数码管分割

《数码管分割》由会员分享，可在线阅读，更多相关《数码管分割（22页珍藏版）》请在装配图网上搜索。

1、燕山大学课程设计说明书题目数码管的数字分割学院（系）：电气工程学院年级专业： 11级仪表二班学 号： 110103020123学生姓名：石迎宏指导教师：赵彦涛教师职称：副教授燕山大学课程设计（论文）任务书院（系）：电气工程学院基层教学单位：自动化仪表系学号110103020123学生姓名石迎宏专业（班级）仪表2班设计题目数码管的数字分割设 计 技术参 数将所给的图像进行字符分割，可将图像中的七段数码管数字单独分割出来， 形成单独的图像并予以保存。设计要求根据所给图像的特点，实现图像中七段数码管的数字分割，即将数码管中 的数字单独分割出来，保存成单独的图像格式。工 作 量1、将原始图像变成灰度图

2、像。2、多次调试，选择最佳阈值对图像进行二值化。3、去除边界干扰。4、用不同算子对图像进行锐化，并做相关比较。5、对图像进行水平和垂直投影，利用循环语句找出分割边界。6、将图像中的数字一个一个分割出来。并将程序做另一步调整，分割其他图片。工 作 计 划第一天第二天第三天第四天阅读任务书，明确目标，查阅相关资料。学习和了解和数字分割所运用到的知识，并初步确定大体的处理思路。 用matlable编程程序，解决遇到的问题。对不理想之处进行完善，并完成报告。参 考 资料1 郁梅，郁伯康，郑义.基于视觉的车辆牌照检测.计算机应用研究2 Visual C+/MATLAB图像处理与识别实用案例精选胡小峰，赵

3、辉编 著人民邮电出版社20043 IEEE，Elservier以及中国期刊网上的相关文章指导教师签字基层教学单位主任签字说明：此表一式四份，学生、指导教师、基层教学单位、系部各一份。2013年12月26日目录一、摘要3二、图像的预处理42.1原始图像的灰度化42.2图像的二值化处理52.3去除图像边界干扰62.4图像锐化处理7三、数码管的数字分割.113.1垂直水平投影113.2确定图像的上下和左右边界12四、心得体会14五、 参考文献14六、 附录17、摘要在图像的研究和应用中，人们往往只对一幅图像中的某些部分感兴趣这些感兴趣的 部分一般对应图像中特定的、具有特殊性质的区域，称之为目标或前景

4、，其它部分称为图 像的背景。为了辨识和分析目标，需要把目标从一幅图像中孤立出来,这就是matlab图像 处理中的图像分割。而本次设计主要针对本文主要对数码管显示的数字的图像预处理及 分割进行研究。在分割之前对原始图像依次进行了灰度化，二值化，去除边缘干扰，锐 化等预处理。对于数码管数字的分割本文主要采用了垂直水平投影的方法，先得到边缘 二值化图像的垂直投影和水平投影，并转化成统计直方图形式，进行局部放大后，再利 用循环语句找到直方图的波谷处对应的坐标，就可以把图像中的左右边界和数字分割出 来了，在实验过程中得出较好的分割效果。然后再选择另一幅有代表性的七字数码管图 片，针对该图像特点，对源程序

5、进行进一步修改和验证。关键词： 图像分割、锐化、预处理、垂直水平投影二、图像的预处理2.1原始图像的灰度化处理将彩色图像转化成为灰度图像的过程称为图像的灰度化处理。由于彩色图像中的每 个像素的颜色有R、G、B三个分量决定，而每个分量有255个值可取，这样一个像素 点可以有1600多万(255*255*255)的颜色的变化范围。而灰度图像是R、G、B三个 分量相同的一种特殊的彩色图像，其一个像素点的变化范围为255种，所以在数字图像 处理种一般先将各种格式的图像转变成灰度图像以使后续的图像的计算量变得少一些。 灰度图像的描述与彩色图像一样仍然反映了整幅图像的整体和局部的色度和亮度等级的 分布和特

6、征。把图像灰度化可以使图像的大小缩小为原来的1/3,而且同样可以获得足 够的图像细节，减少了不必要的干扰，降低处理的复杂度，利于后续工作的展开。图像的灰度化处理可用经常用以下方法来实现：求出每个像素点的R、G、B三个 分量的平均值，然后将这个平均值赋予给这个像素的三个分量。在matlable中，可以使 用rgb2gray()函数直接对图像进行灰度化处理，图1是原图片和灰度化之后的图片。图1尽管针对某些色彩不鲜明的图片进行灰度化处理后用肉眼外观看起来变化并不是那 么明显，但针对matlab程序处理的确方便了许多。2.2图像的二值化处理图像的二值化处理就是讲图像上的点的灰度置为0或255,也就是讲

7、整个图像呈现出 明显的黑白效果。即将256个亮度等级的灰度图像通过适当的阀值选取而获得仍然可以 反映图像整体和局部特征的二值化图像。在数字图像处理中，二值图像占有非常重要的 地位，特别是在实用的图像处理中，以二值图像处理实现而构成的系统是很多的，要进 行二值图像的处理与分析，首先要把灰度图像二值化，得到二值化图像，这样子有利于 再对图像做进一步处理时，图像的集合性质只与像素值为0或255的点的位置有关，不 再涉及像素的多级值，使处理变得简单，而且数据的处理和压缩量小。所有灰度大于或 等于阀值的像素被判定为属于特定物体，其灰度值为255表示，否则这些像素点被排除 在物体区域以外，灰度值为0，表示

8、背景或者例外的物体区域。如果某特定物体在内部 有均匀一致的灰度值，并且其处在一个具有其他等级灰度值的均匀背景下，使用阀值法 就可以得到比较的分割效果。如果物体同背景的差别表现不在灰度值上(比如纹理不同)， 可以将这个差别特征转换为灰度的差别，然后利用阀值选取技术来分割该图像。动态调 节阀值实现图像的二值化可动态观察其分割图像的具体结果。其具体算法如下：设图像为f 3, y)，其灰度值范围为(Z , Z )，在z和z之间选择一个合适的灰度阈1 k1 k值t，则分割后的图像f (x,y)由以下公式表示。tf (x, y) = 1f (x,y以t0 else在matabl e中使用i m2bw()函

9、数把灰度图像进行二值化处理，处理结果如图2所示:化图2根据原图像的灰度直方图，归一化后选用的阈值为0.7160得到图2所述图像。但考 虑到第一个数字0和上边缘连接到一起，可以判定0.7160针对该图像偏大，在0.7160 附近进行进一步实验，实验结果如图3所示：阈值取0.6时二值化图像阈值取0.7时二值化图像阈值取0.71时二值化图像图3可以看出，阈值取0.6时偏小，因为大部分区域变成白色的了。而取0.7或者0.71 则不会变白，且又不会出现数字和边缘粘到一起的现象，所以阈值取0.7或0.71较为合 适。2.3去除图像边界干扰考虑到图像周围存在与数字无关的无用信息，所以在分割之前必须对将边界无

10、用的 信息去除，否则很可能影响下一步的进行。为了避免在投影时除数字之外的其他信息影 响投影结果，这里先把小面积的区域删除，在matable中，直接用bwareaopen （bw, n） 函数可实现此功能，删除二值图像bw中面积小于n的区域。经过试验当n=2500时可以 很好的去除掉边缘无用的信息。图4是去除边界干扰后的图像显示。去除边界干扰后的图像图42.4图像锐化处理图像锐化是数字图像处理的最基本的方法之一，它是为了突出图像总的细节或者 增强被模糊地细节，这种模糊不是由于错误操作，就是特殊获取方法的固有影响。图像 锐处理的方法多种多样，其也包括多种应用，从电子印象和医学成像到工业检测和军事

11、系统的的制导，等等。从图像平滑处理图像，我们可以看到在空间域用像素领域平均法 可以使图像变模糊。因为均值处理与积分相似，从逻辑的角度，我们可以断定锐化处理 可以用空间微分来完成。由于前阶段并未对图像进行平滑处理，不存在人工造成图像变 模糊的问题。该设计中锐化目的是为了突出轮廓，便于水平垂直直方图的观察。在这次 设计中将实现数字微分锐化的各中定义及其实现算子。微分算子的响应程度与图像在该 点（应用了算子）的突变程度有关。这样一来，图像微分增强了边缘轮廓的高频分量， 在这次我们将用Matlab实现图像锐化算法（即微分算子），并对其不同的微分锐化算子 比较看其优缺点和应用场合，以及改变算法参数对锐化

12、结果的影响。它的实现将改善人 的视觉效果或便于人或机器对图像的分析理解，根据图像的特点或存在的问题，以及应 用目的所采取的不同算子改善图像质量或增强图像的某些特征的措施。边缘检测是用梯 度算子来完成的。目前已经提出很多种梯度算子，区别主要在于所采用的模板和元素系 数的不同，常用的边缘检测的梯度算子有：罗伯特交叉算子（Roberts）（图4）、蒲瑞维特算子（Prewitt）（图5）和索贝尔（Sobel）（图6）、坎尼算子（Canny）和拉普拉斯算 子算子（LOG）（图7）。其中Sobel、Prewitt和LOG算子是3x3模板，Roberts算子是2x2 模板。2.4.1Roberts梯度算子法

13、Roberts梯度就是采用对角方向相邻两像素之差，故也称为四点差分法。对应的水 平和垂直方向的模板为：图5 Roberts算子标注的是当前像素的位置（i,j）为当前像素的位置，其计算公式如下：敏5 = |贝）-川+顷+1）|十网+顷）-汽”+1）|Roberts梯度算子特点是用4点进行差分，以求得梯度，方法简单。其缺点是对噪 声较敏感，常用于不含噪声的图像边缘点检测。梯度算子类边缘检测方法的效果类似于 高通滤波，有增强高频分量，抑制低频分量的作用。这类算子对噪声较敏感，由于程序 一开始并没有对图像进行去噪处理，所以我们希望检测算法同时具有噪声抑制作用。2.4.2Prewitt梯度算子法Prew

14、itt梯度算子法（平均差分法0）因为平均能减少或消除噪声，Prewitt梯度算子 法就是先求平均，再求差分来求梯度。水平和垂直梯度模板分别为：-10-1 -1 -11七=-10.1电=0 0.0 -_-1011 1 1图6Prewitt梯度算子利用检测模板可求得水平和垂直方向的梯度，再通过梯度合成和边缘点判定，就可 得到平均差分法的检测结果。2.4.3Sobel梯度算子法再进行平均和差分，也称加权平均Sobel算子就是对当前行或列对应的值加权后 差分。水平和垂直梯度模板分别为：-10r 121 -W =.-20*25 -y 300.0-101-1-2-1sobel算子都在检测边缘点的同时具有抑

15、制噪声的能力，检测Sobel算子和Prewitt算子一样，出的边缘宽度至少为二像素。由于它们都是先平均后差分，平均时会丢失一些细节信息， 使边缘有一定的模糊。但由于Sobel算子的加权作用，其使边缘的模糊程度要稍低于程 度要稍低于Prewitt算子。2.3.4Laplacian 算子法Laplacian算子对数字图像f (m,n)，用差分代替二阶偏导，Laplacian算子为:日也 n=KfJ)-英+5& j -i)i 写成检测模板为图 8 Laplaciam 算子Laplaciac检测模板的特点是各向同性，对孤立点及线端的检测效果好，但边缘方向 信息丢失，对噪声敏感，整体检测效果不如梯度算子

16、。图9是分别用4钟算子对图像锐化的最终效果:用普瑞维特算子锐化后的图像用索贝尔算子锐化后的图像图9分别用四种算子锐化结果尽管从图中看来效果差不多，但根据四种算子锐化各自的特点，这里采用Sobel 算子进行锐化，Sobel算子对噪声有很好的抑制作用，信噪比高，提取的边缘方向信息 准确，定位性能好，运算量适中，其结果如图10所示，可以看出处理后图像的边缘部分 得到了极大的强化。图10是进行下一步最终采用的锐化结果：图10用sobel算子锐化结果三数码管的数字分割、在摘要中已经提到，要想实现图像的分割，即辨识和分析目标，就需要把目标从一幅 图像中孤立出来，本次设计目标就是将将图像中的七段数码管数字单

17、独分割出来，形成单 独的图像并予以保存。对于数码管数字的分割我主要采用了垂直水平投影的方法，先得 到边缘二值化图像的垂直投影和水平投影，并转化为图像的统计直方图形式，利用循环 语句找到直方图的边界和数字间隔处对应的坐标，就可以把图像中的数字单独分割出来 了，并针对所选择额图像在实验过程中得出较好的分割效果。3.1垂直水平投影法数字图像二值化并进行锐化后，以像素点为单位逐列（逐行）扫描图像，累加该列（该 行）值为1的像素点，累计的结果即为该列的垂直投影（该行的水平投影）。对图像的所有 列（行）扫描完毕后即得到完整图像的垂直（水平）投影。垂直（水平）投影直方图如图11所 示。垂直投影坐标图6040

18、 -20f 网讪仙I050100150200250300350400450500图11垂直（水平）投影直方图由于在垂直（水平）投影直方图中由于数字分界处灰度为1的像素点很少，故投影后 该处表示为很低的波谷，将统计值很小的值的列（行）作为分隔的界限。3.2确定图像的上下和左右边界除了数字分界处出现灰度值很小的波谷，在坐标图的两侧也出现了灰度很小的一部 分区域，即除了数字以外的边界区域，要想把数字单独分割出来，就必须确定图像的上 下边界，将边界分割出去。“数字下边界”是指以像素为单位沿图像某列自下而上搜索直 至遇到数字区域的第一个字，则上下边缘投影即为数字上边缘与数字下边缘两者之差， 如图11所示

19、。同理可得到数字左右边界。该过程是利用for语句实现。第一个数字第二个数字 第三个数字 第四个数字第五个数字第六个数字 第七个数字第八个数字图11分割后的图像当再遇到另一张图片的时候，由于数字以及数字分布和原图片不同，修改显示数字 数后就会遇到如图12所示问题。第二个数字第一个数字第三个数字第四个数字水平投影坐标图40030020010050100150200250300图12 另一幅图片的结果可以看出上下和左右分割都出现了问题。上述情况出现时只需调整图片的上下边界 即可，即调整程序循环部分。调整结果如图13所示。第一个数字第二个数字第四个数字第三个数字图13调整后的图片四心得体会、本设计应用

20、的软件是MATLAB，通过一段时间的学习，我对此软件有了更深的了 解。MATLAB作为实验室的常用软件，除具备卓越的数值计算能力外，它还提供了专业 水平的符号计算，文字处理，可视化建模仿真和实时控制等功能。MATLAB语言有很多 优点：首先，简洁紧凑，使用方便灵活，库函数极其丰富。程序书写形式自由，利用起 丰富的库函数避开繁杂的子程序编程任务，压缩了一切不必要的编程工作；其次，运算 符丰富。由于MATLAB是用C语言编写的，MATLAB提供了和C语言几乎一样多的运 算符，灵活使用MATLAB的运算符将使程序变得极为简短；除此之外，程序的可移植 性很好，基本上不做修改就可以在各种型号的计算机和操

21、作系统上运行；本文主要研究的是数码管数字分割算法研究。文中首先介绍了数码管数字分割的现 状与发展，然后介绍了当今该领域的一些比较热门的方法，最后着重介绍对于该课题本 文所采用的方法。通过查阅相关的文献资料，基本上完成了本课题的设计，经过程序的调试与修改， 最终完成了程序的设计，得出了正确的结论。当然本设计也有很多不足的地方，方法比较简单，解决的都是比较正常的数码管数字 分割的问题。对于有一些问题的数码管数字分割还有很多欠缺的地方。比如一些损坏的、 数字模糊的数码管等，此方法的识别率还不是很高，跟当今一些比较先进的方法相比，还存在一些差距。这也是本设计不足的方面。五、参考文献1郁梅，郁伯康，郑义

22、.基于视觉的车辆牌照检测.计算机应用研究,1999 (5)： 65-672 Johnson A S,Bird B M. Number-plate matching for automatic vehicle identification.Electronic Image and Image Processing in Security and Forensic Science. IEE Colloquium,2004(4):1- 8.3 Lotufo R A , Mo rgan A D, Johnson A S. Automatic number-plate recognit ion. Ima

23、ge Analysis for Transport Applications. IEE Colloquium, 2004(6) : 1- 6.4 Y I AbdelAzjz. H M Kara,Direct Liner Transformation into Objecl Space Coordinates in Close-range Photogrammetry.In Proe.Symposium 0n Close-Range Photogrammetry. Urbana,Illinois.1-185杨威.一种用于二值图象什割的快速聚娄算法.计算机研究与发展 1998： 35(8)： 71

24、97236 Hegt J.A., Dela HayeR.J., Khan N.A. A high performance license plate recognition system. In: Proceedings of IEEE International Conference on Systems, Man and Cybernetics, San Diego, California, 1998, 435743627 Yuan Jie, Hu Zheng一Yi, W ang Yan一Ping. Finding corners by Using hough transform. Wuh

25、an University Journal of Natural Science(Natura1 Science Edition), 1998, 44(1)： 85888张引，潘云鹤.面向车辆牌照字符识别的预处理算法.计算机应用研究，1999, 16(7)： 85-879苑玮琦、伞晓钟.一种汽车牌照多层次分割定位方法，2004 Vol.9 No.4 P.239-24310 Visual C+/MATLAB图像处理与识别实用案例精选 胡小峰，赵辉编著.人民邮电出版社2004:196-229燕山大学课程设计评审意见表指导教师评语:正确完善完善认真工作态度较认真不认真较为合理合理理论分析一般方法设计

26、一般较差较差成绩:指导教师:2013年 12月27日答辩小组评语:原理清晰基本掌握了解正确设计结论基本正确不清楚不正确成绩:评阅人:课程设计总成绩:答辩小组成员签字:2013年 12月27日赵彦涛程淑红王志斌童凯2013年 12月27日附录：第一张图片程序：A=imread(C:UsersAdministratorDocuments31daxiangsu47.png);subplot(1,2,1),imshow(A),title(原始图像);灰度化处理huidu=rgb2gray(A);subplot(1,2,2),imshow(huidu),title(灰度化图像);二值化处理fmax1=d

27、ouble(max(max(huidu);fmin1=double(min(min(huidu);yuzhi=(fmax1-(fmax1-fmin1)/3)/255;erzhi=im2bw(huidu,yuzhi);figure,imshow(erzhi);title(阈值取0.7160时二值化图像);erzhi=double(erzhi);erzhi=im2bw(huidu,0.6);subplot(1,3,1),imshow(erzhi);title(阈值取0.6时二值化图像);erzhi=double(erzhi);erzhi=im2bw(huidu,0.7);subplot(1,3,2

28、),imshow(erzhi);title(阈值取0.7时二值化图像);erzhi=double(erzhi);erzhi=im2bw(huidu,0.71);subplot(1,3,3),imshow(erzhi);title(阈值取0.71 时二值化图像);去除边界干扰I2 = bwareaopen(erzhi,2500);figure,imshow(l2);边缘二值化subplot(2,2,3),imshow(bianyuan),title(用普瑞维特算子锐化后的图像);bianyuan=edge(l2,sobel);subplot(2,2,4),imshow(bianyuan),tit

29、le(用索贝尔算子锐化后的图像);垂直水平投影histcoll=sum(bianyuan);subplot(2,1,1),bar(histcoll);title(垂直投影坐标图);histrow=sum(bianyuan);subplot(2,1,2),bar(histrow);title(水平投影坐标图);确定分割的左右边界y=length(histcoll);j=0;for m=1:yif(histcoll(1,m)0)j=j+1;k(j)=m;endendi=length(k);x=1;h(1)=k(1);for n=1:(i-1)if(k(n+1)-k(n)10)x=x+1;h(x)=

30、k(n+1);endend%确定分割的上下边界a=length(histrow);b=0;for c=1:aif(histrow(1,c)4)b=b+1;d(b)=c;endende=length(d);u(1)=d(1);u(2)=d(e-2);分割字符显示shuzi1=A(u(1):u(2),h(1):h(2);subplot(2,4,1),imshow(shuzi1),title(第个数字);shuzi2=A(u(1):u(2),h(2):h(3);subplot(2,4,2),imshow(shuzi2),title(第二个数字);shuzi3=A(u(1):u(2),h(3):h(4

31、);subplot(2,4,3),imshow(shuzi3),title(第三个数字);shuzi4=A(u(1):u(2),h(4):h(5);subplot(2,4,4),imshow(shuzi4),title(第四个数字);shuzi5=A(u(1):u(2),h(5):h(6);subplot(2,4,5),imshow(shuzi5),title(第五个数字);shuzi6=A(u(1):u(2),h(6):h(7);subplot(2,4,6),imshow(shuzi6),title(第六个数字);shuzi7=A(u(1):u(2),h(7):h(8);subplot(2,

32、4,7),imshow(shuzi7),title(第七个数字);shuzi8=A(u(1):u(2),h(8):h(9);subplot(2,4,8),imshow(shuzi8),title(第八个数字);第二张图片的程序：A=imread(C:UsersAdministratorDocuments31daxiangsu63.png); figure,subplot(1,2,1),imshow(A),title(原始图像);灰度化处理huidu=rgb2gray(A);subplot(1,2,2),imshow(huidu),title(灰度化图像);二值化处理fmax1=double(m

33、ax(max(huidu);fmin1=double(min(min(huidu);erzhi=double(erzhi);erzhi=im2bw(huidu,0.58555);subplot(1,3,2),imshow(erzhi);title(阈值取0.5855时二值化图像);去除边界干扰I2 = bwareaopen(erzhi,1500);figure,imshow(I2);边缘二值化bianyuan=edge(I2,log);subplot(2,2,1),imshow(bianyuan),title(用拉普拉斯算子锐化后的图像);bianyuan=edge(I2,roberts);s

34、ubplot(2,2,2),imshow(bianyuan),title(用罗伯特算子锐化后的图像);bianyuan=edge(I2,prewitt);subplot(2,2,3),imshow(bianyuan),title(用普瑞维特算子锐化后的图像);bianyuan=edge(I2,sobel);subplot(2,2,4),imshow(bianyuan),title(用索贝尔算子锐化后的图像);垂直水平投影histcoll=sum(bianyuan);subplot(2,1,1),bar(histcoll);title(垂直投影坐标图);histrow=sum(bianyuan)

35、;subplot(2,1,2),bar(histrow);title(水平投影坐标图);确定分割的左右边界y=length(histcoll);j=0;for m=1:yif(histcoll(1,m)0)j=j+1；k(j)=m;endendi=length(k);x=1;h(1)=k(1);for n=1:(i-1)if(k(n+1)-k(n)13)x=x+1;h(x)=k(n+1);endend%确定分割的上下边界a=length(histrow);b=0;for c=1:aif(histrow(1,c)4)b=b+1;d(b)=c;endende=length(d);u(1)=d(1)

36、;u(2)=d(e-6);分割字符显示shuzi1=A(u(1):u(2),h(2)-(h(3)-h(2):h(2);subplot(1,4,1),imshow(shuzi1),title(第个数字);shuzi2=A(u(1):u(2),h(2):h(3);subplot(1,4,2),imshow(shuzi2),title(第二个数字);shuzi3=A(u(1):u(2),h(3):h(4);subplot(1,4,3),imshow(shuzi3),title(第三个数字);shuzi4=A(u(1):u(2),h(4):h(5);subplot(1,4,4),imshow(shuzi4),title(第四个数字);