膨胀可以使图像的边界朝外扩大，从而达到填补图像中的缝隙或者空洞的目的。膨胀的功能主要是将目标区域的周围一些背景像素点去除，并且将其并入目标区域中，可以填补图像在分割之后所形成的空洞。

（2-10）

2。3。2  腐蚀

腐蚀一般是删除对象边界某些元素，在腐蚀操作中，输出像素值是图像中相应的像素领域内所有像素中的最小值。腐蚀可以通过去除图像中的毛刺、凸起等使得图像向内收缩。并且可以将两个有细小的联通的区域分开[12]。

（2-11）

2。3。3  开运算

当运用同一个结构元素先对图像进行腐蚀运算，接着再对图像进行膨胀运算，即为开运算。开运算一般用来使得图像的边缘更为平滑，去除一些突刺以及一些孤立的像素点。

（2-12）

2。3。4  闭运算

当运用同一个结构元素先对图像进行膨胀运算，接着再对图像进行闭合运算，即为闭运算。闭运算也可以用来使得图像的边缘更为平滑，并且可以填充一些图像中的小孔。

（2-13）

对应Matlab程序：

se=[1;1;1];  %构造线性结构元素

I3=imerode(I2,se);  %对I2进行腐蚀操作

figure(3),文献综述

subplot(1,3,1),imshow(I3),title('腐蚀后边缘图像');

se=strel('rectangle',[25,25]);  %构造25*25的矩形结构元素

I4=imclose(I3,se);  %用25*25的矩形结构元素进行闭运算

subplot(1,3,2),imshow(I4),title('填充后图像');

I5=bwareaopen(I4,2000);  %去除I4中聚团灰度值小2000的部分

subplot(1,3,3),imshow(I5),title('形态滤波后图像');

图2。4  形态学处理

2。4  车牌定位

在进行字符分割和字符识别之前首先要正确地分割出车牌区域，对此提出的方法主要有Hough变换以检测直线来提取车牌区域、使用灰度分割及区域生长进行区域分割[13]，或者使用纹理特征分析技术等。当车牌图像的车牌区域变形或者被污染时，使用Hough变换法的失效可能性会急剧增加。当车牌图像中有很多和车牌区域灰度差不多的区域时，灰度分割法也没有很好的效果。本文使用的方法是数学形态学来定位车牌。

图像在经过灰度化处理、边缘检测后车牌区域已经比较明显，再经过数学形态学分析，去除了噪声，保留了图像的原有信息，并且使得图像边缘更为平滑。车牌定位结果如图2。6所示。

对应Matlab程序：

[y,x,z]=size(I5);  %y是I5矩阵的行数，x是列数，z是维数

I6=double(I5);  %将I5转成双精度型

%%%%%对Y方向进行分析%%%%%

Y1=zeros(y,1);  %创造一个y行1列的0矩阵

for i=1:y

    for j=1:x

             if(I6(i,j,1)==1)  %判断(i,j,1)是否为目标像素点

                Y1(i,1)= Y1(i,1)+1;  %计算目标像素点个数

            end 

     end       

end

[temp MaxY]=max(Y1);  %创建一个临时变量MaxY

figure(4);

subplot(1,2,1),plot(0:y-1,Y1),title('行方向像素点灰度值累计和'),xlabel('行值'),ylabel('像素');

PY1=MaxY;  %以下求出Y方向上满足目标区域的最小坐标值

while ((Y1(PY1,1)>=50)&&(PY1>1))

        PY1=PY1-1;

end

PY2=MaxY;  %以下求出Y方向上满足目标区域的最大坐标值

while ((Y1(PY2,1)>=50)&&(PY2<y))