内，对于定义域为[Min,Max] 目标灰度区间，公式（4）为线性映射的数学表达式。

图 2。3 映射前灰度图、灰度直方图、映射函数

图 2。4 映射后灰度图、灰度直方图

线性映射适合于灰度值分布均匀但是梯度较低的图像，能够加强图像层次。然而，在很 多时候，灰度值的分布并不是均匀地，甚至容易集中于某一变化范围内。对于这类图像，使 用线性映射的方法对图像没有太大作用。另一种映射方式是非线性映射，映射函数可以是常 用的三角函数、分段函数、指数函数，除了选用不同的函数之外，也可以指定映射函数的定 义域。例如，使用 Sigmod 函数对原始图像进行灰度值非线性映射，则会屏蔽掉图像中非常亮 或者非常暗的部分，凸显出图像主要内容。Sigmoid 函数的表达式见公式（5）。

图 2。5 灰度图、灰度直方图

图 2。6 对比度线性映射、对比度 Sigmoid 映射

对于灰度直方图较为平缓的图像，采用线性映射的效果要优于使用非线性映射。经过大 量的测试，我们发现大多数集装箱图片的灰度直方图都较为平缓。因此，我们采用线性映射 的方式对图像进行灰度值的映射。从上图中可以看出，对于灰度值直方图分布如图 2。5 的灰 度图，采用线性映射的效果明显要比使用 Sigmoid 函数进行非线性映射好，图像文本与箱体 灰度能够很好地得到区分。

对图像进行灰度值的映射的目的是将彩色图像灰度图的灰度值变化范围映射到可控的范 围内。这样一来，即使如果其他图像处理技术需要用到全局灰度值变化范围也可以对所有图 像进行一次性处理，而不必再针对灰度值变化范围不同的集装箱图像进行单独的处理。这样 不仅将减少代码量，还将有利于后期的代码维护。文献综述

2。1。3 二值化

数字图像处理中二值化的算法有：1）Otsu；2）最大熵法；3）迭代法；4）自适应阈值；

5）基本全局阈值法。

（1）基本全局阈值法：

从公式（6）可以看出，基本全局阈值法的阈值 thresh 是所有像素点像素值的均值，图 像中任一像素点的灰度值对阈值都会造成影响。在自然场景集装箱箱号识别中，背景由树木、 建筑、其他车辆等等组成。在大多数情况下，这些无关的背景内容在整幅图像中所占的比重 并不小。这些背景噪声对灰度值的影响往往导致集装箱箱号部分反而不能在二值化的时候与 背景区分开来。除此之外，图像数据的采集端，即摄像头本身就会给采集的图像带来噪声，

摄像头本身不可避免的会有灰尘、雨渍等等。这些噪声的形成是随机的、没有规律的，但是 由于全局阈值法考虑整幅图像所有像素点的灰度值，所以噪声对全局阈值的影响也很大。再 者，集装箱箱号识别要求能在不同光照条件下都能完成识别。对于夜间的图像，有的在采集 过程中光照不够充分导致字符不够清晰；还有的集装箱经过光照以后存在反光的情况，针对 固定阈值分割可能导致反光部分信息完全丢失。即使不是夜间的图像，自然光也会造成一定 程度的影响。总之，使用全局阈值法无法分离图像细节信息，如图2。14所示。

图2。7 灰度图、基本全局阈值法二值化

由图2。7可见，自然场景中光线对二值化的结果影响很大，字符区域不能完整显示出来，

0和255的边界几乎就是自然光照投射到箱体的边界。来*自~优|尔^论:文+网www.youerw.com +QQ752018766*