江苏道恩智能 出入口设备管理

联系电话:0513-88862283 / 13706278715

新闻动态 /About Us

道闸图像预处理是在图像分析中
来源: 点击数:3次 更新时间:2019-9-17 9:47:45
    图像预处理是在图像分析中,对输入图像进行特征抽取、匹配和识别前所进行的处理。主要目的是消除图像中无关的信息,恢复有用的真实信息,增强有关信息的可检测性和最大限度地简化数据,从而改进特征抽取、匹配和识别的可靠性。


    图像的预处理包括对动态采集到的图像进行灰度化、二值化、边界增强、滤波等处理,以克服图像干扰,改善识别效果。而车牌识别中的图像采集一般是用工业电视摄像机 CCD 完成的。所获取的目标图像中,含有复杂的自然背景及车身背景信息,同时易受照明条件(白天、黑夜)、天气条件(阴、雨、雾、雪)及运动失真和模糊等因素的影响,因此严重影响获取图像的质量,给后续的车牌分割和字符识别带来很大的困难,所以有必要进行图像预处理操作。


    本文介绍了车牌定位前的图像预处理的一些基本技术,目的是提高图像质量,后文中还会提到一些具体的技术,突出车牌信息。对几种处理方法进行了概括介绍,并详细介绍了本系统所采用的方法。


    3.1 数字图像处理基础


    3.1.1 数字图像处理特点


    数字图像处理是利用计算机的计算功能,实现与光学系统模拟处理相同效果的过程。数字图像处理具有如下特点[7~9]:


    1 .处理精度高,再现性好。利用计算机进行图像处理,其实质是对图像数据进行各种运算。


    2.易于控制处理效果。在图像处理程序中,可以任意设定或变动各种参数,能有效控制处理过程,达到预期处理效果。这一特点在改善图像质量的处理中表现更为突出。


    3.处理的多样性。由于图像处理是通过运行程序进行的,因此,设计不同的图像处理程序,可以实现各种不同的处理目的。


    4.图像数据量庞大。


    车辆自动识别技术具有如下特点[10]:


    1.在大多数应用情况下,车辆自动识别技术都需要实时、准确的对汽车图片进行处理。


    2.用 CCD 摄像机拍到的汽车图像往往具有很强的干扰,在识别前需要进行某些处理,改善图像质量,以达到预期的识别效果。


    3.车辆自动识别技术应用范围广泛,在不同的应用中对各种参数有不同的需求。


    4.在高速公路收费口、智能小区入口等实际应用中,都要求车牌识别系统能够全天候、不间断的工作,工作量庞大。因此,数字图像处理技术适用于车辆自动检测,并在大量的实践中得到了证实。


    3.1.2 BMP 图像文件格式


    BMP(BitMap Picture)文件格式是 Windows 系统交换图形、图像数据的一种标准格式。BMP 图像的数据由四部分组成:


    第一部分为位图文件头 BITMAPFILEHEADER, 它是一个结构体;


    第二部分为位图信息头 BITMAPINFOHEADER,也是一个结构,其定义这个结构的长度,指定图像的宽度、高度、颜色、实际的位图数据占用的字节数、目标设备的分辨率、指定本图像实际用到的颜色数、指定本图像中重要的颜色数等。


    第三部分是调色板(Palette),这里是针对那些需要调色板的位图文件而言的。真彩色图像是不需要调色板的BITMAPINFOHEADER 后直接是位图数据。调色板实际上是一个数组,共有biClrUsed 个元素(如果该值为零,则有 2 的 biBitCount 次方个元素)。数组中侮个元素的类型是一个RGBQUAD结构,占 4 个字节。


    第四部分就是实际的图像数据。对于用到调色板的位图,图像数据就是该像素颜色在调色板中的索引值,对于真彩色,图像数据就是实际的 R、G、B 值。下面对 2 色、1 6 色、256 色位图和真彩色位图分别介绍。


    对于 2 色位图,用 1 位就可以表示该像素的颜色(一般 0 表示黑,1 表示白),所以一个字节可以表示 8 个像素。


    对于 16 色位图,用 4 位可以表示一个像素的颜色,所以一个字节可以表示 2 个像素。


    对于 256 色位图,一个字节刚好可以表示 1 个像素。


    对于真彩色图,三个字节才能表示 1 个像素。


    掌握数字图像处理的特点和图像数字化技术是能够正确应用该技术的前提。由于 BMP 位图文件格式在 WINDOWS 系统中的重要性,熟悉其组成形式十分必要,也是正确进行程序设计的必要条件。


    3.2 图像灰度处理


    汽车图像样本,目前大都是通过摄像机、数码相机等设备拍摄获取的,因而预处理前的图像多是彩色图像。真彩色图像又称为 RGB 图像,它是利用 R、 G、B 三个分量表示一个像素的颜色,其中 R、G、B 分别代表红、绿、蓝 3 种不同的颜色,通过三基色可以合成出任意颜色。所以对于一个尺寸为 m*n 的彩色图像来说,存储为一个 m*n*3 的多维数组。彩色图像包含着大量的颜色信息,不但在存储上开销很大,而且在处理上也会降低系统的执行速度。由于图像的每个象素都具有三个不同的颜色分量,存在许多与识别无关的信息,不便于进一步的识别工作,因此在对汽车图像进行识别等处理中经常将彩色图像转变为灰度图像,以加快处理速度[12]。


    在 RGB 模型中,如果 R=G=B,则颜色表示一种灰度颜色,其中 R=G=B的值叫做灰度值。由彩色转换为灰度的过程叫做灰度化处理。灰度图像就是只有强度信息,而没有颜色信息的图像,存储灰度图像只需要一个数据矩阵,矩阵的每个元素表示对应位置的像素的灰度值。彩色图像的像素色为 RGB(R,G,B),灰度图像的像素色为 RGB (r,r,r) ,R、G、B 可由彩色图像的颜色

分解获得。而 R、G、B 的取值范围是 0-255,所以灰度的级别只有 256 级。


    灰度化的处理方法主要有如下三种:


    最大值法:使 R、G、B 的值等于三值中最大的一个,即 R=G=B=max(R,G,B)平均值法:使 R、G、B 的值等于三值的平均值,即 R=G=B=(R+G+B)/3加权平均值法:根据重要性或其它指标给 R、G、B 赋予不同的权值,并使 R、G、B 等于它们的值的加权和平均,即 R=G=B=(WrR+WgG+WbB)/3其中 Wr、Wg、Wb 分别为 R、G、B 的权值。由于人眼对绿色的敏感度最高,对红色的敏感度次之,对蓝色的敏感度最低,所以本模块采用Wr=0.299 、Wg=0.588 、Wb=0.113,从而得到最合理的汽车牌照灰度图像,对车辆抓拍图象灰度化的效果如图 3-1: