CN104992413A - 人脸和/或车牌图像的处理方法 - Google Patents

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

人脸和/或车牌图像的处理方法

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：

$E\[{\left(f\right(x,y)-\hat{f}(x,y\left)\right)}^2\]=\min ---\left(2\right)$

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

$H_w(u,v)=\frac{1}{H(u,v)}\·\frac{|H(u,v){|}^2}{|H(u,v){|}^2+r\frac{P_n(u,v)}{P_f(u,v)}}---\left(3\right)$

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，H_w(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，H_w(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：

$g(i,j)=\frac{1}{9}\underset{f\∈s}{\Σ}f(i,j)---\left(4\right)$

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，H_w(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，H_w(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) 。