(x +l,y)). (3) 式中：T(x,y)为各点阈值，f(x,y)是原始的灰度图 像，0是局部阈值运算窗口.最终的阈值由两者加权 确定.改进的Bernsen算法运算量相对减小，而且在 二值化图像中能有效地去除非均匀光照的影响.其 (a)原图 具体步骤如下： 1)对汽车图像f孔x,y)进行高斯滤波，得到图像 g(x,y).高斯滤波图中光照柔和，减弱了原图中的 70 光照不均匀度， 2)分别对汽车图像f(x,y)和g(x,y)进行水平 方向上的线Bernsen算法，即 Tn(x,y）=0.5×(max f(x+L,y）+ e《写用 minf(x+ly)), (4) (b)本文的二值图 图1改进Bernsen算法的效果 Tc(x,y)=0.5×(maxg(x+l,y）+ Fig.1 The result of improved Bernsen i8(x+l,）). (5) 图2给出了改进Bernsen算法与其他二值化方 式中：T（x,y)为原图各点的阈值；Te(x,y)为高斯 法的效果比较.图2(a)为汽车原图，图2(b)~(f)