交通的標(biāo)志識(shí)別

交通的標(biāo)志識(shí)別圖像的處理1訓(xùn)練圖與樣本圖的對(duì)比22023/10/28實(shí)驗(yàn)用圖356357圖像處理1圖像增強(qiáng)顏色識(shí)別闕值分割八連通域消除*邊緣檢測(cè)在一般情況下，經(jīng)過圖像的傳送和轉(zhuǎn)換，如成像、復(fù)制、掃描、傳輸和顯示等，經(jīng)常會(huì)造成圖像質(zhì)量的下降，即圖像失真。在攝影時(shí)由于光照條件不足或過度，會(huì)使圖像過暗或過亮；光學(xué)系統(tǒng)的失真、相對(duì)運(yùn)動(dòng)、大氣流動(dòng)等都會(huì)使圖像模糊，傳輸過程中會(huì)引入各種類型的噪聲。這些都會(huì)在處理圖像時(shí)產(chǎn)生巨大影響，因此在校驗(yàn)前需要對(duì)圖像進(jìn)行增強(qiáng)處理現(xiàn)在常用的圖像增強(qiáng)方法分為兩種：空域法，頻域法圖像增強(qiáng)6方法分類

1、空域法頻域處理法的基礎(chǔ)是卷積定理，它采用修改圖像傅立葉變換的方法實(shí)現(xiàn)對(duì)圖像的增強(qiáng)處理。

2、頻域法直方圖均衡化增強(qiáng)現(xiàn)在常用的圖像增強(qiáng)方法分為兩種：空域法是直接對(duì)圖像中的像素進(jìn)行處理，基本上是以灰度映射變換為基礎(chǔ)的。原圖像改造為均勻直方圖分布，時(shí)輸出像素灰度概率分布均勻，能增強(qiáng)整個(gè)圖像的對(duì)比度。imadjustJ=imadjust(I,[low_in;high_in],[low_out;high_out])將圖像I中的亮度值映射到J中的新值，即將low_in至high_in之間的值映射到low_out至high_out之間的值。low_in以下與high_in以上的值被剪切掉了，也就是說，low_in以下的值映射到low_out，high_in以上的值映射到high_out。它們都可以使用空的矩陣[]，默認(rèn)值是[01]。本次實(shí)驗(yàn)中，將圖片的三色軌道r，g，b提取后，分別對(duì)其進(jìn)行如下變換J=imadjust(I,[0.30.7],[01])2023/10/28J=imadjust(I,[0.10.9],[01])2023/10/28J=imadjust(I,[0.20.8],[01])2023/10/28J=imadjust(I,[0.30.7],[01])2023/10/28J=imadjust(I,[0.30.7],[01])將圖像的三色軌道分化后，根據(jù)不同軌道上的數(shù)值，判別每個(gè)點(diǎn)的的顏色。經(jīng)過測(cè)驗(yàn)對(duì)于紅色和黑色的判別條件如下黑色：R<20，G<20，B<20紅色：R>180，G<20，B<20顏色識(shí)別2023/10/282023/10/282023/10/28圖像閾值化分割是一種傳統(tǒng)的最常用的圖像分割方法，因其實(shí)現(xiàn)簡(jiǎn)單、計(jì)算量小、性能較穩(wěn)定而成為圖像分割中最基本和應(yīng)用最廣泛的分割技術(shù)。它特別適用于目標(biāo)和背景占據(jù)不同灰度級(jí)范圍的圖像。基本原理是：通過設(shè)定不同的特征閾值，把圖像象素點(diǎn)分為若干類。常用的特征包括：直接來自原始圖像的灰度或彩色特征；由原始灰度或彩色值變換得到的特征。為初步消除圖片中的噪音點(diǎn)，我們使用了闕值分割處理在實(shí)驗(yàn)中我們選擇的是（I(i,j)>150），即九宮格中五點(diǎn)為空閥值分割2023/10/282023/10/28從多邊形區(qū)域內(nèi)部任意一個(gè)種子像素點(diǎn)出發(fā)，通過訪問其左、左上、上、右上、右、右下、下、左下這8個(gè)鄰接點(diǎn)可以遍歷區(qū)域內(nèi)的所有像素點(diǎn)，該多邊形區(qū)域稱為八連通域。八連通域消除的算法就是基于此區(qū)域八連通域消除2023/10/28八連通域消除的算法有很多，現(xiàn)僅提供一種算法算法要求：本算法只針對(duì)左，左上，上，右上四點(diǎn)規(guī)則：1）當(dāng)左，上同時(shí)有值時(shí)選擇其中較小的賦值2）當(dāng)左上，右上同時(shí)有值時(shí)選擇其中較小的賦值3）當(dāng)不屬于前兩種情況時(shí)，按左，左上，上，右上順序賦值（否則賦空值）在matlab中提供了連通域消除函數(shù)IG=bwareaopen(G,10,8);在八連通域下，消除面積在十以內(nèi)的噪音2023/10/282023/10/28邊緣檢測(cè)有很多種算子可以使用，Sobel算子，拉普拉斯高斯（loG）算法等，本次試驗(yàn)中選定了Roberts算子Roberts算子是一種最簡(jiǎn)單的算子，是一種利用局部差分算子尋找邊緣的算子，他采用對(duì)角線方向相鄰兩象素之差近似梯度幅值檢測(cè)邊緣。檢測(cè)垂直邊緣的效果好于斜向邊緣，定位精度高，對(duì)噪聲敏感,無(wú)法抑制噪聲的影響。Roberts邊緣算子是一個(gè)2x2的模板，采用的是對(duì)角方向相鄰的兩個(gè)像素之差。從圖像處理的實(shí)際效果來看，邊緣定位較準(zhǔn)，對(duì)噪聲敏感。*邊緣檢測(cè)2023/10/28在MATLAB中提供了Sobel算子，拉普拉斯高斯（loG）算法等多種算法，我們可以直接調(diào)用edge函數(shù)BW1=edge(IG,'roberts');BW1=edge(IG,‘log’）;BW1=edge(IG,‘sobel');2023/10/282023/10/282023/10/28PS：當(dāng)圖像素過大時(shí)，roberts算子將會(huì)出現(xiàn)極大的偏差此圖中用來邊緣檢測(cè)的圖像像素為800*800訓(xùn)練圖與樣本圖的對(duì)比2歐氏距離歐氏距離所謂歐氏距離變換，是指對(duì)于一張二值圖像（再次我們假定白色為前景色，黑色為背景色），將前景中的像素的值轉(zhuǎn)化為該點(diǎn)到達(dá)最近的背景點(diǎn)的距離。歐氏距離變換在數(shù)字圖像處理中的應(yīng)用范圍很廣泛，尤其對(duì)于圖像的骨架提取，是一個(gè)很好的參照歐氏距離變換步驟提取圖像強(qiáng)化特征比較選取圖像裁剪（想象之中）圖像增強(qiáng)三色軌道闕值分割八連通域消除邊緣檢測(cè)歐氏距離2023/10/282023/10/28謝謝ppt中部分文字取自百度百科LHCY（老虎吃羊）小組邊緣檢測(cè)前的*在處理357這樣，與樣本圖有極高相似度，但由于識(shí)別機(jī)制建立在像素層面而無(wú)法識(shí)別的圖像，可以利用邊緣檢測(cè)的方式勾勒出圖像的邊緣，進(jìn)行比較，在使用邊緣檢測(cè)后確實(shí)根據(jù)357找到了最近似的樣本圖。有關(guān)“*”的解釋但是，在使用邊緣檢測(cè)前必須要有兩個(gè)前提：1）一個(gè)有效的圖像裁剪機(jī)制2）更加豐富的樣本庫(kù)否則在樣本庫(kù)中添加一張空白圖后。。。2023/10/282023/10/282023/10/282023/10/282023/10/28歡迎收看——這里才是結(jié)尾~^o^~LHCY（老虎吃羊）小組謝謝觀看/歡迎下載BYFAIT