一、數(shù)字圖像處理基礎(chǔ)一幅圖像可以定義為一個二維數(shù)組f(x,y)，這里x，y是空間坐標，而在任何一對空間坐標(x,y)上的幅值f稱為該點圖像的強度或灰度。當x，y和幅值f為有限的、離散的數(shù)值時，稱該圖像為數(shù)字圖像。自然界呈現(xiàn)在人眼中的圖像是連續(xù)的模擬信號，在計算機處理前，必須用圖像傳感器把光信號轉(zhuǎn)換為表示亮度的電信號，再通過取樣和量化得到一副數(shù)字圖像。取樣是對圖像在坐標上進行離散化的過程，每一個取樣點稱為一個像素。量化是對圖像灰度上的離散化過程。取樣后將得到M*N個像素，每個像素量化得到一個灰度值L，以L表示灰度值的允許取值范圍，則數(shù)字圖像存儲需要的比特數(shù)b可以表示為：圖像的灰度值取值范圍被稱為圖像的動態(tài)范圍。把占有灰度級全部有效段的圖像稱為高動態(tài)范圍圖像，高動態(tài)范圍圖像有較高的對比度。相反，地動態(tài)范圍的圖像看上去是沖淡了的灰暗格調(diào)。

二、圖像的預處理：主要是對圖像進行灰度化、二值化、抑噪（濾波）等技術(shù)。1、圖像的灰度化RGB系統(tǒng)中一個顏色值由3個分量組成，這樣的圖像稱為彩色圖像，RGB系統(tǒng)稱為顏色空間模型。常見的顏色空間模型還有HSI、CMYK等。如果一幅圖像的顏色空間是一維的（一個顏色值只有一個顏色分量），則這幅圖像就是一副灰度圖。在位圖圖像中，一般以R=G=B來顯示灰度圖像。圖1原始圖片常用的灰度化方法有以下三種：

(2.1)

(2.2)

(2.3)其中，公式（2.1）的方法來源于I色彩空間中I分量的計算公式，公式（2.2）來源于NTSC色彩空間中Y分量的計算公式。公式（2.3）是基于采用保留最小亮度（黑色）的方法。圖2用公式2.2灰度化后的圖片RGB彩色圖像可以看成是由3副單色的灰度圖像構(gòu)成的，可以直接取RGB通道中的任一個通道得到灰度化圖像，如，前提是圖像中目標像素的亮度信息主要分布在B通道上，否則灰度化結(jié)果將是亮度信息的大量丟失?；叶葓D像又叫亮度圖像，由歸一化的取值表示亮度，最大取值表示白色，最小取值表示黑色。以P(x,y)表示圖像中一個點，x、y分別是圖像的橫坐標和縱坐標，R(x,y)表示R通道的顏色分量，G(x,y)表示G通道的顏色分量，B(x,y)表示B通道的顏色分量。點P(x,y)的亮度值用L(x,y)表示。彩色圖像的亮度沒有嚴格的定義和計算公式，一般用公式（2.1）來計算，我們記作L1(x,y)。同樣的用公式（2.2）計算的亮度值記作L2(x,y)，用公式（2.3）計算的亮度值記作L3(x,y)?？梢宰C明：

（2.4）

（2.5）公式（2.1）取RGB通道的平均值，得到的圖像相對比較柔和，同時也縮小了目標和背景的平均亮度差，不利于后續(xù)的閥值處理。公式（2.2）考慮了人眼對綠色的適應度最強，藍色次之，紅色最差。在處理綠色調(diào)和藍色調(diào)的驗證碼圖像時，公式（2.2）的效果令人滿意，但在處理紅色調(diào)的圖像時，因為公式中紅色的權(quán)值很小，灰度化后目標像素和背景像素的亮度差值被嚴重縮小，效果還不如公式（2.1）。公式（2.3）基于一個前提，那就是有限保留目標像素的亮度信息，利于后續(xù)的閥值分割。需要說明的是，要根據(jù)圖像灰度化的目的不同，原圖色彩特征的不同，選擇合適的灰度化方法。2、圖像的二值化一般24位RGB圖像的灰度圖是8位256個灰度級的，如果把這個灰度級減少到1位2個灰度級，就得到一副二值圖，二值圖像中的數(shù)據(jù)全部是0或1。圖3二值化后圖像

三、字符分割：字符分割包括從驗證碼圖像中分割出字符區(qū)域和把字符區(qū)域劃分成單個字符兩個部分。如果采用統(tǒng)計特征匹配以及神經(jīng)網(wǎng)絡(luò)法識別，必須要先分割出單個的字符。簡單的分割方法包括等距分割、積分投影分割、交叉點分割、求連通區(qū)等。其中，粘連字符的分割是一個難點，復雜的粘連情況下分割比較困難，是一個硬人工智能問題。

四、字符識別字符識別就是把處理后的圖片還原回字符文本的過程。可以分成基于字符分割的識別（包括采用神經(jīng)網(wǎng)絡(luò)、SVM、各種統(tǒng)計距離的識別法）和模板匹配法識別。字符識別的常用做法是：先獲取該字符的特征碼，然后使用各種分類算法將對該特征碼進行分類，將其打上相應的類標簽。分類模型的訓練，是對字符庫中的每個字符進行特征化處理，得到每個字符的特征碼，該字符的標簽就是該字符本身，利用特征碼加上字符的標簽對字符庫中的所有數(shù)據(jù)進行訓練，得到相應的分類模型。當然，得到了待識別字符的特征碼后，也可以使用相似性度量和字符庫中的字符的特征碼進行比較，將該字符識別為與其特征碼相似性最高的字符?，F(xiàn)在的問題就集中在如何獲取字符的特征碼。文章[2]中介紹了一種簡單的獲取特征碼的方法：對于二值化后的圖像進行分割，分割出來的圖像是一個個的字符，如下圖