基于图像处理的车牌识别方法研究(BP神经网络)(6)
（2）HSV色彩空间
HSV色彩空间模型如图2 所示，是由色调(Hue)，饱和度(Saturation)和亮度(Value)三个颜色分量组成的一类色彩空间。它通常用于选择颜色，更接近人对颜色的主观感知。色调是可见光经过折射后产生的单色光谱，即纯色，它组成了可见光谱，并用360度的色轮来表示。对应于孟塞尔(Mussel)颜色立体模型中水平剖面的周向。其中蓝色位于240度左右。饱和度描述颜色的浓淡程度，各种颜色的最高饱和度为该色的纯色，最低饱和度为黑白系列颜色。饱和度对应于孟塞尔颜色立体模型中水平剖面的径向，在色轮上，从中心向边缘饱和度是递增的。色轮中心由黑色到灰色再到白色的一系列颜色的饱和度都为零。亮度表示颜色的明亮程度，对应于孟塞尔颜色立体模型中垂直剖面的中轴线。亮度主要受到光源强弱的影响，它与色彩信息无关。该色彩空间三个分量的相关性较低。所以在选择颜色时，我们通常由RGB色彩空间转换到 HSV 色彩空间中，然后再作处理。
图2.2:HSV模型
（3）RGB到HSV色彩空间的转换
进行色彩空间的转换运算之前，需要在RGB空间将每～个色彩分量值先归一化，可以通过对每一个分量除以255来得到。RGB到HSV色彩空间的转换关系如下：
2.4.3 数学形态学理论
(1) 数学形态学概述
数学形态学也称图像代数，表示以形态为基础对图像进行分析的数学工具是一种应用于图像处理和模式识别领域的新的方法。数学形态学是在集合论的基础上发展起来的，它摒弃了传统的数值建模及分析方法，而从集合的角度来刻画和分析图像。数学形态学中基于集合的观点是非常重要的，这意着它的运算是由集合运算(如并、交、补等)来定义的，并且所有的图像都必须以合理的方式转换为集合。这一基于集合的观点决定了形态学算子的性能将主要以几何方式进行刻画，而传统的理论则以解析的方式描述算子的性能。这种显式的几何描述特点更适合于视觉信息的处理和分析，因此，数学形态学与几何的直接关系是它的一个十分吸引人的优点。它将人们从视觉心理角度的“看见”或“看不见”表述为“并集”或“交集”运算。对于所有能看到的东西来说，其理解的结果是它们的“并”，而对于所有因遮挡而不能看到的东西来说，其理解的结果是它们的“交”。因此，集合变换反映着视觉过程。
从集合论的角度看，数学形态学包含了从一个集合转换到另外一个集合的运算方法。这种转换的目的是要找到原始集合的特定几何结构，而转换后的集合包括了这种结构的信息。同时，这种转换是通过一种称为结构元素的特征集合来实现的。对集合进行分析就是对集合进行变换，以突出所需要的信息，所采用的方法是使主观“探针”与客观物体相互作用。“探针”也是一个集合，它由我们分析的目的来决定。这个“探针”的集合称为结构元素，它携带有我们感兴趣的知识入灰度、形状等。数学形态学的基本思想就是用具有一定形态的结构元素去度量和提取图像中的对应形状以达到对图像分析和识别的目的
(2)二值形态学的基本运算
形态学的数学基础和所用语言是集合论，其基本运算有四种：膨胀、腐蚀、开启和闭合。基于这些基本运算，还可以推导和组合成各种数学形态学实用算法。假设用A表示目标物体，B表示结构元素，则二值形态学基本运算及实用算法如下：
如果图像A用结构元素B来膨胀，则记作 其定义为：