CN108230258A - 一种基于水平邻域标准差计算的车牌区域增强方法 - Google Patents
一种基于水平邻域标准差计算的车牌区域增强方法 Download PDFInfo
- Publication number
- CN108230258A CN108230258A CN201711134327.8A CN201711134327A CN108230258A CN 108230258 A CN108230258 A CN 108230258A CN 201711134327 A CN201711134327 A CN 201711134327A CN 108230258 A CN108230258 A CN 108230258A
- Authority
- CN
- China
- Prior art keywords
- pixel
- grayvalue
- image
- license plate
- horizontal neighbors
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 19
- 230000002708 enhancing effect Effects 0.000 claims abstract description 21
- 238000005303 weighing Methods 0.000 abstract description 2
- 239000011159 matrix material Substances 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 230000007812 deficiency Effects 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/90—Dynamic range modification of images or parts thereof
- G06T5/92—Dynamic range modification of images or parts thereof based on global image properties
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
本发明提出了一种通过计算图像中像素点的水平邻域内灰度值标准差来进行车牌区域增强的方法。通过使用本发明的方法对含有车牌的灰度图像进行图像增强操作，利用像素点水平邻域标准差来衡量它的增强系数可以有效得增强车牌字符区域而避免图像中其他区域增强，方便后续的车牌定位操作。
Description
技术领域
本发明涉及计算机视觉及智能交通领域，具体是一种通过计算图像中像素点的水平邻域内灰度值标准差来进行车牌区域增强的方法。
背景技术
随着智能交通领域的不断发展，目前在道路交通安全监测系统，嫌疑车辆跟踪系统等方面都需要对车牌进行准确定位。然而在实际应用场景中由于相机问题或者天气因素的影响导致拍摄得到的车辆图像比较模糊，使得车牌定位的准确率受到影响，因此对于模糊图像的车牌定位，图像增强操作是必要的。由于车牌定位的目标是车牌，因此在图像增强的过程中如果尽量只对车牌区域进行增强处理而不对其他区域进行增强处理则更能够突出车牌区域，方便后续的车牌定位操作。
当前有许多学者提出了不同的针对图像中车牌区域的增强方法，其中与本发明较接近的技术方案为：文献(张浩鹏,王宗义,等.基于灰度方差和边缘密度的车牌定位算法[J].仪器仪表学报,2011,32(5):1095-1102.)利用车牌区域具有在一定范围内灰度方差近似相等和边缘密度近似相等的性质来增强类似车牌的区域，这两种方法使得图像中只要是局部灰度方差近似相等或者局部边缘密度近似相等的区域都会得到相等倍数的增强，不能够很好得只对车牌区域进行增强；文献(李峰,邓灵,薛敬明,等.基于改进的图像增强算法在车牌定位中的应用[J].微计算机信息,2010,26(21):14-16.)利用图像的垂直边缘密度作为类似车牌区域增强的标准，即图像中垂直边缘密度在0.15-0.45之间的区域得到了增强，然而实际应用场景中背景复杂，除了车牌区域，其周围的区域也可能存在丰富的垂直边缘，这将使得车牌附近的干扰区域也得到增强的效果；文献(李学斌,孙炫超,等.基于纹理和颜色的模糊车牌的增强与定位[J].微计算机信息,2009,25(9):273-274.)提出了一种盲解卷积的增强算法，认为图像退化过程可用卷积模型表示，那么图像的恢复问题即对卷积模型进行解卷积操作。而盲解卷积的过程中选择适当大小的矩阵对恢复图像的效果是非常重要的，若矩阵选取不当，则有可能出现振铃现象甚至使图像更加模糊。而实际场景中图像模糊程度和大小各异，在盲卷积过程中选取一个适合所有模糊图像的矩阵是很困难的。
综上所述，当前的针对图像中车牌区域的增强方法存在着如下不足：(1)不能针对性得只对车牌区域进行增强；(2)不能同时适用于模糊程度以及大小不一的模糊图像。
发明内容
针对现有的车牌区域增强方法中存在的上述问题，本发明提出了一种通过计算图像中像素点的水平邻域内灰度值标准差来进行车牌区域增强的方法。
所述的一种基于水平邻域标准差计算的车牌区域增强方法，其特征在于包括如下步骤：
步骤1：在含有车牌的灰度图像r中计算每个像素点p(x,y)的1×9水平邻域内的灰度值标准差σ(x,y)，其中x为像素点p的横坐标，y为像素点p的纵坐标；
步骤2：针对图像r中每个像素点p(x,y)，根据公式(1)计算其对应的灰度值增强系数factor(x,y)，其中maxFactor为预先设定的所需的最大增强系数，需满足maxFactor>1，T1和T2分别为预先设定的两个灰度值标准差阈值，需满足0<T1<T2；
步骤3：计算图像r中每个像素点p(x,y)的八邻域内的灰度平均值avg(x,y)；
步骤4：针对图像r中每个像素点p(x,y)，根据公式(2)计算其对应的增强后的灰度值grayValuenew(x,y)，其中grayValue(x,y)为图像r中像素点p(x,y)增强之前的原灰度值，若计算得到的grayValuenew(x,y)满足：grayValuenew(x,y)≤0||grayValuenew(x,y)≥255，则令grayValuenew(x,y)＝grayValue(x,y)。
grayValuenew(x,y)＝factor(x,y)×(grayValue(x,y)-avg(x,y))+avg(x,y) (2)
所述的一种基于水平邻域标准差计算的车牌区域增强方法，其特征在于步骤1中每个像素点p(x,y)的1×9水平邻域范围选取如下：
1.1)：若x<4，则以点p(x,y)为中心往左扩展x个像素点，往右扩展4个像素点，形成一个1×(x+5)大小的水平邻域；
1.2)：若x≥width-4，则以点p(x,y)为中心往左扩展4个像素点，往右扩展width-x-1个像素点，形成一个1×(width+4-x)大小的水平邻域；
1.3)：若4≤x<width-4，则以点p(x,y)为中心往左扩展4个像素点，往右扩展4个像素点，形成一个1×9大小的水平邻域；
其中width为图像r的宽度。
通过使用本发明的方法对含有车牌的灰度图像进行图像增强操作，利用像素点水平邻域标准差来衡量它的增强系数可以有效得增强车牌字符区域而避免图像中其他区域增强，方便后续的车牌定位操作。
附图说明
图1为本发明中像素点p(x,y)的八邻域示意图；
图2为本发明实施例中选取的灰度图像r；
图3为本发明实施例中车牌区域增强结果。
具体实施方式
下面结合实施例来详细阐述本发明的基于水平邻域标准差计算的车牌区域增强方法的具体实施方式。应当理解，此处所描述的具体实施例仅用于解释本发明，并不用于限定本发明。
本发明的一种基于水平邻域标准差计算的车牌区域增强方法，包括如下步骤：
步骤1：在含有车牌的灰度图像r中计算每个像素点p(x,y)的1×9水平邻域内的灰度值标准差σ(x,y)，其中x为像素点p的横坐标，y为像素点p的纵坐标，灰度图像r，如图2所示；
步骤2：针对图像r中每个像素点p(x,y)，根据公式(1)计算其对应的灰度值增强系数factor(x,y)，其中maxFactor为预先设定的所需的最大增强系数，需满足maxFactor>1，在此实施例中maxFactor＝4，T1和T2分别为预先设定的两个灰度值标准差阈值，需满足0<T1<T2，在此实施例中T1＝9，T2＝25；
步骤3：计算图像r中每个像素点p(x,y)的八邻域内的灰度平均值avg(x,y)，像素点p(x,y)的八邻域如图1所示；
步骤4：针对图像r中每个像素点p(x,y)，根据公式(2)计算其对应的增强后的灰度值grayValuenew(x,y)，其中grayValue(x,y)为图像r中像素点p(x,y)增强之前的原灰度值，若计算得到的grayValuenew(x,y)满足：grayValuenew(x,y)≤0||grayValuenew(x,y)≥255，则令grayValuenew(x,y)＝grayValue(x,y)。
grayValuenew(x,y)＝factor(x,y)×(grayValue(x,y)-avg(x,y))+avg(x,y) (2)
所述的一种基于水平邻域标准差计算的车牌区域增强方法，其特征在于步骤1中每个像素点p(x,y)的1×9水平邻域范围选取如下：
1.1)：若x<4，则以点p(x,y)为中心往左扩展x个像素点，往右扩展4个像素点，形成一个1×(x+5)大小的水平邻域；
1.2)：若x≥width-4，则以点p(x,y)为中心往左扩展4个像素点，往右扩展width-x-1个像素点，形成一个1×(width+4-x)大小的水平邻域；
1.3)：若4≤x<width-4，则以点p(x,y)为中心往左扩展4个像素点，往右扩展4个像素点，形成一个1×9大小的水平邻域；
其中width为图像r的宽度，在本实施例中为696。
在本实施例中，通过以上处理，可以看到图3中的车牌区域进行了增强，而车牌以外的区域则没有明显的增强效果。
Claims (2)
1.一种基于水平邻域标准差计算的车牌区域增强方法，包括如下步骤：
步骤1：在含有车牌的灰度图像r中计算每个像素点p(x,y)的1×9水平邻域内的灰度值标准差σ(x,y)，其中x为像素点p的横坐标，y为像素点p的纵坐标；
步骤2：针对图像r中每个像素点p(x,y)，根据公式(1)计算其对应的灰度值增强系数factor(x,y)，其中maxFactor为预先设定的所需的最大增强系数，需满足maxFactor>1，T1和T2分别为预先设定的两个灰度值标准差阈值，需满足0<T1<T2，
步骤3：计算图像r中每个像素点p(x,y)的八邻域内的灰度平均值avg(x,y)，像素点p(x,y)的八邻域；
步骤4：针对图像r中每个像素点p(x,y)，根据公式(2)计算其对应的增强后的灰度值grayValuenew(x,y)，其中grayValue(x,y)为图像r中像素点p(x,y)增强之前的原灰度值，若计算得到的grayValuenew(x,y)满足：grayValuenew(x,y)≤0||grayValuenew(x,y)≥255，则令grayValuenew(x,y)＝grayValue(x,y)。
grayValuenew(x,y)＝factor(x,y)×(grayValue(x,y)-avg(x,y))+avg(x,y) (2)。
2.如权利要求1所述的一种基于水平邻域标准差计算的车牌区域增强方法，其特征在于：步骤1中每个像素点p(x,y)的1×9水平邻域范围选取如下：
1.1)：若x<4，则以点p(x,y)为中心往左扩展x个像素点，往右扩展4个像素点，形成一个1×(x+5)大小的水平邻域；
1.2)：若x≥width-4，则以点p(x,y)为中心往左扩展4个像素点，往右扩展width-x-1个像素点，形成一个1×(width+4-x)大小的水平邻域；
1.3)：若4≤x<width-4，则以点p(x,y)为中心往左扩展4个像素点，往右扩展4个像素点，形成一个1×9大小的水平邻域，其中width为图像r的宽度。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711134327.8A CN108230258B (zh) | 2017-11-15 | 2017-11-15 | 一种基于水平邻域标准差计算的车牌区域增强方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711134327.8A CN108230258B (zh) | 2017-11-15 | 2017-11-15 | 一种基于水平邻域标准差计算的车牌区域增强方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN108230258A true CN108230258A (zh) | 2018-06-29 |
| CN108230258B CN108230258B (zh) | 2021-06-04 |
Family
ID=62652655
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201711134327.8A Active CN108230258B (zh) | 2017-11-15 | 2017-11-15 | 一种基于水平邻域标准差计算的车牌区域增强方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108230258B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116883279A (zh) * | 2023-07-11 | 2023-10-13 | 北京龙知远科技发展有限公司 | 一种低噪声高实时性的短波红外图像增强方法 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102306378A (zh) * | 2011-09-14 | 2012-01-04 | 电子科技大学 | 一种图像增强方法 |
| US20150092085A1 (en) * | 2013-09-30 | 2015-04-02 | Hitachi Industry & Control Solutions, Ltd. | Imaging device |
| CN106341576A (zh) * | 2016-08-25 | 2017-01-18 | 深圳市华星光电技术有限公司 | 图像处理方法 |
| CN106934805A (zh) * | 2017-03-06 | 2017-07-07 | 西安电子科技大学 | 基于Gamma滤波的SAR图像超像素分割方法 |
| CN107203982A (zh) * | 2017-06-26 | 2017-09-26 | 郑州云海信息技术有限公司 | 一种图像处理方法及装置 |
-
2017
- 2017-11-15 CN CN201711134327.8A patent/CN108230258B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102306378A (zh) * | 2011-09-14 | 2012-01-04 | 电子科技大学 | 一种图像增强方法 |
| US20150092085A1 (en) * | 2013-09-30 | 2015-04-02 | Hitachi Industry & Control Solutions, Ltd. | Imaging device |
| CN106341576A (zh) * | 2016-08-25 | 2017-01-18 | 深圳市华星光电技术有限公司 | 图像处理方法 |
| CN106934805A (zh) * | 2017-03-06 | 2017-07-07 | 西安电子科技大学 | 基于Gamma滤波的SAR图像超像素分割方法 |
| CN107203982A (zh) * | 2017-06-26 | 2017-09-26 | 郑州云海信息技术有限公司 | 一种图像处理方法及装置 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116883279A (zh) * | 2023-07-11 | 2023-10-13 | 北京龙知远科技发展有限公司 | 一种低噪声高实时性的短波红外图像增强方法 |
| CN116883279B (zh) * | 2023-07-11 | 2024-03-12 | 北京龙知远科技发展有限公司 | 一种低噪声高实时性的短波红外图像增强方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN108230258B (zh) | 2021-06-04 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109785291B (zh) | 一种车道线自适应检测方法 | |
| Huang et al. | An efficient visibility enhancement algorithm for road scenes captured by intelligent transportation systems | |
| CN103218778B (zh) | 一种图像和视频的处理方法及装置 | |
| CN108038416B (zh) | 车道线检测方法及系统 | |
| CN102831591B (zh) | 一种基于高斯滤波的单幅图像的实时去雾方法 | |
| CN105023256B (zh) | 一种图像去雾方法及系统 | |
| US20170316551A1 (en) | System for image dehazing by modifying lower bound of transmission rate and method therefor | |
| CN105913390B (zh) | 一种图像去雾方法及系统 | |
| Cheng et al. | Visibility enhancement of single hazy images using hybrid dark channel prior | |
| CN111046741A (zh) | 车道线识别的方法和装置 | |
| Choi et al. | Fog detection for de-fogging of road driving images | |
| CN111491103B (zh) | 一种图像亮度的调节方法、监控设备及存储介质 | |
| KR101522757B1 (ko) | 영상의 노이즈 제거 방법 | |
| CN108230258A (zh) | 一种基于水平邻域标准差计算的车牌区域增强方法 | |
| CN108898566B (zh) | 一种利用时空照度图的低照度彩色视频增强方法 | |
| CN103595933A (zh) | 一种图像的降噪方法 | |
| CN114339064B (zh) | 一种基于熵权图像梯度的贝叶斯优化曝光控制方法 | |
| CN107203979B (zh) | 一种低照度图像增强的方法 | |
| CN115965531A (zh) | 模型训练方法及图像生成方法、装置、设备和存储介质 | |
| CN108259819B (zh) | 动态影像特征加强方法与系统 | |
| TWI630818B (zh) | Dynamic image feature enhancement method and system | |
| CN112070081B (zh) | 一种基于高清视频的智能化车牌识别方法 | |
| CN115115546A (zh) | 一种图像处理方法、系统、电子设备及可读存储介质 | |
| CN108416739A (zh) | 基于非下采样轮廓波和马尔可夫随机场的交通图像去雾方法 | |
| CN111800586A (zh) | 车载图像的虚拟曝光处理方法、车载图像拼接处理方法及图像处理装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |