CN104992413A - 人脸和/或车牌图像的处理方法 - Google Patents
人脸和/或车牌图像的处理方法 Download PDFInfo
- Publication number
- CN104992413A CN104992413A CN201510317136.XA CN201510317136A CN104992413A CN 104992413 A CN104992413 A CN 104992413A CN 201510317136 A CN201510317136 A CN 201510317136A CN 104992413 A CN104992413 A CN 104992413A
- Authority
- CN
- China
- Prior art keywords
- image
- license plate
- face
- row
- plate image
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Landscapes
- Image Processing (AREA)
Abstract
本发明公开了一种人脸和/或车牌图像的处理方法,该方法包括如下步骤:根据待处理图片选择区域,使用矩形框选择人脸和/或车牌图像在图片中的处理范围;根据图像质量情况,依次选择是否进行对比度调节和/或亮度调节;对调节后的图像选择图像处理高级算法进行处理,所述图像处理高级算法包括去模糊、去噪和锐化中的一种或者几种;如是车牌图像则进行反色处理,如是人脸图像则进入下一步;预览,保存,处理下一张。采用本发明方法处理后的图像在对比度、纹理细节和清晰度方面得到提高,图像噪声减少,车牌图像在反色后车牌的数字和字母更加清晰。
Description
技术领域
本发明涉及图像处理领域,具体涉及一种人脸和/或车牌图像的处理方法。
背景技术
近年来,人脸和车牌图像的处理越来越多地用于刑侦手段中,人脸和车牌图像处理的应用为刑侦破案解决了许多技术问题,提高和加快了刑侦破案的效率。目前,人脸和车牌图像的处理方式多种多样,涉及到很多图像处理的算法,每种算法都能单独地、不同程度地解决图像中存在的诸如模糊、噪声干扰等问题,但是如何利用和组合这些技术,使得处理的图像展现出更好的视觉效果,是目前比较缺乏的。
发明内容
本发明目的在于克服上述现有技术的不足,而提出了一种人脸和/或车牌图像的处理方法,该方法经过长期的经验摸索,有效地改进对图像的处理方法和流程,取得了较好的人脸和/或车牌图像的处理效果。
实现本发明目的采用的技术方案是一种人脸和/或车牌图像的处理方法,该方法包括如下步骤:
(1)根据待处理图片选择区域,使用矩形框选择人脸和/或车牌图像在图片中的处理范围;
(2)根据图像质量情况,依次选择是否进行对比度调节和/或亮度调节;
(3)对调节后的图像选择图像处理高级算法进行处理,所述图像处理高级算法包括去模糊、去噪和锐化中的一种或者几种;
(4)如是车牌图像则进行反色处理,如是人脸图像则进入下一步;
(5)预览,保存,处理下一张。
本发明方法是在现有的图像处理技术基础之上,经过长期的经验摸索,有效地改进对图像的处理方法和流程,形成了一种高效实用的人脸、车牌图像的处理流程,处理后的图像在对比度、纹理细节和清晰度方面得到提高,图像噪声减少,车牌图像在反色后车牌的数字和字母更加清晰。
附图说明
图1为本发明人脸和/或车牌图像的处理方法流程图。
图2为本实施例所用原始图片。
图3为采用本发明方法对图2进行处理后的图片。
具体实施方式
下面结合实施例对本发明作进一步说明,但不限定本发明。
实施例:本实施例采用车牌图像来详细说明本发明方法的处理流程,输入图像为RGB类型的图片,如图1所示。
以下为本发明实施例的具体步骤:
(1)根据待处理图片选择区域,使用矩形框选择车牌图像在图片中的处理范围;
(2)根据图像质量情况依次选择进行对比度调节、亮度调节。图像亮度和对比度的调节根据像素变换来实现,在输入图像中用f(i,j)表示输入图像中第i行和第j列的像素值,g(i,j)表示输出图像中第i行和第j列的像素值。用以下公式对f(i,j)进行变换:
g(i,j)=α·f(i,j)+β (1)参数α(α>0)是增益参数,β是偏置参数,用α和β分别来控制对比度和亮度。本实施例先设置α=1.2,β=0,实施提高图像对比度,然后设置α=1,β=10来实施提高亮度。
(3)根据图像改善情况选择使用维纳滤波的方法去模糊,使用中值滤波的方法去噪,使用USM锐化的方法来增强纹理。维纳滤波综合了退化函数和噪声统计特性两个方面进行复原处理,维纳滤波是寻找一个滤波器,使得复原后图像与原始图像f(x,y)的均方误差最小,即:
式(2)中E{}为数学期望算子,因此,维纳滤波器也称为最小均方误差滤波器。在频率域中,有约束复原的一般通用表达式的传递函数为
式(3)中:P(u,v)为退化图像的傅里叶变换;H(u,v)退化函数。
当r=1时,Hw(u,v)是维纳滤波器的传递函数,其所得到的估计值是使即取最小值时的最优估计。
当r=0时,Hw(u,v)是逆滤波器的传递函数,逆滤波器是维纳滤波器的特例。
当时,得到的估计称为变参量维纳滤波器(也称为约束最小二乘滤波器)。
中值滤波采用含有3x3大小的滑动窗口,用窗口中各点灰度值的中值来替代指定点的灰度值。其表达公式为:
式(4)中f(i,j)表示图像中第i行和第j列的像素值;g(i,j)表示滤波后图像中第i行和第j列的像素值;9表示当前模板的大小,即包含像素点的个数,是点(i,j)周围包括(i,j)的9个像素点的像素值之和。
USM锐化按指定的阈值找到值与周围像素不同的像素,然后将按指定的量增强邻近像素的对比度。用具体的公式表达即为:
y(n,m)=x(n,m)+λz(n,m) (5)
其中,x(n,m)为输入图像,y(n,m)为输出图像,而z(n,m)为校正信号,通过对x进行高通滤波获取。λ是用于控制增强效果的的一个缩放因子。USM算法中,z(n,m)通过下式获取:
z(n,m)=4x(n,m)-x(n-1,m)-x(n+1,m)-x(n,m-1)-x(n,m+1) (6)
该算法用OpenCv实现,涉及三个参数Amount:(总量)决定边缘对比度增强的程度,设置为1;Radius:(范围)决定用于色调比较和对比度增强的路径的宽度范围,设置为5;Threshold:(临界值)决定边缘中存在的相临象素间的最小色调差别,设置为0。
(4)如是人脸图像则进入下一步。本实施例是对车牌图像进行处理,则还需要对车牌图像进行反色处理,图像中用f(i,j)表示输入图像中第i行和第j列的像素值,g(i,j)表示输出图像中第i行和第j列的像素值。我们用以下公式对f(i,j)进行变换,;
g(i,j)=255-f(i,j) (7)
对每个通道的像素值都进行以上变换,再进行通道融合,得到反色后的图像。
(5)预览,保存,处理下一张。
实现效果:本实施例对RGB类型的车牌图像进行处理,根据设计的流程,有选择地组合现有图像处理技术,达到了较好的处理结果,经过上述处理方法的处理后,得到结果图如图2所示,使得车牌图像中的数字和字母更加清晰。
Claims (6)
1.一种人脸和/或车牌图像的处理方法,其特征在于,包括如下步骤:
(1)根据待处理图片选择区域,使用矩形框选择人脸和/或车牌图像在图片中的处理范围;
(2)根据图像质量情况,依次选择是否进行对比度调节和/或亮度调节;
(3)对调节后的图像选择图像处理高级算法进行处理,所述图像处理高级算法包括去模糊、去噪和锐化中的一种或者几种;
(4)如是车牌图像则进行反色处理,如是人脸图像则进入下一步;
(5)预览,保存,处理下一张。
2.根据权利要求1所述人脸和/或车牌图像的处理方法,其特征在于:步骤(2)中,图像亮度和/或对比度的调节根据像素变换来实现,在输入图像中用f(i,j)表示输入图像中第i行和第j列的像素值,g(i,j)表示输出图像中第i行和第j列的像素值;通过以下公式对f(i,j)进行变换:
g(i,j)=α·f(i,j)+β (1)
参数α(α>0)是增益参数,β是偏置参数,用α和β分别来控制对比度和亮度。
3.根据权利要求1所述人脸和/或车牌图像的处理方法,其特征在于:步骤(3)中使用维纳滤波的方法去模糊,维纳滤波是寻找一个滤波器,使得复原后图像与原始图像f(x,y)的均方误差最小,即:
式(2)中E{ }为数学期望算子;
在频率域中,有约束复原的的传递函数为:
式(3)中:P(u,v)为退化图像的傅里叶变换;H(u,v)退化函数;
当r=1时,Hw(u,v)是维纳滤波器的传递函数,其所得到的估计值是使即取最小值时的最优估计;
当r=0时,Hw(u,v)是逆滤波器的传递函数,逆滤波器是维纳滤波器的特例;
当时,得到的估计称为变参量维纳滤波器。
4.根据权利要求1所述人脸和/或车牌图像的处理方法,其特征在于:步骤(3)中使用中值滤波的方法去噪,中值滤波采用含有3x3大小的滑动窗口,用窗口中各点灰度值的中值来替代指定点的灰度值,通过下式实现:
式(4)中f(i,j)表示图像中第i行和第j列的像素值,g(i,j)表示滤波后图像中第i行和第j列的像素值;9表示当前模板的大小,即包含像素点的个数,是点(i,j)周围包括(i,j)的9个像素点的像素值之和。
5.根据权利要求1所述人脸和/或车牌图像的处理方法,其特征在于:步骤(3)中使用USM锐化的方法来增强纹理,USM锐化按下式实现:
y(n,m)=x(n,m)+λz(n,m) (5)
其中,x(n,m)为输入图像;y(n,m)为输出图像;z(n,m)为校正信号,通过对x进行高通滤波获取,λ是用于控制增强效果的的一个缩 放因子,z(n,m)通过下式获取:
z(n,m)=4x(n,m)-x(n-1,m)-x(n+1,m)-x(n,m-1)-x(n,m+1) (6) 。
6.根据权利要求1所述人脸和/或车牌图像的处理方法,其特征在于:步骤(4)中,对车牌图像进行反色处理,车牌图像中用f(i,j)表示输入图像中第i行和第j列的像素值,g(i,j)表示输出图像中第i行和第j列的像素值,通过以下公式对f(i,j)进行变换
g(i,j)=255-f(i,j) (7) 。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510317136.XA CN104992413A (zh) | 2015-06-11 | 2015-06-11 | 人脸和/或车牌图像的处理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510317136.XA CN104992413A (zh) | 2015-06-11 | 2015-06-11 | 人脸和/或车牌图像的处理方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN104992413A true CN104992413A (zh) | 2015-10-21 |
Family
ID=54304221
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510317136.XA Pending CN104992413A (zh) | 2015-06-11 | 2015-06-11 | 人脸和/或车牌图像的处理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104992413A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109993206A (zh) * | 2019-03-01 | 2019-07-09 | 福建工程学院 | 一种蔬菜识别方法及终端 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102831166A (zh) * | 2012-07-24 | 2012-12-19 | 武汉大千信息技术有限公司 | 一种基于色彩特征检测的刑侦视频预处理方法 |
-
2015
- 2015-06-11 CN CN201510317136.XA patent/CN104992413A/zh active Pending
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102831166A (zh) * | 2012-07-24 | 2012-12-19 | 武汉大千信息技术有限公司 | 一种基于色彩特征检测的刑侦视频预处理方法 |
Non-Patent Citations (8)
Title |
---|
LAVIEWPBT: "Unsharp Mask(USM)锐化算法的原理及实现", 《博客园(WWW.CNBLOGS.COM/IMAGESHOP/ARCHIVE/2013/05/19/3086388.HTML)》 * |
兰爽 等: "油管螺纹图像处理方法研究", 《管道技术与设备》 * |
姜树明 等: "视频图像综合处理系统的涉及与实现", 《山东科学》 * |
姜树明 等: "视频图像综合处理系统的设计与实现", 《山东科学》 * |
小洲实验室: "学习OpenCV范例(五)-改变图像的对比度和亮度", 《博客(WWW.BLOG.CSDN.NET/CHENJIAZHOU12/ARTICLE/DETAILS/21119031)》 * |
庄严: "汽车牌照识别方法研究及实现", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
杨帆: "《数字图像处理与分析》", 31 May 2015, 北京航空航天大学出版社 * |
阮秋琦: "《数字图像处理基础》", 31 December 2009, 清华大学出版社 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109993206A (zh) * | 2019-03-01 | 2019-07-09 | 福建工程学院 | 一种蔬菜识别方法及终端 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Lebrun et al. | Multiscale image blind denoising | |
US6731821B1 (en) | Method for enhancing compressibility and visual quality of scanned document images | |
CN101877123A (zh) | 一种图像增强方法和装置 | |
US7809208B2 (en) | Image sharpening with halo suppression | |
DE60127016T2 (de) | Verfahren und Gerät zur Durchführung einer lokalen Farbkorrektur | |
CN105096280A (zh) | 处理图像噪声的方法及装置 | |
US7120305B2 (en) | Adaptive nonlinear image enlargement using wavelet transform coefficients | |
CN101710415B (zh) | 图像增强系数的调节方法和装置以及图像增强方法和装置 | |
JP2009093323A (ja) | 画像処理装置およびプログラム | |
CN105046658A (zh) | 一种低照度图像处理方法和装置 | |
CN105631854A (zh) | 一种基于fpga平台的自适应图像清晰度评价算法 | |
DE102021103958A1 (de) | Bildsignalprozessor beinhaltendes Bildsystem und Betriebsverfahren für einen Bildsignalprozessor | |
DE102020134755A1 (de) | Verarbeiten von videoframes über neuronales faltungsnetzwerk durch verwenden von statistiken vorhergehender frames | |
DE112021006769T5 (de) | Schaltung zur kombinierten heruntertaktung und korrektur von bilddaten | |
CN104616259A (zh) | 一种噪声强度自适应的非局部均值图像去噪方法 | |
RU2448367C1 (ru) | Способ повышения визуальной информативности цифровых полутоновых изображений | |
CN104992413A (zh) | 人脸和/或车牌图像的处理方法 | |
Wu et al. | Efficient regression priors for post-processing demosaiced images | |
DE112021002288T5 (de) | Inhaltsbasierte bildverarbeitung | |
CN115760638A (zh) | 一种基于深度学习的端到端去模糊超分辨率的方法 | |
CN105184747A (zh) | 低照度图像对比度的提升方法 | |
RU2310911C1 (ru) | Способ интерполяции изображений | |
CN100580702C (zh) | 角膜内皮细胞图像处理方法 | |
US7620263B2 (en) | Anti-clipping method for image sharpness enhancement | |
RU2383924C2 (ru) | Способ адаптивного повышения резкости цифровых фотографий в процессе печати |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20151021 |
|
RJ01 | Rejection of invention patent application after publication |