CN110390643B - 一种车牌增强方法、装置及电子设备 - Google Patents

一种车牌增强方法、装置及电子设备 Download PDF

Info

Publication number
CN110390643B
CN110390643B CN201810362070.XA CN201810362070A CN110390643B CN 110390643 B CN110390643 B CN 110390643B CN 201810362070 A CN201810362070 A CN 201810362070A CN 110390643 B CN110390643 B CN 110390643B
Authority
CN
China
Prior art keywords
image
brightness
license plate
points
luminance
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.)
Active
Application number
CN201810362070.XA
Other languages
English (en)
Other versions
CN110390643A (zh
Inventor
张彩红
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hangzhou Hikvision Digital Technology Co Ltd
Original Assignee
Hangzhou Hikvision Digital Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Hangzhou Hikvision Digital Technology Co Ltd filed Critical Hangzhou Hikvision Digital Technology Co Ltd
Priority to CN201810362070.XA priority Critical patent/CN110390643B/zh
Priority to PCT/CN2019/082542 priority patent/WO2019201184A1/zh
Publication of CN110390643A publication Critical patent/CN110390643A/zh
Application granted granted Critical
Publication of CN110390643B publication Critical patent/CN110390643B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G06T5/70—
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/136—Segmentation; Edge detection involving thresholding
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10024—Color image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20004—Adaptive image processing
    • G06T2207/20012—Locally adaptive
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20212—Image combination
    • G06T2207/20221—Image fusion; Image merging

Abstract

本申请实施例提供一种车牌增强方法、装置及电子设备。该方法包括：获得待处理车牌图像；对待处理车牌图像对应的亮度图像进行对比度增强处理，得到目标亮度图像；将目标亮度图像分割为多个图像模板，并对各个图像模板分别进行去噪；其中，不同图像模板对应不同的亮度区间，且各个图像模板所对应的去噪强度关系满足：与牌底相关像素点的去噪强度高于与字体相关像素点的去噪强度；基于车牌增强后的亮度图像，生成车牌增强后的车牌图像；其中，所述车牌增强后的亮度图像为基于去噪后的各个图像模板生成的图像。通过本方案，可以在保证车牌字体和牌底对比度要求的前提下，降低牌底噪声的同时保证字体的清晰度。

Description

一种车牌增强方法、装置及电子设备
技术领域
本申请实施例涉及车牌识别技术领域，特别涉及一种车牌增强方法、装置及电子设备。
背景技术
所谓车牌增强，其是图像预处理的一种具体应用，通过车牌增强，可以提高车牌信息，从而提高车牌识别的准确性和可靠性。
现有的车牌增强方法是对车牌区域整体进行作用，尽管可以在一定程度上增强对比度，但是，存在如下问题：
针对于对比度调整后被加强的噪声，由于采用全局去噪方式，导致字体和牌底边缘均会同等程度的模糊，而字体模糊无疑影响到车牌识别的准确性和可靠性，使得车牌增强效果不好。
因此，如何在保证车牌字体和牌底对比度要求的前提下，降低牌底噪声的同时保证字体的清晰度(即不使字体造成模糊)，是一个亟待解决的问题。
发明内容
有鉴于此，本申请实施例提供一种车牌增强方法、装置及电子设备，以在保证车牌字体和牌底对比度要求的前提下，降低牌底噪声的同时保证字体的清晰度。
具体地，本申请是通过如下技术方案实现的：
第一方面，本申请实施例提供了一种车牌增强方法，包括：
获得待处理车牌图像；
对所述待处理车牌图像对应的亮度图像进行对比度增强处理，得到目标亮度图像；
将所述目标亮度图像分割为多个图像模板，并对各个图像模板分别进行去噪；其中，不同图像模板对应不同的亮度区间，且各个图像模板所对应的去噪强度关系满足：与牌底相关像素点的去噪强度高于与字体相关像素点的去噪强度；
基于车牌增强后的亮度图像，生成车牌增强后的车牌图像；其中，所述车牌增强后的亮度图像为基于去噪后的各个图像模板生成的图像。
可选地，所述将所述目标亮度图像分割为多个图像模板的步骤，包括：
确定所述目标亮度图像的亮度直方图中的多个亮度分割点；
基于所述多个亮度分割点，对所述目标亮度图像进行分割，得到多个图像模板。
可选地，所述确定所述目标亮度图像的亮度直方图中的多个亮度分割点的步骤，包括：
对所述目标亮度图像的亮度直方图进行二次求导；
将二次求导所得的极小值点，作为所述目标亮度图像的亮度直方图所对应的单峰波谷点；
从所确定的单峰波谷点中，获得所述目标亮度图像的亮度直方图中的多个亮度分割点。
可选地，所述从所确定的单峰波谷点中，获得所述目标亮度图像的亮度直方图中的多个亮度分割点的步骤，包括：
构建包含所确定的单峰波谷点的目标集合；
针对所述目标集合中每对单峰波谷点，拟合该对单峰波谷点间的至少一类分布曲线，计算所述至少一类分布曲线与该对单峰波谷点间的直方图曲线的相似度，当所计算出的相似度中的最大值大于预定相似度阈值时，将该对单峰波谷点确定为亮度分割点，否则，将该对单峰波谷点中的值较大的单峰波谷点从所述目标集合中去除；其中，每对单峰波谷点均为相邻的两个单峰波谷点；
返回执行针对所述目标集合中每对单峰波谷点，拟合该对单峰波谷点间的至少一类分布曲线的步骤，直至所述目标集合中所有单峰波谷点均作为亮度分割点。
可选地，所述拟合该对单峰波谷点间的至少一类分布曲线的步骤，包括：
拟合该对单峰波谷点间的高斯分布曲线、柯西分布曲线和韦伯分布曲线。
可选地，所述基于所述多个亮度分割点，对所述目标亮度图像进行分割，得到多个图像模板的步骤，包括：
针对每一亮度分割点，以该亮度分割点作为二值化选取阈值，从所述目标亮度图像中选取像素点，并利用所选取的像素点构建图像模板；
其中，所述多个图像模板中，与牌底相关像素点的重复频率高于与字体相关像素点的重复频率。
可选地，所述基于所述多个亮度分割点，对所述目标亮度图像进行分割，得到多个图像模板的步骤，包括：
针对每一亮度分割点，基于该亮度分割点和前一亮度分割点之间的亮度区间，从所述目标亮度图像中选取像素点，并利用所选取的像素点构建图像模板；
或者，
针对每一亮度分割点，基于该亮度分割点和后一亮度分割点之间的亮度区间，从所述目标亮度图像中选取像素点，并利用所选取的像素点构建图像模板。
可选地，所述基于车牌增强后的亮度图像，生成车牌增强后的车牌图像的步骤，包括：
对去噪后的各个图像模板进行加权融合，得到车牌增强后的亮度图像；其中，任一图像模板所对应的融合权重为：基于目标直方图值所确定的值，所述目标直方图值为：所述目标亮度图像的亮度直方图中，该图像模板所对应的亮度区间上的直方图值；
根据车牌增强后的亮度图像，确定车牌增强后的车牌图像。
第二方面，本申请实施例提供了一种车牌增强装置，包括：
图像获得单元，用于获得待处理车牌图像；
对比度增强单元，用于对所述待处理车牌图像对应的亮度图像进行对比度增强处理，得到目标亮度图像；
图像分割单元，用于将所述目标亮度图像分割为多个图像模板；其中，不同图像模板对应不同的亮度区间；
去噪单元，用于对各个图像模板分别进行去噪；其中，各个图像模板所对应的去噪强度关系满足：与牌底相关像素点的去噪强度高于与字体相关像素点的去噪强度；
车牌增强结果生成单元，用于基于车牌增强后的亮度图像，生成车牌增强后的车牌图像；其中，所述车牌增强后的亮度图像为基于去噪后的各个图像模板生成的图像。
可选地，所述图像分割单元包括：
亮度分割点确定子单元，用于确定所述目标亮度图像的亮度直方图中的多个亮度分割点；
分割子单元，用于基于所述多个亮度分割点，对所述目标亮度图像进行分割，得到多个图像模板。
可选地，所述亮度分割点确定子单元具体用于：
对所述目标亮度图像的亮度直方图进行二次求导；
将二次求导所得的极小值点作为所述目标亮度图像的亮度直方图所对应的单峰波谷点；
从所确定的单峰波谷点中，获得所述目标亮度图像的亮度直方图中的多个亮度分割点。
可选地，所述亮度分割点确定子单元从所确定的单峰波谷点中，获得所述目标亮度图像的亮度直方图中的多个亮度分割点，具体为：
构建包含所确定的单峰波谷点的目标集合；
针对所述目标集合中每对单峰波谷点，拟合该对单峰波谷点间的至少一类分布曲线，计算所述至少一类分布曲线与该对单峰波谷点间的直方图曲线的相似度，当所计算出的相似度中的最大值大于预定相似度阈值时，将该对单峰波谷点确定为亮度分割点，否则，将该对单峰波谷点中的值较大的单峰波谷点从所述目标集合中去除；其中，每对单峰波谷点均为相邻的两个单峰波谷点；
返回执行针对所述目标集合中每对单峰波谷点，拟合该对单峰波谷点间的至少一类分布曲线的步骤，直至所述目标集合中所有单峰波谷点均作为亮度分割点。
可选地，所述分割子单元具体用于：
针对每一亮度分割点，以该亮度分割点作为二值化选取阈值，从所述目标亮度图像中选取像素点，并利用所选取的像素点构建图像模板；
其中，所述多个图像模板中，与牌底相关像素点的重复频率高于与字体相关像素点的重复频率。
可选地，所述分割子单元具体用于：
针对每一亮度分割点，基于该亮度分割点和前一亮度分割点之间的亮度区间，从所述目标亮度图像中选取像素点，并利用所选取的像素点构建图像模板；
或者，
针对每一亮度分割点，基于该亮度分割点和后一亮度分割点之间的亮度区间，从所述目标亮度图像中选取像素点，并利用所选取的像素点构建图像模板。
可选地，所述车牌增强结果生成单元具体用于：
对去噪后的各个图像模板进行加权融合，得到车牌增强后的亮度图像；其中，任一图像模板所对应的融合权重为：基于目标直方图值所确定的值，所述目标直方图值为：所述目标亮度图像的亮度直方图中，该图像模板所对应的亮度区间上的直方图值；
根据车牌增强后的亮度图像，确定车牌增强后的车牌图像。
第三方面，本申请实施例提供了一种电子设备，所述电子设备包括：内部总线、存储器、处理器和通信接口；其中，所述处理器、所述通信接口、所述存储器通过所述内部总线完成相互间的通信；其中，所述存储器，用于存储车牌增强方法对应的机器可行指令；
所述处理器，用于读取所述存储器上的所述机器可读指令，并执行本申请实施例第一方面所提供的车牌增强方法。
本申请实施例所提供的车牌增强方法中，在对待处理车牌图像对应的亮度图像进行对比度增强处理从而得到目标亮度图像后，将该目标亮度图像分割为亮度区间不同的多个图像模板，并对各个图像模板分别进行去噪，各个图像模板所对应的去噪强度关系满足：与牌底相关像素点的去噪强度高于与字体相关像素点的去噪强度；进而基于车牌增强后的亮度图像，生成车牌增强后的车牌图像；其中，该车牌增强后的亮度图像为基于去噪后的各个图像模板生成的图像。可见，本方案可以对亮度不同的牌底和字体进行区分，并使字体的去噪强度低于牌底的去噪强度，因此，实现了在保证车牌字体和牌底对比度要求的前提下，降低牌底噪声的同时保证字体的清晰度的目的。
附图说明
图1为本申请实施例所提供的一种车牌增强方法的流程图；
图2为本申请实施例所提供的一种车牌增强方法的另一流程图；
图3(a)和图3(b)分别为本申请实施例中关于亮度直方图中的亮度分割点的示意图；
图4(a)为待处理车牌图像的示意图，图4(b)为利用本申请实施例所提供方法进行车牌增强所得的车牌图像的示意图；
图5为本申请实施例所提供的一种车牌增强装置的结构示意图；
图6为本申请实施例所提供的一种电子设备的结构示意图。
具体实施方式
这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。
在本申请使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本申请。在本申请和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。还应当理解，本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
应当理解，尽管在本申请可能采用术语第一、第二、第三等来描述各种信息，但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如，在不脱离本申请范围的情况下，第一信息也可以被称为第二信息，类似地，第二信息也可以被称为第一信息。取决于语境，如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”。
为了在保证车牌字体和牌底对比度要求的前提下，降低牌底噪声的同时保证字体的清晰度，本申请实施例提供了一种车牌增强方法、装置及电子设备。
下面首先对本申请实施例所提供的一种车牌增强方法进行介绍。
需要说明的是，本申请实施例所提供的一种车牌增强方法的执行主体可以为一种车牌增强装置。在具体应用中，该车牌增强装置可以运行于终端设备或服务器中，具体运行载体根据实际需求确定。
可以理解的是，基于车牌的固定结构，车牌图像具有牌底和字体两层主体像素，并且，牌底的亮度不同于字体的亮度。其中，本申请实施例中所涉及的车牌可以包括：蓝牌、黄牌、白牌等不同种类，其中，对于蓝牌和黄牌而言，车牌图像中的牌底的亮度低于字体的亮度；而对于白牌而言，车牌图像中的牌底的亮度高于字体的亮度。
如图1所示，本申请实施例所提供的一种车牌增强方法，可以包括如下步骤：
S101，获得待处理车牌图像；
由于车牌增强处理为针对于车牌图像对应的亮度图像的处理，因此，本申请实施例所涉及的待处理车牌图像为能够转换到YUV色彩模式下的图像。在具体应用中，该待处理车牌图像的色彩模式可以为RGB色彩模式、CMYK色彩模式、HSB色彩模式等。并且，车牌增强后的车牌图像的色彩模式与待处理车牌图像的色彩模式相同。
其中，RGB分别是red，green，blue的英文缩写，即红，绿，蓝三色。CMYK是基于印刷的色彩模式，其是一种依靠反光的色彩模式，其中，C为cyan的英文缩写，即青色，M为Magenta的缩写，即洋红，Y为Yellow的英文缩写，即黄色，K为black的英文缩写，即黑色。HSB又称HSV，表示一种颜色模式，在HSB模式中，H(hues)表示色相，S(saturation)表示饱和度，B(brightness)表示亮度，HSB模式对应的媒介是人眼。而YUV是被欧洲电视系统所采用的一种颜色编码方法，其中Y表示明亮度(Luminance或Luma)，也就是灰阶值；而U和V表示的则是色度(Chrominance或Chroma)，作用是描述影像色彩及饱和度，用于指定像素的颜色。
S102，对待处理车牌图像的亮度图像进行对比度增强处理，得到目标亮度图像；
为了在保证车牌字体和牌底对比度要求的前提下，降低牌底噪声的同时保证字体的清晰度，即达到较好的车牌增强效果，该车牌增强装置在获得待处理车牌图像后，可以将该待处理车牌图像从原始的色彩模式转换到YUV色彩模式下，进而，对待处理车牌图像的亮度图像进行对比度增强处理，得到目标亮度图像，其中，该亮度图像即为YUV模式中的Y空间的图像。
可以理解的是，对待处理车牌图像的亮度图像进行对比度增强处理的方式存在多种。可选地，在一种具体实现方式中，所述对待处理车牌图像的亮度图像进行对比度增强处理，得到目标亮度图像的步骤，可以包括：
利用待处理车牌图像的亮度图像的亮度直方图，自适应生成gamma校正曲线；
按照该gamma校正曲线调整该亮度图像，得到目标亮度图像。
该具体实现方式中，采用gamma校正(即伽玛校正)，所谓gamma校正为：
对图像的伽玛曲线进行编辑，以对图像进行非线性色调编辑的方法，具体的，检测出图像信号中的深色部分和浅色部分，并使两者比例增大，从而提高图像对比度效果。
并且，在采用gamma校正来实现对比度增强时，利用待处理车牌图像的亮度图像的亮度直方图自适应生成gamma校正曲线，即所生成的gamma校正曲线与待处理车牌图像的亮度图像具有唯一对应性。具体的，gamma校正曲线的函数表达式为：
G(x)＝255*(x/255)h(x)
其中，h(x)＝1+f1(x)+a，f1(x)＝acos(πx/2xm)，x为灰度级，G(x)为自适应gamma校正曲线，xm为图像亮度均值，a＝hist(min_val:max_val)，hist是亮度直方图，其中min_val,max_val为经验值，在具体应用中，min_val∈[10,70]，max_val∈[180,240]。
需要说明的是，上述所给出的对待处理车牌图像对应的亮度图像进行对比度增强处理的具体实现方式仅仅作为示例，并不应该构成对本申请实施例的限定，在具体应用中，还可以采用其他方式来提高待处理车牌图像对应的亮度图像的对比度。
S103，将该目标亮度图像分割为多个图像模板，并对各个图像模板分别进行去噪；
其中，不同图像模板对应不同的亮度区间，且各个图像模板所对应的去噪强度关系满足：与牌底相关像素点的去噪强度高于与字体相关像素点的去噪强度。
由于在对待处理图像对应的亮度图像进行对比度增强处理时，会引进新的噪声，因此，车牌增强过程中，在对比度增强处理之后，存在去噪处理，以在一定程度上去除原有噪声和新引进的噪声，从而达到较好的车牌增强效果。而为了降低牌底噪声的同时保证字体的清晰度，本申请实施例中，在去噪时，对亮度不同的牌底和字体进行区分并使字体的去噪强度低于牌底的去噪强度。具体的，在获得目标亮度图像后，该车牌增强装置可以将该目标亮度图像分割为对应不同亮度区间的多个图像模板，并对各个图像模板分别进行去噪，这样，可以达到对不同亮度的字体和牌底进行区分去噪的效果。
需要强调的是，为了保证牌底噪声小而字体清晰的目的，即字体的去噪强度低于牌底的去噪强度，各个图像模板所对应的去噪强度关系满足：与牌底相关像素点的去噪强度高于与字体相关像素点的去噪强度。具体的，为了保证各个图像模板所对应的去噪强度关系满足：与牌底相关像素点的去噪强度高于与字体相关像素点的去噪强度，各个图像模板的去噪强度关系具体体现为：
对于牌底的亮度低于字体亮度而言：
如果各个图像模板不存在重复像素，则亮度区间越低的图像模板所对应的去噪强度越高，亮度区间越高的图像模板的去噪强度越低，即对于任意两个图像模板A和B，如果图像模板A的亮度区间低于图像模板B的亮度区间，那么，图像模板A的去噪强度高于图像模板B的去噪强度；而如果各个图像模板存在重复像素且牌底的像素点的重复频率高于字体的像素点的重复频率，则各个图像模板所对应的去噪强度可以相同，即采用相同的去噪参数，或者，亮度区间越低的图像模板所对应的去噪强度越高，亮度区间越高的图像模板的去噪强度越低。
对于牌底的亮度高于字体亮度而言：
如果各个图像模板不存在重复像素，则亮度区间越低的图像模板所对应的去噪强度越低，亮度区间越高的图像模板的去噪强度越高，即对于任意两个图像模板C和D，如果图像模板C的亮度区间低于图像模板D的亮度区间，那么，图像模板C的去噪强度低于图像模板D的去噪强度；而如果各个图像模板存在重复像素且牌底的像素点的重复频率高于字体的像素点的重复频率，则各个图像模板所对应的去噪强度可以相同，即采用相同的去噪参数，或者，亮度区间越低的图像模板所对应的去噪强度越低，亮度区间越高的图像模板的去噪强度越高。
可以理解的是，对于各个图像模板存在重复像素且牌底像素点的重复频率高于字体像素点的重复频率的情况，在对各个图像模板按照同一去噪参数进行去噪时，由于牌底的像素点出现的频率较高，因此，牌底的像素点的去噪次数较多，这样可以保证与牌底相关像素点的去噪强度高于与字体相关像素点的去噪强度。
另外，需要强调的是，对各个图像模板分别进行去噪可以为：对各个图像模板分别进行滤波，其中，滤波参数是影响去噪强度的因素。并且，本申请实施例所采用的去噪算法可以包括但不局限于高斯去噪。其中，高斯去噪的函数表达式：
Figure BDA0001636211940000111
其中，binaryHi为图像模板i，G(wi,σi)为图像模板i对应的高斯卷积核且属于常数值，x和y为像素点对应的图像坐标位置。
需要说明的是，对于不同图像模板的滤波程度不同时，不同图像模板i所对应的wi可以相同，而所对应的σi可以不同，σi的取值可以范围可以为：σi∈[1.0,0.4]，具体的：
在牌底的亮度低于字体的亮度时，如果随着i的增大图像模板所对应的亮度区间越高，则σi随着i的增大逐渐降低；而在牌底的亮度高于字体的亮度时，如果随着i的增大图像模板所对应的亮度区间越高，则σi随着i的增大逐渐升高。
为了方案清晰及布局清楚，后续结合具体实施例介绍将该目标车牌图像分割为多个图像模板的具体实现方式。
S104，基于车牌增强后的亮度图像，生成车牌增强后的车牌图像；其中，该车牌增强后的亮度图像为基于去噪后的各个图像模板生成的图像。
在对各个图像模板进行去噪后，可以基于去噪后的各个图像模板来生成车牌增强后的亮度图像，进而基于车牌增强后的亮度图像，确定该待处理图像所对应的车牌增强后的车牌图像。另外，需要说明的是，在获得车牌增强后的亮度图像后，可以基于该车牌增强后的亮度图像、待处理车牌图像对应的UV空间的图像，生成车牌增强后的车牌图像，其中，该车牌增强后的车牌图像的色彩模式与待处理车牌图像的色彩模式相同。
可以理解的是，当各个图像模板中不存在重复像素时，可以直接将该各个图像模板进行累加，并对累加结果进行归一化处理，从而得到车牌增强后的亮度图像；而当各个图像模板中存在重复像素时，可以将各个图像模板进行加权融合，并对加权融合后的结果进行归一化处理，从而得到车牌增强后的亮度图像，其中，加权融合的融合权重可以包括但不局限于经验值。
本申请实施例所提供的车牌增强方法中，在对待处理车牌图像对应的亮度图像进行对比度增强处理从而得到目标亮度图像后，将该目标亮度图像分割为亮度区间不同的多个图像模板，并对各个图像模板分别进行去噪，各个图像模板所对应的去噪强度关系满足：与牌底相关像素点的去噪强度高于与字体相关像素点的去噪强度；进而基于车牌增强后的亮度图像，生成车牌增强后的车牌图像；其中，该车牌增强后的亮度图像为基于去噪后的各个图像模板生成的图像。可见，本方案可以对亮度不同的牌底和字体进行区分，并使字体的去噪强度低于牌底的去噪强度，因此，实现了在保证车牌字体和牌底对比度要求的前提下，降低牌底噪声的同时保证字体的清晰度的目的。
下面结合具体实施例，对本申请实施例所提供的一种车牌增强方法进行介绍。
如图2所示，本申请实施例所提供的一种车牌增强方法，可以包括如下步骤：
S201，获得待处理车牌图像；
S202，对该待处理车牌图像对应的亮度图像进行对比度增强处理，得到目标亮度图像；
本实施例中，S201-S202与上述实施例中的S101-S102相同，在此不做赘述。
S203，确定该目标亮度图像的亮度直方图中的多个亮度分割点；
本实施例中，S203-S204是上述实施例S103中将所述目标亮度图像分割为多个图像模板的具体实现方式。
为了实现图像分割，该车牌增强装置在获得目标亮度图像后，考虑到牌底和字体亮度不同，因此，可以首先确定该目标亮度图像的亮度直方图中的多个亮度分割点，进而后续基于该多个亮度分割点来完成图像分割。其中，一个亮度分割点即为一个灰度值。为了方便理解方案，图3(a)和(b)分别给出了亮度直方图中的亮度分割点的示意图，垂直横坐标的竖线表示亮度分割点所在的位置，即直方图分割边界。
可选地，在一种具体实现方式中，可以通过大数据分析获得该多个亮度分割点，即该多个亮度分割点为经验值，进而，在每次得到目标亮度图像后，可以直接确定出该目标亮度图像的亮度直方图中的多个亮度分割点。可以理解的是，不同种类的车牌，该多个亮度分割点的取值可以不同。
可选地，在一种具体实现方式中，所述确定该目标亮度图像的亮度直方图中的多个亮度分割点的步骤，可以包括：
对该目标亮度图像的亮度直方图进行二次求导；
将二次求导所得的极小值点作为该目标亮度图像的亮度直方图所对应的单峰波谷点；
从所确定的单峰波谷点中，获得该目标亮度图像的亮度直方图中的多个亮度分割点。
具体的，在获得多个单峰波谷点后，可以从所确定的单峰波谷点中，按照特定的选取规律，从多个单峰波谷点中选取某些单峰波谷点，将所选取的单峰波谷点作为该目标亮度图像的亮度直方图中的多个亮度分割点。
其中，在一种具体实现方式，可以通过随机方式从单峰波谷点中选取某些单峰波谷点。
其中，在另一种具体实现方式中，所述从所确定的单峰波谷点中，获得该目标亮度图像的亮度直方图中的多个亮度分割点的步骤，可以包括：
构建包含所确定的单峰波谷点的目标集合；
针对该目标集合中每对单峰波谷点，拟合该对单峰波谷点间的至少一类分布曲线，计算该至少一类分布曲线与该对单峰波谷点间的直方图曲线的相似度，当所计算出的相似度中的最大值大于预定相似度阈值时，将该对单峰波谷点确定为亮度分割点，否则，将该对单峰波谷点中的值较大的单峰波谷点从该目标集合中去除；其中，每对单峰波谷点均为相邻的两个单峰波谷点；
返回执行针对该目标集合中每对单峰波谷点，拟合该对单峰波谷点间的至少一类分布曲线的步骤，直至该目标集合中所有单峰波谷点均作为亮度分割点。
其中，记单峰波谷点的数量为L，单峰波谷点的目标集合为peakP＝{h1,…hL}，h1、h2、h3…hj…hL的数值逐渐增大，h1和h2可以作为一对单峰波谷点，h2和h3可以作为一对单峰波谷点，以此类推，相邻的两个单峰波谷点均可以作为一对单峰波谷点。并且，拟合该对单峰波谷点间的至少一类分布曲线的具体过程为：确定该对单峰波谷点间的至少一类分布曲线的拟合参数，基于拟合参数得到至少一类分布曲线。其中，确定各个拟合参数的方式可以包括但不局限于最大似然方法，而计算分布曲线与该对单峰波谷点间的直方图曲线的相似度的方式可以包括但不局限于相关系数法。
需要说明的是，该种具体实现方式中，以单峰分布函数拟合亮度直方图中的单峰，将每个单峰作为一层的判定边界，而由于实际直方图的每个单峰并不一定是对称的，因此在确定亮度分割点时可以采用至少一类分布函数，即采用分布集合。并且，经发明人分析得知，高斯分布曲线、柯西分布曲线和韦伯分布曲线三类曲线可以涵盖大量车牌亮度图像的亮度直方图的波形曲线，因此，所述拟合该对单峰波谷点间的至少一类分布曲线的步骤，可以包括：拟合该对单峰波谷点间的高斯分布曲线、柯西分布曲线和韦伯分布曲线。关于三类分布曲线的函数表达式如下：
高斯分布：
Figure BDA0001636211940000141
柯西分布：
Figure BDA0001636211940000142
韦伯分布：W(x)＝kxk-1exp(-(x)k)。
其中，x为该目标亮度图像的亮度直方图中的横坐标，取值范围为拟合区段所对应的横坐标范围，μ为拟合区段内最大值对应的横坐标；σ、μ为高斯分布的拟合参数，γ为柯西分布的拟合参数，k为韦伯分布的拟合参数。
为了方便理解，以相邻两个单峰波谷点hj和hj+1为例介绍下该种具体实现方式：
hj和hj+1可以作为一个拟合区段，拟合区段的横坐标范围为[hj，hj+1]，利用最大似然方法估计各个分布曲线的拟合参数，从而得到三类分布曲线：
Figure BDA0001636211940000151
然后，计算各个分布曲线与该对单峰波谷点间的直方图曲线
Figure BDA0001636211940000152
的相似度；当所计算出的相似度中的最大值大于预定相似度阈值时，将该对单峰波谷点hj和hj+1确定为亮度分割点，否则，将该对单峰波谷点中的值较大的单峰波谷点hj+1从该目标集合中去除，此时，目标集合中hj和hj+2为相邻两个单峰波谷，即后续可以将hj和hj+2可以作为一个拟合区段。
S204，基于该多个亮度分割点，对该目标亮度图像进行分割，得到多个图像模板；
在确定出多个亮度分割点后，可以基于该多个亮度分割点，对该目标亮度图像进行分割，得到多个图像模板。
可选地，在一种具体实现方式中，所述基于该多个亮度分割点，对该目标亮度图像进行分割，得到多个图像模板的步骤，可以包括：
针对每一亮度分割点，以该亮度分割点作为二值化选取阈值，从该目标亮度图像中选取像素点，并利用所选取的像素点构建图像模板；
其中，该多个图像模板中，与牌底相关像素点的重复频率高于与字体相关像素点的重复频率。
举例而言：假设亮度分割点为50，100，150，200，且字体的亮度高于牌底的亮度，对于以亮度分割点作为二值化选取阈值的选取方式而言，具体过程为：选取灰度值不大于50的像素点构建一个图像模板，选取灰度值不大于100的像素点构建一个图像模板，选取灰度值不大于150的像素点构建一个图像模板，选取灰度值不大于200的像素点构建一个图像模板。
又如：假设亮度分割点为50，100，150，200，且字体的亮度低于牌底的亮度，对于以亮度分割点作为二值化选取阈值的选取方式而言，具体过程为：选取灰度值大于50的像素点构建一个图像模板，选取灰度值大于100的像素点构建一个图像模板，选取灰度值大于150的像素点构建一个图像模板，选取灰度值大于200的像素点构建一个图像模板。
可选地，在一种具体实现方式中，所述基于该多个亮度分割点，对该目标亮度图像进行分割，得到多个图像模板的步骤，可以包括：
针对每一亮度分割点，基于该亮度分割点和前一亮度分割点之间的亮度区间，从该目标亮度图像中选取像素点，并利用所选取的像素点构建图像模板；
例如：假设亮度分割点为50，100，150，200，具体过程为：灰度值在范围(0,50]的像素点构建一个图像模板，灰度值在范围(50,100]的像素点构建一个图像模板，灰度值在范围(100,150]的像素点构建一个图像模板，灰度值在范围(150,200]的像素点构建一个图像模板。
可选地，在一种具体实现方式，所述基于该多个亮度分割点，对该目标亮度图像进行分割，得到多个图像模板的步骤，可以包括：
针对每一亮度分割点，基于该亮度分割点和后一亮度分割点之间的亮度区间，从该目标亮度图像中选取像素点，并利用所选取的像素点构建图像模板。
例如：假设亮度分割点为50，100，150，200，具体过程为：灰度值在范围[50,100)的像素点构建一个图像模板，灰度值在范围[100,150)的像素点构建一个图像模板，灰度值在范围[150,200)的像素点构建一个图像模板，灰度值在范围[200,255)的像素点构建一个图像模板。
需要强调的是，上述的基于该多个亮度分割点，对该目标亮度牌图像进行分割的具体实现方式仅仅作为示例，并不应该构成对本申请实施例的限定。
S205，对各个图像模板分别进行去噪；其中，各个图像模板所对应的去噪强度关系满足：与牌底相关像素点的去噪强度高于与字体相关像素点的去噪强度；
其中，本实施例中S205与上述实施例中S103中对各个图像模板分别进行去噪的实现方式相同，在此不做赘述。
S206，基于车牌增强后的亮度图像，生成车牌增强后的车牌图像；其中，该车牌增强后的亮度图像为基于去噪后的各个图像模板生成的图像。
在对各个图像模板进行去噪后，可以基于去噪后的各个图像模板来生成车牌增强后的亮度图像，进而基于车牌增强后的亮度图像，确定该待处理图像所对应的车牌增强后的车牌图像。另外，需要说明的是，在获得车牌增强后的亮度图像后，可以基于该车牌增强后的亮度图像、待处理车牌图像对应的UV空间的图像，生成车牌增强后的车牌图像，其中，该车牌增强后的车牌图像的色彩模式与待处理车牌图像的色彩模式相同。
可以理解的是，当各个图像模板中不存在重复像素时，可以直接将该各个图像模板进行累加，并对累加结果进行归一化处理，从而得到车牌增强后的亮度图像；而当各个图像模板中存在重复像素时，可以将各个图像模板进行加权融合，并对加权融合后的结果进行归一化处理，从而得到车牌增强后的亮度图像，其中，加权融合的融合权重可以包括但不局限于经验值。
并且，对于上述以该亮度分割点作为二值化选取阈值来构建图像模板的方式而言，可以对去噪后的各个图像模板进行加权融合，得到车牌增强后的亮度图像；其中，任一图像模板所对应的融合权重为：基于目标直方图值所确定的值，该目标直方图值为：该目标亮度图像的亮度直方图中，该图像模板所对应的亮度区间上的直方图值。当然，为了保证车牌增强后的亮度图像的灰度级位于[0,255]，在对去噪后的各个图像模板进行加权融合后，也可以对融合后的结果进行归一化处理，从而得到车牌增强后的亮度图像。
具体而言：对于字体的亮度高于牌底亮度时，融合权重
Figure BDA0001636211940000171
其中，Vi是图像模板i对应的融合权重，k是亮度直方图的横坐标，hist(k)为亮度直方图的直方图值，m是图像模板i所对应的亮度分割点；相应的，加权融合结果
Figure BDA0001636211940000172
FIi为图像模板i的去噪结果，i的取值从0至T，归一化结果imR＝imC/∑Vi，其中，imR灰度级选择[0,255]。
对于字体的亮度低于牌底亮度时，融合权重
Figure BDA0001636211940000181
其中，Vi是图像模板i对应的融合权重，k是亮度直方图的横坐标，hist(k)为亮度直方图的直方图值，m是图像模板i所对应的亮度分割点；相应的，加权融合结果
Figure BDA0001636211940000182
FIi为图像模板i的去噪结果，i的取值从0至T，归一化结果imR＝imC/∑Vi，其中，imR灰度级选择[0,255]。
为了方便理解本申请实施例所提供的方法的增强效果，给出了图4，其中，图4(a)为待处理车牌图像，图4(b)为利用本申请实施例所提供方法进行车牌增强后的车牌图像，可见，通过本申请所提供的方法可以实现在保证车牌字体和牌底对比度要求的前提下，降低牌底噪声的同时保证字体的清晰度。
可见，本方案可以对亮度不同的牌底和字体进行区分，并使字体的去噪强度低于牌底的去噪强度，因此，实现了在保证车牌字体和牌底对比度要求的前提下，降低牌底噪声的同时保证字体的清晰度的目的。
相应于上述方法实施例，本申请实施例还提供了一种车牌增强装置，如图5所示，该车牌增强装置，可以包括：
图像获得单元510，用于获得待处理车牌图像；
对比度增强单元520，用于对所述待处理车牌图像对应的亮度图像进行对比度增强处理，得到目标亮度图像；
图像分割单元530，用于将所述目标亮度图像分割为多个图像模板；其中，不同图像模板对应不同的亮度区间；
去噪单元540，用于对各个图像模板分别进行去噪；其中，各个图像模板所对应的去噪强度关系满足：与牌底相关像素点的去噪强度高于与字体相关像素点的去噪强度；
车牌增强结果生成单元550，用于基于车牌增强后的亮度图像，生成车牌增强后的车牌图像；其中，所述车牌增强后的亮度图像为基于去噪后的各个图像模板生成的图像。
本申请实施例所提供的车牌增强装置，在对待处理车牌图像对应的亮度图像进行对比度增强处理从而得到目标亮度图像后，将该目标亮度图像分割为亮度区间不同的多个图像模板，并对各个图像模板分别进行去噪，各个图像模板所对应的去噪强度关系满足：与牌底相关像素点的去噪强度高于与字体相关像素点的去噪强度；进而基于车牌增强后的亮度图像，生成车牌增强后的车牌图像；其中，该车牌增强后的亮度图像为基于去噪后的各个图像模板生成的图像。可见，本方案可以对亮度不同的牌底和字体进行区分，并使字体的去噪强度低于牌底的去噪强度，因此，实现了在保证车牌字体和牌底对比度要求的前提下，降低牌底噪声的同时保证字体的清晰度的目的。
可选地，所述图像分割单元530可以包括：
亮度分割点确定子单元，用于确定所述目标亮度图像的亮度直方图中的多个亮度分割点；
分割子单元，用于基于所述多个亮度分割点，对所述目标亮度图像进行分割，得到多个图像模板。
可选地，所述亮度分割点确定子单元具体用于：
对所述目标亮度图像的亮度直方图进行二次求导；
将二次求导所得的极小值点作为所述目标亮度图像的亮度直方图所对应的单峰波谷点；
从所确定的单峰波谷点中，获得所述目标亮度图像的亮度直方图中的多个亮度分割点。
可选地，所述亮度分割点确定子单元从所确定的单峰波谷点中，获得所述目标亮度图像的亮度直方图中的多个亮度分割点，具体为：
构建包含所确定的单峰波谷点的目标集合；
针对所述目标集合中每对单峰波谷点，拟合该对单峰波谷点间的至少一类分布曲线，计算所述至少一类分布曲线与该对单峰波谷点间的直方图曲线的相似度，当所计算出的相似度中的最大值大于预定相似度阈值时，将该对单峰波谷点确定为亮度分割点，否则，将该对单峰波谷点中的值较大的单峰波谷点从所述目标集合中去除；其中，每对单峰波谷点均为相邻的两个单峰波谷点；
返回执行针对所述目标集合中每对单峰波谷点，拟合该对单峰波谷点间的至少一类分布曲线的步骤，直至所述目标集合中所有单峰波谷点均作为亮度分割点。
可选地，所述分割子单元具体用于：
针对每一亮度分割点，以该亮度分割点作为二值化选取阈值，从所述目标亮度图像中选取像素点，并利用所选取的像素点构建图像模板；
其中，所述多个图像模板中，与牌底相关像素点的重复频率高于与字体相关像素点的重复频率。
可选地，所述分割子单元具体用于：
针对每一亮度分割点，基于该亮度分割点和前一亮度分割点之间的亮度区间，从所述目标亮度图像中选取像素点，并利用所选取的像素点构建图像模板；
或者，
针对每一亮度分割点，基于该亮度分割点和后一亮度分割点之间的亮度区间，从所述目标亮度图像中选取像素点，并利用所选取的像素点构建图像模板。
可选地，所述车牌增强结果生成单元550具体用于：
对去噪后的各个图像模板进行加权融合，得到车牌增强后的亮度图像；其中，任一图像模板所对应的融合权重为：基于目标直方图值所确定的值，所述目标直方图值为：所述目标亮度图像的亮度直方图中，该图像模板所对应的亮度区间上的直方图值；
根据车牌增强后的亮度图像，确定车牌增强后的车牌图像。
相应于上述方法实施例，本申请实施例还提供了一种电子设备；如图6所示，所述电子设备包括：内部总线610、存储器(memory)620、处理器(processor)630和通信接口(Communications Interface)640；其中，所述处理器630、所述通信接口640、所述存储器620通过所述内部总线610完成相互间的通信；
其中，所述存储器620，用于存储车牌增强方法对应的机器可行指令；
所述处理器630，用于读取所述存储器620上的所述机器可读指令，并执行所述指令以实现本申请所提供的一种车牌增强方法。其中，一种车牌增强方法，包括：
获得待处理车牌图像；
对所述待处理车牌图像对应的亮度图像进行对比度增强处理，得到目标亮度图像；
将所述目标亮度图像分割为多个图像模板，并对各个图像模板分别进行去噪；其中，不同图像模板对应不同的亮度区间，且各个图像模板所对应的去噪强度关系满足：与牌底相关像素点的去噪强度高于与字体相关像素点的去噪强度；
基于车牌增强后的亮度图像，生成车牌增强后的车牌图像；其中，所述车牌增强后的亮度图像为基于去噪后的各个图像模板生成的图像。
本实施例中，关于车牌增强方法的具体步骤的相关描述可以参见本申请所提供方法实施例中的描述内容，在此不做赘述。
上述装置中各个单元的功能和作用的实现过程具体详见上述方法中对应步骤的实现过程，在此不再赘述。
对于装置实施例而言，由于其基本对应于方法实施例，所以相关之处参见方法实施例的部分说明即可。以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本申请方案的目的。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。
以上所述仅为本申请的较佳实施例而已，并不用以限制本申请，凡在本申请的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本申请保护的范围之内。

Claims (9)

1.一种车牌增强方法，其特征在于，包括：
获得待处理车牌图像；
对所述待处理车牌图像对应的亮度图像进行对比度增强处理，得到目标亮度图像；
确定所述目标亮度图像的亮度直方图中的多个亮度分割点；所述亮度分割点是从目标亮度图像的亮度直方图所对应的单峰波谷点中确定的，其中，当针对每对单峰波谷点间拟合出的该对单峰波谷点间的至少一类分布曲线与该对单峰波谷点间的直方图曲线的相似度中的最大值大于预定相似度阈值时，将该对单峰波谷点确定为亮度分割点；
基于所述多个亮度分割点，对所述目标亮度图像进行分割，得到多个图像模板，并对各个图像模板分别进行去噪；其中，不同图像模板对应不同的亮度区间，且各个图像模板所对应的去噪强度关系满足：与牌底相关像素点的去噪强度高于与字体相关像素点的去噪强度；
基于车牌增强后的亮度图像，生成车牌增强后的车牌图像；其中，所述车牌增强后的亮度图像为基于去噪后的各个图像模板生成的图像。
2.根据权利要求1所述的方法，其特征在于，所述单峰波谷点通过以下步骤确定：
对所述目标亮度图像的亮度直方图进行二次求导；
将二次求导所得的极小值点，作为所述目标亮度图像的亮度直方图所对应的单峰波谷点。
3.根据权利要求2所述的方法，其特征在于，所述从单峰波谷点中确定所述目标亮度图像的亮度直方图中的多个亮度分割点的步骤，包括：
构建包含所确定的单峰波谷点的目标集合；
针对所述目标集合中每对单峰波谷点，拟合该对单峰波谷点间的至少一类分布曲线，计算所述至少一类分布曲线与该对单峰波谷点间的直方图曲线的相似度，当所计算出的相似度中的最大值大于预定相似度阈值时，将该对单峰波谷点确定为亮度分割点，否则，将该对单峰波谷点中的值较大的单峰波谷点从所述目标集合中去除；其中，每对单峰波谷点均为相邻的两个单峰波谷点；
返回执行针对所述目标集合中每对单峰波谷点，拟合该对单峰波谷点间的至少一类分布曲线的步骤，直至所述目标集合中所有单峰波谷点均作为亮度分割点。
4.根据权利要求3所述的方法，其特征在于，所述拟合该对单峰波谷点间的至少一类分布曲线的步骤，包括：
拟合该对单峰波谷点间的高斯分布曲线、柯西分布曲线和韦伯分布曲线。
5.根据权利要求1所述的方法，其特征在于，所述基于所述多个亮度分割点，对所述目标亮度图像进行分割，得到多个图像模板的步骤，包括：
针对每一亮度分割点，以该亮度分割点作为二值化选取阈值，从所述目标亮度图像中选取像素点，并利用所选取的像素点构建图像模板；
其中，所述多个图像模板中，与牌底相关像素点的重复频率高于与字体相关像素点的重复频率。
6.根据权利要求1所述的方法，其特征在于，所述基于所述多个亮度分割点，对所述目标亮度图像进行分割，得到多个图像模板的步骤，包括：
针对每一亮度分割点，基于该亮度分割点和前一亮度分割点之间的亮度区间，从所述目标亮度图像中选取像素点，并利用所选取的像素点构建图像模板；
或者，
针对每一亮度分割点，基于该亮度分割点和后一亮度分割点之间的亮度区间，从所述目标亮度图像中选取像素点，并利用所选取的像素点构建图像模板。
7.根据权利要求1所述的方法，其特征在于，所述基于车牌增强后的亮度图像，生成车牌增强后的车牌图像的步骤，包括：
对去噪后的各个图像模板进行加权融合，得到车牌增强后的亮度图像；其中，任一图像模板所对应的融合权重为：基于目标直方图值所确定的值，所述目标直方图值为：所述目标亮度图像的亮度直方图中，该图像模板所对应的亮度区间上的直方图值；
根据车牌增强后的亮度图像，确定车牌增强后的车牌图像。
8.一种车牌增强装置，其特征在于，包括：
图像获得单元，用于获得待处理车牌图像；
对比度增强单元，用于对所述待处理车牌图像对应的亮度图像进行对比度增强处理，得到目标亮度图像；
图像分割单元，用于确定所述目标亮度图像的亮度直方图中的多个亮度分割点；所述亮度分割点是从目标亮度图像的亮度直方图所对应的单峰波谷点中确定的，其中，当针对每对单峰波谷点间拟合出的该对单峰波谷点间的至少一类分布曲线与该对单峰波谷点间的直方图曲线的相似度中的最大值大于预定相似度阈值时，将该对单峰波谷点确定为亮度分割点；以及，
用于基于所述多个亮度分割点，对所述目标亮度图像进行分割，得到多个图像模板，并对各个图像模板分别进行去噪；其中，不同图像模板对应不同的亮度区间；
去噪单元，用于对各个图像模板分别进行去噪；其中，各个图像模板所对应的去噪强度关系满足：与牌底相关像素点的去噪强度高于与字体相关像素点的去噪强度；
车牌增强结果生成单元，用于基于车牌增强后的亮度图像，生成车牌增强后的车牌图像；其中，所述车牌增强后的亮度图像为基于去噪后的各个图像模板生成的图像。
9.一种电子设备，其特征在于，所述电子设备包括：内部总线、存储器、处理器和通信接口；其中，所述处理器、所述通信接口、所述存储器通过所述内部总线完成相互间的通信；其中，所述存储器，用于存储车牌增强方法对应的机器可行指令；
所述处理器，用于读取所述存储器上的所述机器可读指令，并执行所述指令以实现权利要求1-7任一项所述的车牌增强方法。
CN201810362070.XA 2018-04-20 2018-04-20 一种车牌增强方法、装置及电子设备 Active CN110390643B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN201810362070.XA CN110390643B (zh) 2018-04-20 2018-04-20 一种车牌增强方法、装置及电子设备
PCT/CN2019/082542 WO2019201184A1 (zh) 2018-04-20 2019-04-12 一种车牌增强方法、装置及电子设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810362070.XA CN110390643B (zh) 2018-04-20 2018-04-20 一种车牌增强方法、装置及电子设备

Publications (2)

Publication Number Publication Date
CN110390643A CN110390643A (zh) 2019-10-29
CN110390643B true CN110390643B (zh) 2022-04-26

Family

ID=68240413

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810362070.XA Active CN110390643B (zh) 2018-04-20 2018-04-20 一种车牌增强方法、装置及电子设备

Country Status (2)

Country Link
CN (1) CN110390643B (zh)
WO (1) WO2019201184A1 (zh)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111797694A (zh) * 2020-06-09 2020-10-20 浙江大华技术股份有限公司 一种车牌检测方法及装置
CN111754440B (zh) * 2020-06-29 2023-05-05 苏州科达科技股份有限公司 车牌图像增强方法、系统、设备及存储介质
CN112133101B (zh) * 2020-09-22 2021-11-26 杭州海康威视数字技术股份有限公司 增强车牌区域的方法、装置、摄像装置、计算设备及存储介质
CN115797351B (zh) * 2023-02-08 2023-05-02 山东第一医科大学(山东省医学科学院) 一种光伏电池板的异常检测方法
CN116977230B (zh) * 2023-09-22 2024-01-02 济宁市质量计量检验检测研究院(济宁半导体及显示产品质量监督检验中心、济宁市纤维质量监测中心) 一种扫描电子显微镜图像优化增强方法
CN117593192B (zh) * 2024-01-18 2024-03-26 大连云间来客科技有限公司 一种妇科宫颈图像增强分析方法

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101101669A (zh) * 2007-07-13 2008-01-09 天津大学 根据边缘和亮度特征进行自适应调整的图像增强方法
CN101291384A (zh) * 2007-04-20 2008-10-22 致伸科技股份有限公司 图文分离及文字增强方法
CN102271254A (zh) * 2011-07-22 2011-12-07 宁波大学 一种深度图像的预处理方法
CN104182947A (zh) * 2014-09-10 2014-12-03 安科智慧城市技术（中国）有限公司 一种低照度图像增强方法和系统
CN104616259A (zh) * 2015-02-04 2015-05-13 西安理工大学 一种噪声强度自适应的非局部均值图像去噪方法
CN105005973A (zh) * 2015-06-30 2015-10-28 广东欧珀移动通信有限公司 一种图像快速去噪的方法及装置
CN106504281A (zh) * 2016-12-02 2017-03-15 中国电子科技集团公司第四十四研究所 应用于cmos图像传感器的图像画质增强和滤波方法
CN106886779A (zh) * 2017-02-15 2017-06-23 厦门大学 一种荧光显微图像二值化的自适应阈值方法

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6553131B1 (en) * 1999-09-15 2003-04-22 Siemens Corporate Research, Inc. License plate recognition with an intelligent camera
CN103400121A (zh) * 2013-08-06 2013-11-20 河海大学 基于彩色二值化图像的车牌定位方法
CN106815587B (zh) * 2015-11-30 2019-10-18 浙江宇视科技有限公司 图像处理方法及装置
CN107358795A (zh) * 2017-07-17 2017-11-17 陈剑桃 一种有效的车牌识别系统

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101291384A (zh) * 2007-04-20 2008-10-22 致伸科技股份有限公司 图文分离及文字增强方法
CN101101669A (zh) * 2007-07-13 2008-01-09 天津大学 根据边缘和亮度特征进行自适应调整的图像增强方法
CN102271254A (zh) * 2011-07-22 2011-12-07 宁波大学 一种深度图像的预处理方法
CN104182947A (zh) * 2014-09-10 2014-12-03 安科智慧城市技术（中国）有限公司 一种低照度图像增强方法和系统
CN104616259A (zh) * 2015-02-04 2015-05-13 西安理工大学 一种噪声强度自适应的非局部均值图像去噪方法
CN105005973A (zh) * 2015-06-30 2015-10-28 广东欧珀移动通信有限公司 一种图像快速去噪的方法及装置
CN106504281A (zh) * 2016-12-02 2017-03-15 中国电子科技集团公司第四十四研究所 应用于cmos图像传感器的图像画质增强和滤波方法
CN106886779A (zh) * 2017-02-15 2017-06-23 厦门大学 一种荧光显微图像二值化的自适应阈值方法

Also Published As

Publication number Publication date
WO2019201184A1 (zh) 2019-10-24
CN110390643A (zh) 2019-10-29

Similar Documents

Publication Publication Date Title
CN110390643B (zh) 一种车牌增强方法、装置及电子设备
CN108764358B (zh) 一种太赫兹图像识别方法、装置、设备及可读存储介质
CN107392858B (zh) 图像高光区域处理方法、装置和终端设备
US10922801B2 (en) Channel-based binarization of color
CN110913243B (zh) 一种视频审核的方法、装置和设备
US20190266706A1 (en) Removal of shadows from document images while preserving fidelity of image contents
CN109903294B (zh) 图像处理方法、装置、电子设备及可读存储介质
US20170344846A1 (en) Image processing apparatus, image processing method and program
WO2012074361A1 (en) Method of image segmentation using intensity and depth information
JP2016505186A (ja) エッジ保存・ノイズ抑制機能を有するイメージプロセッサ
CN110717865B (zh) 图片检测方法及装置
CN107256543B (zh) 图像处理方法、装置、电子设备及存储介质
CN109214996B (zh) 一种图像处理方法及装置
CN115619683B (zh) 图像处理方法、装置、设备、存储介质和计算机程序产品
CN110210467B (zh) 一种文本图像的公式定位方法、图像处理装置、存储介质
CN108877030B (zh) 图像处理方法、装置、终端和计算机可读存储介质
JP4649498B2 (ja) 画像データの色補正方法及びシステム
JP2015198385A (ja) 画像処理装置、画像処理方法及びプログラム。
CN116109511A (zh) 红外图像边缘增强的方法和系统
CN111754413A (zh) 图像处理方法、装置、设备及存储介质
CN115619796A (zh) 获取光伏组件模板的方法及装置、非易失性存储介质
CN111986176B (zh) 一种裂纹图像识别方法、系统、终端及可读存储介质
CN112699760A (zh) 一种脸部目标区域检测方法、装置和设备
CN108133204B (zh) 一种手体识别方法、装置、设备及计算机可读存储介质
US9070011B2 (en) Automated segmentation tuner

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