CN111754440B - 车牌图像增强方法、系统、设备及存储介质 - Google Patents

车牌图像增强方法、系统、设备及存储介质 Download PDF

Info

Publication number
CN111754440B
CN111754440B CN202010604429.7A CN202010604429A CN111754440B CN 111754440 B CN111754440 B CN 111754440B CN 202010604429 A CN202010604429 A CN 202010604429A CN 111754440 B CN111754440 B CN 111754440B
Authority
CN
China
Prior art keywords
image
license plate
enhanced
pixel
region
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
CN202010604429.7A
Other languages
English (en)
Other versions
CN111754440A (zh
Inventor
张兆阳
王佛荣
章勇
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.)
Suzhou Keda Technology Co Ltd
Original Assignee
Suzhou Keda 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 Suzhou Keda Technology Co Ltd filed Critical Suzhou Keda Technology Co Ltd
Priority to CN202010604429.7A priority Critical patent/CN111754440B/zh
Publication of CN111754440A publication Critical patent/CN111754440A/zh
Priority to PCT/CN2020/121507 priority patent/WO2022000860A1/zh
Application granted granted Critical
Publication of CN111754440B publication Critical patent/CN111754440B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G06T5/70—
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/50—Image enhancement or restoration by the use of more than one image, e.g. averaging, subtraction
    • G06T5/73—
    • G06T5/90—
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/90—Determination of colour characteristics
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/56—Extraction of image or video features relating to colour
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/60—Type of objects
    • G06V20/62—Text, e.g. of license plates, overlay texts or captions on TV images
    • G06V20/63—Scene text, e.g. street names
    • 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
    • G06T2207/10004—Still image; Photographic 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
    • G06T2207/20212—Image combination
    • G06T2207/20221—Image fusion; Image merging
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/60—Type of objects
    • G06V20/62—Text, e.g. of license plates, overlay texts or captions on TV images
    • G06V20/625—License plates
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/10—Internal combustion engine [ICE] based vehicles
    • Y02T10/40—Engine management systems

Abstract

本发明提供了一种车牌图像增强方法、系统、设备及存储介质，所述方法包括：输入车牌扩展区域图像，车牌扩展区域图像包括车牌区域和环绕车牌区域的外围区域；将车牌扩展区域图像进行图像增强处理，得到第一增强图像；将所述车牌扩展区域图像进行第二图像增强处理，得到第二增强图像；将第一增强图像和第二增强图像进行图像融合，得到融合后的车牌增强图像，其中，车牌增强图像的车牌区域采用第二增强图像的图像数据填充，车牌增强图像的外围区域采用第一增强图像的图像数据填充。通过采用本发明，通过对车牌区域和非车牌区域的不同图像增强方法和图像融合，实现适用于不同场景下的图像增强。

Description

车牌图像增强方法、系统、设备及存储介质
背景技术
在监控领域的车辆卡口环境中，往往是在抓拍设备旁边安装一个爆闪灯，在车辆驶来的一瞬间，打开爆闪灯补光，并且抓拍一帧图片，这样不仅可以在全天候下都可以得到车辆的明亮的图片，并且驾驶室里的前排司机或者乘客的行为或者动作也会一览无余，用以辅助判断是否有违反交通法规的行为(比如未系安全带，开车接听电话等)，但是因为爆闪灯的亮度往往更高，导致某些场景下车牌由于反光强烈，有时会严重过曝，或者由于多辆车经过，存在遮挡，导致某辆车车牌区域未补到光的现象，这时抓拍到的图片中车牌号码很难清晰的辨认出来，影响车牌号码信息的获取。因此，在车牌信息识别的过程中，如果采集到的车牌图像存在不清晰或难以识别的缺陷，可以预先通过图像增强的方式对采集到的车牌图像进行增强和复原处理，有利于后续车牌信息的识别。
基于此，现有技术中出现了一种车牌图像增强方法，首先对车牌的亮度图像进行了对比度增强，随后对图片进行去噪处理，提高车牌上字体清晰度并去除车牌背景噪声，从而达到增强目的。然而，现有技术中的车牌图像增强方法中，是对整个车牌图像进行亮度增强，可能会造成车牌区域严重过曝的情况，并且进行车牌识别时，如果车牌定位不准确，在车牌区域信息缺失或者不全时，很难将车牌号码和车牌颜色复原出来。
发明内容
针对现有技术中的问题，本发明的目的在于提供一种车牌图像增强方法、系统、设备及存储介质，通过对车牌区域和非车牌区域的不同图像增强方法和图像融合，实现适用于不同场景下的图像增强。
本发明实施例提供一种车牌图像增强方法，包括如下步骤：
输入车牌扩展区域图像，所述车牌扩展区域图像包括车牌区域和环绕所述车牌区域的外围区域；
将所述车牌扩展区域图像进行第一图像增强处理，得到第一增强图像；
将所述车牌扩展区域图像进行第二图像增强处理，得到第二增强图像，所述第二图像增强处理用于将所述车牌扩展区域图像进行抑制曝光的图像增强处理；
将所述第一增强图像和所述第二增强图像进行图像融合，得到融合后具有车牌区域和外围区域的车牌增强图像，所述车牌区域采用所述第二增强图像的图像数据填充，所述外围区域采用所述第一增强图像的图像数据填充。
可选地，所述第一图像增强处理包括第一白平衡处理，所述第二图像增强处理包括第二白平衡处理，所述第二白平衡处理得到的图像的亮度小于所述第一白平衡处理得到的图像的亮度。
可选地，所述第一白平衡处理，包括将所述车牌扩展区域图像的像素值乘以预设的白平衡增益系数，得到第一增强图像；
所述第二白平衡处理，包括将所述车牌扩展区域图像的像素值乘以预设的白平衡增益系数和一预设的亮度下降比值，得到第二增强图像。
可选地，所述第二白平衡处理包括：
将所述车牌扩展区域图像的红色通道和蓝色通道的像素值分别乘以预设的白平衡增益系数和一预设的亮度下降比值；
将所述车牌扩展区域图像的绿色通道的像素值乘以预设的亮度下降比值，所述亮度下降比值为介于0和1之间的数值；
所述第二图像增强处理中，所述第二白平衡处理之后，还包括如下步骤：
对于所述第一增强图像的绿色通道的每个像素G(x,y)，根据红色通道与像素G(x,y)的位置相对应的像素R(x,y)和绿色通道与像素G(x,y)的位置相对应的像素B(x,y)的像素值，调整像素G(x,y)的像素值。
可选地，所述车牌扩展区域图像还包括位于所述车牌区域和所述外围区域之间的过渡区域；
将所述第一增强图像和所述第二增强图像进行图像融合，得到融合后的车牌增强图像，包括如下步骤：
采用所述第二增强图像的图像数据填充所述车牌增强图像的车牌区域，采用所述第一增强图像的图像数据填充所述车牌增强图像的外围区域；
采用如下公式计算所述车牌增强图像的过渡区域的各个像素的像素值：
Figure GDA0004153808860000031
其中，p(x,y)为所述车牌增强图像的过渡区域中坐标为(x,y)的像素的像素值，pA(x,y)为第一增强图像中坐标为(x,y)的像素的像素值，pB(x,y)为第二增强图像中坐标为(x,y)的像素的像素值，L1为坐标为(x,y)的像素与车牌区域的距离，L2为坐标为(x,y)的像素与外围区域的距离。
可选地，将所述输入车牌扩展区域图像之后，还包括车牌扩展区域的亮度调节，所述亮度调节包括如下步骤：
根据目标亮度和所述车牌扩展区域图像的亮度平均值计算亮度调节比值；
将所述车牌扩展区域图像中各个像素点的像素值乘以所述亮度调节比值，得到亮度调节后的车牌扩展区域图像；
所述将所述车牌扩展区域图像进行第一图像增强处理，包括将所述亮度调节后的车牌扩展区域图像进行第一图像增强处理；
所述将所述车牌扩展区域图像进行第二图像增强处理，包括将所述亮度调节后的车牌扩展区域图像进行第二图像增强处理。
可选地，所述亮度调节之前，还包括如下步骤：
输入车牌区域图像；
根据所述车牌区域图像确定车牌颜色；
根据车牌颜色与目标亮度的映射关系，确定所对应的目标亮度。
可选地，所述根据所述车牌区域图像确定车牌颜色，包括如下步骤：
分别统计所述车牌区域图像中红色、绿色和蓝色通道的像素平均值；
计算红色通道像素平均值和绿色通道像素平均值的比值RGratio；
计算蓝色通道像素平均值和绿色通道像素平均值的比值BGratio；
根据预设的不同颜色与比值RGratio以及BGratio的映射关系，确定车牌颜色。
可选地，所述输入车牌扩展区域图像，包括输入raw格式的车牌扩展区域图像；
所述第一图像增强处理和所述第二图像增强处理均为直接对所述raw格式的车牌扩展区域图像进行的处理。
通过采用本发明所提供的车牌图像增强方法，一方面通过对车牌扩展图像进行图像增强，即使车牌区域定位有偏差，由于车牌扩展图像的外围区域的补充，可以保证获得完整的车牌信息，而不至于因为车牌定位不准而缺少车牌信息；另一方面，通过对车牌图像增强采用两种处理手段，分别获得第一增强图像和第二增强图像，并且将第一增强图像和第二增强图像进行融合，使得最终得到的车牌增强图像中车牌区域和外围区域中采用不同的增强方法，可以避免现有技术中对整张图像采用同样的图像增强方法而导致车牌区域过曝的问题，因此，该图像增强方法可以适用于更多的应用场景。
本发明实施例还提供一种车牌图像增强系统，其特征在于，应用于所述的车牌图像增强方法，所述系统包括：
图像提取模块，用于输入车牌扩展区域图像，所述车牌扩展区域图像包括车牌区域和环绕所述车牌区域的外围区域；
第一处理模块，用于将所述车牌扩展区域图像进行第一图像增强处理；
第二处理模块，用于将所述车牌扩展区域图像进行第二图像增强处理，得到第二增强图像，所述第二图像增强处理用于将所述车牌扩展区域图像进行抑制曝光的图像增强处理；
图像融合模块，用于将所述第一增强图像和所述第二增强图像进行图像融合，得到融合后的车牌增强图像，其中，所述车牌增强图像包括车牌区域和外围区域，所述车牌区域采用所述第二增强图像的图像数据填充，所述外围区域采用所述第一增强图像的图像数据填充。
通过采用本发明所提供的车牌图像增强系统，一方面通过对车牌扩展图像进行图像增强，即使车牌区域定位有偏差，由于车牌扩展图像的外围区域的补充，可以保证获得完整的车牌信息，而不至于因为车牌定位不准而缺少车牌信息；另一方面，通过对车牌图像增强采用两种处理手段，分别获得第一增强图像和第二增强图像，并且将第一增强图像和第二增强图像进行融合，使得最终得到的车牌增强图像中车牌区域和外围区域中采用不同的增强方法，可以避免现有技术中对整张图像采用同样的图像增强方法而导致车牌区域过曝的问题，因此，该图像增强方法可以适用于更多的应用场景。
本发明实施例还提供一种车牌图像增强设备，包括：
处理器；
存储器，其中存储有所述处理器的可执行指令；
其中，所述处理器配置为经由执行所述可执行指令来执行所述的车牌图像增强方法的步骤。
通过采用本发明所提供的车牌图像增强设备，所述处理器在执行所述可执行指令时执行所述的车牌图像增强方法，由此可以获得上述车牌图像增强方法的有益效果，即一方面可以保证获得完整的车牌信息，另一方面可以适用于更多的应用场景。
本发明实施例还提供一种计算机可读存储介质，用于存储程序，所述程序被执行时实现所述的车牌图像增强方法的步骤。
通过采用本发明所提供的计算机可读存储介质，其中存储的程序在被执行时实现所述的车牌图像增强方法的步骤，由此可以获得上述车牌图像增强方法的有益效果，即一方面可以保证获得完整的车牌信息，另一方面可以适用于更多的应用场景。
附图说明
通过阅读参照以下附图对非限制性实施例所作的详细描述，本发明的其它特征、目的和优点将会变得更明显。
图1是本发明一实施例的车牌图像增强方法的流程图；
图2是本发明一实施例的将车牌图像进行图像增强处理的流程图；
图3是本发明一实施例的对车牌区域图像的处理的流程图；
图4是本发明一实施例的车牌扩展区域图像进行区域划分的示意图；
图5是本发明一具体实例的车牌图像增强方法的流程图；
图6是本发明一实施例的车牌图像增强系统的示意图；
图7是本发明一实施例的车牌图像增强设备的结构示意图；
图8是本发明一实施例的计算机存储介质的结构示意图。
具体实施方式
现在将参考附图更全面地描述示例实施方式。然而，示例实施方式能够以多种形式实施，且不应被理解为限于在此阐述的实施方式；相反，提供这些实施方式使得本发明将全面和完整，并将示例实施方式的构思全面地传达给本领域的技术人员。在图中相同的附图标记表示相同或类似的结构，因而将省略对它们的重复描述。
为了解决现有技术的技术问题，本发明实施例提供一种车牌图像增强方法，可以方便地将已有的Elasticsearch集群中的车牌图像增强至关系型数据库中。
如图1所示，在该实施例中，所述车牌图像增强方法包括如下步骤：
S100：输入车牌扩展区域图像，所述车牌扩展区域图像包括车牌区域和环绕所述车牌区域的外围区域；
S200：将所述车牌扩展区域图像进行第一图像增强处理，得到第一增强图像，所述第一图像增强处理用于将所述车牌扩展区域图像进行颜色和亮度恢复；此处颜色和亮度恢复指的是将车牌扩展区域图像进行颜色和亮度处理，使其尽可能贴近原有车牌图像的亮度和图像；
S300：将所述车牌扩展区域图像进行第二图像增强处理，得到第二增强图像，所述第二图像增强处理用于将所述车牌扩展区域图像进行抑制曝光的图像增强处理，具体地，可以为抑制曝光的颜色和亮度恢复，此处抑制曝光可以通过对亮度的处理来实现避免第二增强图像过度曝光；
S400：将所述第一增强图像和所述第二增强图像进行图像融合，得到融合后的车牌增强图像，其中，所述车牌增强图像包括车牌区域和环绕所述车牌区域的外围区域，所述车牌区域采用所述第二增强图像的图像数据填充，所述外围区域采用所述第一增强图像的图像数据填充。此处，所述外围区域可以指图像中所述车牌区域以外的所有区域，也可以在所述外围区域和所述车牌区域中间还包括一个过渡区域，该过渡区域可以采用所述第一增强图像填充或所述第二增强图像填充，也可以是使用第一增强图像和第二增强图像按比例融合后填充。
通过采用本发明所提供的车牌图像增强方法，首先通过所述步骤S100提取得到车牌扩展区域图像，并且在步骤S200和步骤S300中分别对车牌扩展图像进行第一图像增强和第二图像增强，即使车牌区域定位有偏差，由于车牌扩展图像的外围区域的补充，可以保证获得完整的车牌信息，而不至于因为车牌定位不准而缺少车牌信息。进一步地，本发明通过步骤S200和步骤S300，通过对车牌图像增强采用两种处理手段，分别获得第一增强图像(仅进行颜色和亮度恢复)和第二增强图像(进行抑制曝光的图像增强处理)，并且将第一增强图像和第二增强图像进行融合，使得最终得到的车牌增强图像中车牌区域和外围区域中采用不同的增强方法，由于在步骤S400中融合时，车牌区域采用亮度较低的第二增强图像的数据进行填充，可以避免现有技术中对整张图像采用同样的图像增强方法而导致车牌区域过曝的问题，因此，该图像增强方法可以适用于更多的应用场景，例如可以适用于车牌图像整体亮度很低的场景或者车牌图像整体过曝的场景等。
在该实施例中，所述第一图像增强处理可以包括第一白平衡处理，所述第二图像增强处理可以包括第二白平衡处理，所述第二白平衡处理得到的图像的亮度小于所述第一白平衡处理得到的图像的亮度。进一步地，所述第一图像增强处理还可以包括第一白平衡处理后的第一颜色校正处理，所述第二图像增强处理还可以包括第二白平衡处理后的G通道恢复和第二颜色校正处理，具体会在下文中进行详细描述。
在该实施例中，所述步骤S100中可以直接对raw格式的车牌扩展区域图像进行处理。Raw图像就是CMOS或者CCD图像感应器将捕捉到的光源信号转化为数字信号的原始数据。所述步骤S100中，可以直接输入已经提取好的车牌扩展区域图像，例如输入一定尺寸的bayer格式的图像，也可以在获取到摄像机抓拍的原始图像数据(即车牌图像)之后，根据车牌定位的结果，提取得到车牌扩展区域图像，车牌扩展区域图像可以是以车牌区域为中心向四周扩展预设尺寸之后得到的图像。由此此处对raw格式的原始数据直接进行图像增强，不同于现有其他增强算法中对抓拍后图像进行复原和增强，本发明的方法可以更大程度地复原出车牌信息，即使抓拍到的车牌严重过曝，通过raw格式的图像数据也可以很好地恢复出车牌信息。由此，车牌图像增强方法的适应性更强，不仅局限于对曝光正常的车牌进行车牌图像增强。
如图2所示，在该实施例中，所述步骤S100和步骤S200之间，还包括车牌扩展区域图像的亮度自适应调节，具体地，车牌扩展区域图像的亮度自适应调节包括如下步骤：
S510：根据目标亮度和所述车牌扩展区域图像的亮度平均值计算亮度调节比值；
输入的车牌扩展区域图像所处环境不同，亮度也不同，所以需要对图像进行亮度调节到统一水平。例如：目标亮度为T，统计raw数据上G(绿色)通道的所有像素的亮度平均值Gave。
Figure GDA0004153808860000081
其中m为此车牌扩展区域图像中G通道的像素数，根据bayer排列，m为raw数据尺寸的一半。p(i)为当前像素对应的值。
根据如下公式计算亮度调节比值ratio：
Figure GDA0004153808860000082
即亮度调节比值ratio为目标亮度T和G通道的亮度平均值Gave比值。
S520：将所述车牌图像中各个像素点的像素值乘以所述亮度调节比值。
即通过如下公式可以得到亮度调节后的raw格式图像Q(x,y)。其中，P(x,y)为输入原图像上每个像素点的值。
Q(x,y)＝P(x,y)×ratio
在该实施例中，所述步骤S200中，在所述车牌扩展区域图像的亮度自适应调节之前，还可以包括对所述车牌扩展区域图像进行黑电平(BlackLevelCorrection，BLC)处理，即每个像素的像素值减去黑电平的数值。
如图2所示，在该实施例中，在所述车牌扩展区域图像的亮度自适应调节之后，还可以包括步骤S530：对所述车牌扩展区域图像进行去噪处理。
具体地，可以采用如下公式对图像进行去噪处理：
Figure GDA0004153808860000091
其中，Q(x,y)为步骤S220亮度调节后的图像，G(δ)为高斯卷积核，δ是对应不同的滤波强度，选择不同的δ值，范围例如可以为0.5～0.8。F(x,y)为滤波后的图像。x和y是像素点对应的图像坐标位置。
进一步地，如图2所示，所述步骤S530之后，还包括如下步骤：
S540：将所述车牌扩展区域图像进行去马赛克插值(demosaic)处理，得到三通道的RGB图像。
例如步骤S100中输入的是396*216尺寸的bayer格式的车牌扩展区域图像，即去马赛克插值处理前图像为396*216尺寸，其中G通道像素占二分之一，R、B通道像素各占四分之一，在进行了去马赛克插值后得到一张尺寸为396*216*3的图像，其中R G B各个通道像素数为总像素数的三分之一，即396*216个像素。
在该实施例中，所述步骤S200和步骤S300中第一图像增强处理和第二图像增强处理均是基于所述步骤S540处理后得到的车牌扩展区域图像进行处理的。
在该实施例中，所述步骤S100和步骤S200之间，还包括对车牌区域图像的处理，所述对车牌区域图像的处理包括如下步骤：
S610：输入车牌区域图像，此处输入的也优选是raw格式的车牌区域图像；
S620：根据所述车牌区域图像确定车牌颜色；
S630：根据车牌颜色与目标亮度的映射关系，确定所对应的目标亮度。此处目标亮度即为步骤S510中用于计算车牌扩展区域图像的亮度调节比值的目标亮度。因此，本发明可以进一步实现针对于不同车牌颜色的亮度自适应调节时的差异化参数配置。
因此，该实施例中进一步可以通过单独对车牌区域图像进行处理，得到车牌颜色，车牌颜色可以与增强的车牌图像一起输出，并且可以作为步骤S510中的目标亮度的选择的依据。
进一步地，在所述对车牌区域图像的处理中，在采用步骤S620对车牌区域图像进行颜色识别之前，还可以包括S611：对所述车牌区域图像进行亮度自适应调节的步骤，以提高步骤S620中颜色识别的准确率，具体地，对车牌区域图像的亮度自适应调节可以采用如上步骤S510和步骤S520的亮度调节方法，其中目标亮度可以是一个固定的预设值。
在该实施例中，所述步骤S620：根据所述车牌区域图像确定车牌颜色，包括如下步骤：
分别统计所述车牌区域图像中红色、绿色和蓝色通道的像素平均值；
例如，可以采用如下公式分别统计车牌区域RGB三通道的平均值Rave，Gave，Bave，并通过计算三者之间的比值来进行车牌颜色分类。
Figure GDA0004153808860000101
Figure GDA0004153808860000102
Figure GDA0004153808860000103
Figure GDA0004153808860000104
Figure GDA0004153808860000105
计算红色通道像素平均值和绿色通道像素平均值的比值RGratio；
计算蓝色通道像素平均值和绿色通道像素平均值的比值BGratio；
根据预设的不同颜色与比值RGratio以及BGratio的映射关系，确定车牌颜色，例如可以采用如下公式来判断车牌颜色：
Figure GDA0004153808860000106
其中RM，GM，BM分别表示在亮度调节后的图像Q(i)中所对应的像素数，RGratio和BG+atio分别代表R通道平均值和G通道平均值的比值，B通道平均值和G通道平均值的比值。
即通过比较这两个比值RG+atio和BGra,io，分类为blue蓝色车牌，yellow黄色车牌，mix黄绿混合车牌，other其他纯色车牌(绿牌或白牌)，T1到T8为预先设定的阈值，来区分不同车牌，范围均在0～1之间。
因此，本发明通过颜色各个通道的比值和位置，更加精准和稳定地识别出车牌的颜色信息。相比于现有技术中的车牌颜色识别，可以由更多的分类类别，例如蓝牌、黄牌、黄绿混合牌(新能源公交车)、其他纯色牌(白牌、绿牌)等。并且通过获取到颜色数据之后，可以对不同车牌进行差异化的目标亮度参数配置，使得各个颜色车牌都可以达到理想的增强效果。
具体地，所述步骤S200：将所述车牌扩展区域图像进行第一图像增强处理，包括第一白平衡处理，所述第一白平衡处理包括如下步骤：
将所述第一增强图像的R通道和B通道的像素值分别乘以预设的白平衡增益系数，将得到的图像作为第一增强图像；
例如，通过如下公式对白平衡处理：
Figure GDA0004153808860000111
在该实施例中，其中，F(X,Y)为步骤S540得到的RGB三通道图像，Rgain和Bgain为先验得到的白平衡增益系数，设定值通常大于1。之后便可得到第一增强图像HA(X,Y)。
所述步骤S300：将所述车牌扩展区域图像进行第二图像增强处理，包括第二白平衡处理，所述第二白平衡处理包括如下步骤：
将所述车牌扩展区域图像的像素值乘以预设的白平衡增益系数和一预设的亮度下降比值，将得到的图像作为第二增强图像：
进一步地，将所述车牌扩展区域图像的像素值乘以预设的白平衡增益系数和一预设的亮度下降比值，包括如下步骤：
将所述车牌扩展区域图像的红色通道和蓝色通道的像素值分别乘以预设的白平衡增益系数和一预设的亮度下降比值；
将所述车牌扩展区域图像的绿色通道的像素值乘以预设的亮度下降比值，所述亮度下降比值为介于0和1之间的数值。
具体地，可以采用如下公式对所述车牌扩展区域图像进行处理，得到第二增强图像：
Figure GDA0004153808860000121
其中F(X,Y)为步骤S540得到的RGB三通道图像，ratio_bright为亮度下降比值，设定范围在0.5左右，例如可以设定为0.4～0.6之间，基本上使得亮度降低一半，Rgain和Bgain为先验得到的白平衡增益系数，设定值通常大于1。之后便可得到白平衡后的第二增强图HA(X,Y)。
因此，该实施例通过步骤S250和步骤S300对所述车牌扩展区域图像进行了两种不同的白平衡处理方法，分别得到了第一增强图像和第二增强图像，用于步骤S400中的融合。
在该实施例中，所述步骤S300中，所述第二白平衡处理时，由于只有R通道和B通道同时乘以白平衡增益系数和亮度下降比值，而G通道则只乘以亮度下降比值，对G通道与R通道和B通道不同的处理方式使得第二白平衡处理后的第二增强图像的色彩会与最初输入的车牌扩展区域图像有较大的差别，因此需要进行G通道恢复，将G通道的像素值根据R通道和B通道的像素值进行恢复，从而实现色彩增强，使得在采用第二白平衡处理实现第二增强图像中抑制曝光的效果的同时，也可以通过G通道恢复使得第二增强图像色彩与原车牌扩展区域图像趋于一致。
因此，所述步骤S300中，进行第二白平衡处理之后，还包括G通道恢复的步骤，所述G通道恢复包括如下步骤：
对所述第二增强图像中只做了亮度下降的G通道进行恢复，具体地，对于所述第一增强图像的绿色通道的每个像素G(x,y)，根据红色通道与像素G(x,y)的位置相对应的像素R(x,y)和绿色通道与像素G(x,y)的位置相对应的像素B(x,y)的像素值，调整像素G(x,y)的像素值。
具体地，可以采用如下公式对G通道进行恢复：
如果R(x,y)×t1+B(x,y)×t2≥Gin(x,y)
则Gout(x,y)＝R(x,y)×t3+B(x,y)×t4
其中R(x,y)和B(x,y)分别表示当前图像同一坐标位置(x，y)下R通道和B通道像素值，Gin(x,y)为复原前对应坐标下G通道的像素值，当其满足判断条件时，即重新计算当前点的G通道值，得到Gout(x,y)。t1，t2，t3，t4是调节参数，范围在0-1之间。
进一步地，所述步骤S200中，所述第一白平衡处理之后，还可以包括第一颜色校正的步骤，所述步骤S300中，所述G通道恢复之后，还可以包括第二颜色校正的步骤，所述第一颜色校正和所述第二颜色校正可以采用同样的颜色校正方法，分别对所述第一增强图像和第二增强图像进行处理，从而更好地恢复所述车牌的颜色和亮度。例如，可以通过预设的校正矩阵M，采用K′＝H×K调整RGB三通道的像素值，其中K′为校正后的RGB三通道像素值，K为校正前的RGB三通道像素值。
如图4所示，在该实施例中，所述车牌扩展区域图像还包括位于所述车牌区域和所述外围区域之间的过渡区域。在图4中，定义车牌区域为B区，外围区域为A区，过渡区域为C区。外围区域A的内侧边与车牌区域B之间的距离可以预先设定，以实现车牌扩展区域图像的区域划分，分别界定外围区域A和过渡区域C的覆盖范围。
在该实施例中，所述步骤S400：将所述第一增强图像和所述第二增强图像进行图像融合，得到融合后的车牌增强图像，包括如下步骤：
采用所述第二增强图像的图像数据填充所述车牌增强图像的车牌区域，采用所述第一增强图像的图像数据填充所述车牌增强图像的外围区域；
采用如下公式计算所述车牌增强图像的过渡区域的各个像素的像素值：
Figure GDA0004153808860000131
其中，p(x,y)为所述车牌增强图像的过渡区域中坐标为(x,y)的像素的像素值，pA(x,y)为第一增强图像中坐标为(x,y)的像素的像素值，pB(x,y)为第二增强图像中坐标为(x,y)的像素的像素值，L1为坐标为(x,y)的像素与车牌区域B的距离，L2为坐标为(x,y)的像素与外围区域A的距离。
该种方式不仅可以实现最终增强得到的车牌增强图像中车牌区域与外围区域采用不同图像增强方式，具有不同的亮度，从而避免对整体图像进行亮度调节而引起车牌区域过曝的情况。还通过过渡区域的设置，可以很好地实现车牌区域与外围区域之间的过渡。
在另一种可替代的实施方式中，所述车牌增强图像中车牌区域与外围区域之间也可以不设置过渡区，而只包括车牌区域和外围区域，即车牌区域外围的部分均划分为外围区域，并且采用第一增强图像的数据填充外围区域，第二增强图像的数据填充车牌区域，也可以实现本发明中避免对整体图像进行亮度调节而引起车牌区域过曝的目的，也属于本发明的保护范围之内。
进一步地，在所述步骤S400之后，还可以包括对所述车牌增强图像进行锐化处理的步骤，首先将所述车牌增强图像转换到YUV色彩模式下，其中，Y代表亮度，U和V代表色度，该实施例中仅对Y通道采用如下公式进行图像锐化操作：
Figure GDA0004153808860000141
其中FY表示待锐化增强的车牌增强图像的Y通道数据，h((w)是高通滤波卷积核，w为滤波器尺寸，具体数值可以调整，一般介于3-7之间，t1为增强系数，0-1之间，将y通道高通滤波卷积后的结果按照t1的比值和原图像Y通道相加得到最后的增强后Y通道数据GY，之后将YUV各个通道数据转化到RGB通道，完成图像锐化增强。
如图5所示，为本发明一具体实例的车牌图像增强的完整操作流程示意图。可理解的是，图5示出的仅为一种可选的实例，在实际应用中，其中的部分步骤可以去除。
如图5所示，输入车牌区域图像对应于上述步骤S610，输入车牌区域图像之后可以进一步对其进行黑电平处理，减去黑电平，然后进行亮度自适应调节，然后进行车牌颜色分类，对应于上述步骤S620。车牌颜色分类的结果可以用于车牌扩展区域图像的亮度自适应调节的差异化处理。输入车牌扩展区域图像对应于上述步骤S100，可以首先对车牌扩展区域图像进行黑电平处理，然后进行亮度自适应调节，对应于上述步骤S510和步骤S520，然后进行去噪处理，对应于上述步骤S530，进行去马赛克插值处理，对应于上述步骤S540。然后将步骤S540的图像进行两种不同的白平衡处理，其中第一白平衡处理对应于上述步骤S200，得到第一增强图像后，可以采用校正矩阵M对RGB三通道像素值进行校正，即进行第一颜色校正处理。第二白平衡处理对应于上述步骤S300，然后只针对第二增强图像进行G通道恢复，即对所述第二增强图像中只做了亮度下降的G通道进行恢复，然后对第二增强图像进行颜色校正，即第二颜色校正处理。然后将第一增强图像和第二增强图像进行了图像融合，对应于上述步骤S400，并且在图像融合之后，可以进一步对图像进行锐化处理，得到最终输出的车牌增强图像。
图5中的车牌图像增强流程采用类似于图像处理中的ISP pipeline的流程设计，各个处理模块相互连接，进行流水线工作，简单高效，算法复杂度降低，计算量也大大减少，不需要使用复杂的计算公式和算法，并且可以通过图像融合的方法，使得增强后的车牌图像贴回原图后，没有明显的违和感。
在本发明中，步骤S200和步骤S300的图像增强方式仅为示例，采用其他的图像增强方式也是可以的，只要能实现第一图像增强处理对图像的颜色和亮度进行恢复，第二图像增强处理对图像的颜色和亮度进行恢复并且可以抑制曝光即可。例如，在其他可替代的实施方式中，第一图像增强处理可以不包括白平衡，只包括第一颜色校正，或者是其他的颜色和亮度处理方式，第二图像增强处理可以将白平衡过程与乘以亮度下降比值过程分成两步来做，例如先将RGB通道的像素值分别乘以亮度下降比值，然后再将R通道和B通道进行白平衡处理，或者先将R通道和B通道进行白平衡处理，然后再RGB通道的像素值分别乘以亮度下降比值，或者只将RGB通道的像素值分别乘以亮度下降比值，然后不经过白平衡直接进行G通道恢复和第二颜色校正等等，均属于本发明的保护范围之内。
如图6所示，本发明实施例还提供一种车牌图像增强系统，用于实现所述车牌图像增强方法，所述系统包括：
图像提取模块M100，用于输入车牌扩展区域图像，所述车牌扩展区域图像包括车牌区域和环绕所述车牌区域的外围区域；
第一处理模块M200，用于将所述车牌扩展区域图像进行第一图像增强处理，所述第一图像增强处理用于将所述车牌扩展区域图像进行颜色和亮度恢复；
第二处理模块M300，用于将所述车牌扩展区域图像进行第二图像增强处理，得到第二增强图像，所述第二图像增强处理用于将所述车牌扩展区域图像进行抑制曝光的图像增强处理；
图像融合模块M400，用于将所述第一增强图像和所述第二增强图像进行图像融合，得到融合后的车牌增强图像，其中，所述车牌增强图像包括车牌区域和外围区域，所述车牌区域采用所述第二增强图像的图像数据填充，所述外围区域采用所述第一增强图像的图像数据填充。
通过采用本发明所提供的车牌图像增强系统，首先通过图像提取模块M100提取得到车牌扩展区域图像，并且通过第一处理模块M200和第二处理模块M200分别对车牌扩展图像进行第一图像增强和第二图像增强，即使车牌区域定位有偏差，由于车牌扩展图像的外围区域的补充，可以保证获得完整的车牌信息，而不至于因为车牌定位不准而缺少车牌信息。进一步地，本发明通过第一处理模块M200和第二处理模块M300，通过对车牌图像增强采用两种处理手段，分别获得第一增强图像(进行图像颜色和亮度恢复)和第二增强图像(进行抑制曝光的图像颜色和亮度恢复)，并且将第一增强图像和第二增强图像进行融合，使得最终得到的车牌增强图像中车牌区域和外围区域中采用不同的增强方法，由于在图像融合模块M400中融合时，车牌区域采用亮度较低的第二增强图像的数据进行填充，可以避免现有技术中对整张图像采用同样的图像增强方法而导致车牌区域过曝的问题，因此，该图像增强方法可以适用于更多的应用场景，例如可以适用于车牌图像整体亮度很低的场景或者车牌图像整体过曝的场景等。该车牌图像增强系统可以通过一台服务器或普通的个人计算机等来实现，例如将该车牌图像增强系统运行在ARM平台的CPU上。
本发明的车牌图像增强系统可以为若干后续处理模块提供可调用的参数接口，通过参数的调节和设置，可以对增强后的车牌进行色调调节、饱和度调节、清晰度调节、亮度调节，提高了后续的车牌增强技术应用的适应性。
本发明实施例还提供一种车牌图像增强设备，包括处理器；存储器，其中存储有所述处理器的可执行指令；其中，所述处理器配置为经由执行所述可执行指令来执行所述的车牌图像增强方法的步骤。
所属技术领域的技术人员能够理解，本发明的各个方面可以实现为系统、方法或程序产品。因此，本发明的各个方面可以具体实现为以下形式，即：完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等)，或硬件和软件方面结合的实施方式，这里可以统称为“电路”、“模块”或“系统”。
下面参照图7来描述根据本发明的这种实施方式的电子设备600。图7显示的电子设备600仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。
如图7所示，电子设备600以通用计算设备的形式表现。电子设备600的组件可以包括但不限于：至少一个处理单元610、至少一个存储单元620、连接不同系统组件(包括存储单元620和处理单元610)的总线630、显示单元640等。
其中，所述存储单元存储有程序代码，所述程序代码可以被所述处理单元610执行，使得所述处理单元610执行本说明书上述电子处方流转处理方法部分中描述的根据本发明各种示例性实施方式的步骤。例如，所述处理单元610可以执行如图1中所示的步骤。
所述存储单元620可以包括易失性存储单元形式的可读介质，例如随机存取存储单元(RAM)6201和/或高速缓存存储单元6202，还可以进一步包括只读存储单元(ROM)6203。
所述存储单元620还可以包括具有一组(至少一个)程序模块6205的程序/实用工具6204，这样的程序模块6205包括但不限于：操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。
总线630可以为表示几类总线结构中的一种或多种，包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。
电子设备600也可以与一个或多个外部设备700(例如键盘、指向设备、蓝牙设备等)通信，还可与一个或者多个使得用户能与该电子设备600交互的设备通信，和/或与使得该电子设备600能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口650进行。并且，电子设备600还可以通过网络适配器660与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。网络适配器660可以通过总线630与电子设备600的其它模块通信。应当明白，尽管图中未示出，可以结合电子设备600使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
通过采用本发明所提供的车牌图像增强设备，所述处理器在执行所述可执行指令时执行所述的车牌图像增强方法，由此可以获得上述车牌图像增强方法的有益效果，即一方面可以保证获得完整的车牌信息，另一方面可以适用于更多的应用场景。
本发明实施例还提供一种计算机可读存储介质，用于存储程序，所述程序被执行时实现所述的车牌图像增强方法的步骤。在一些可能的实施方式中，本发明的各个方面还可以实现为一种程序产品的形式，其包括程序代码，当所述程序产品在终端设备上运行时，所述程序代码用于使所述终端设备执行本说明书上述电子处方流转处理方法部分中描述的根据本发明各种示例性实施方式的步骤。
参考图8所示，描述了根据本发明的实施方式的用于实现上述方法的程序产品800，其可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码，并可以在终端设备，例如个人电脑上运行。然而，本发明的程序产品不限于此，在本文件中，可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
所述程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
所述计算机可读存储介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了可读程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。可读存储介质还可以是可读存储介质以外的任何可读介质，该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。可读存储介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、有线、光缆、RF等等，或者上述的任意合适的组合。
可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、C++等，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或集群上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网(LAN)或广域网(WAN)，连接到用户计算设备，或者，可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
通过采用本发明所提供的计算机可读存储介质，其中存储的程序在被执行时实现所述的车牌图像增强方法的步骤，由此可以获得上述车牌图像增强方法的有益效果，即一方面可以保证获得完整的车牌信息，另一方面可以适用于更多的应用场景。
以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明，不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干简单推演或替换，都应当视为属于本发明的保护范围。

Claims (10)

1.一种车牌图像增强方法，其特征在于，包括如下步骤：
输入车牌扩展区域图像，所述车牌扩展区域图像包括车牌区域和环绕所述车牌区域的外围区域；
根据目标亮度和所述车牌扩展区域图像的亮度平均值计算亮度调节比值；
将所述车牌扩展区域图像中各个像素点的像素值乘以所述亮度调节比值，得到亮度调节后的车牌扩展区域图像；
将所述亮度调节后的车牌扩展区域图像进行第一图像增强处理，得到第一增强图像；
将所述亮度调节后的车牌扩展区域图像进行第二图像增强处理，得到第二增强图像，所述第二图像增强处理用于将所述车牌扩展区域图像进行抑制曝光的图像增强处理，所述第二增强图像的亮度小于所述第一增强图像的亮度；
将所述第一增强图像和所述第二增强图像进行图像融合，得到融合后具有车牌区域和外围区域的车牌增强图像，所述车牌区域采用所述第二增强图像的图像数据填充，所述外围区域采用所述第一增强图像的图像数据填充；
所述根据目标亮度和所述车牌扩展区域图像的亮度平均值计算亮度调节比值之前，还包括如下步骤：
输入车牌区域图像；
根据所述车牌区域图像确定车牌颜色；
根据车牌颜色与目标亮度的映射关系，确定所对应的目标亮度。
2.根据权利要求1所述的车牌图像增强方法，其特征在于，所述第一图像增强处理包括第一白平衡处理，所述第二图像增强处理包括第二白平衡处理，所述第二白平衡处理得到的图像的亮度小于所述第一白平衡处理得到的图像的亮度。
3.根据权利要求2所述的车牌图像增强方法，其特征在于，所述第一白平衡处理，包括将所述车牌扩展区域图像的像素值乘以预设的白平衡增益系数，得到第一增强图像；
所述第二白平衡处理，包括将所述车牌扩展区域图像的像素值乘以预设的白平衡增益系数和一预设的亮度下降比值，得到第二增强图像。
4.根据权利要求2所述的车牌图像增强方法，其特征在于，所述第二白平衡处理包括：
将所述车牌扩展区域图像的红色通道和蓝色通道的像素值分别乘以预设的白平衡增益系数和一预设的亮度下降比值；
将所述车牌扩展区域图像的绿色通道的像素值乘以预设的亮度下降比值，所述亮度下降比值为介于0和1之间的数值；
所述第二图像增强处理中，所述第二白平衡处理之后，还包括如下步骤：
对于所述第一增强图像的绿色通道的每个像素G(x，y)，根据红色通道与像素G(x，y)的位置相对应的像素R(x，y)和绿色通道与像素G(x，y)的位置相对应的像素B(x，y)的像素值，调整像素G(x，y)的像素值。
5.根据权利要求1所述的车牌图像增强方法，其特征在于，所述车牌扩展区域图像还包括位于所述车牌区域和所述外围区域之间的过渡区域；
将所述第一增强图像和所述第二增强图像进行图像融合，得到融合后的车牌增强图像，包括如下步骤：
采用所述第二增强图像的图像数据填充所述车牌增强图像的车牌区域，采用所述第一增强图像的图像数据填充所述车牌增强图像的外围区域；
采用如下公式计算所述车牌增强图像的过渡区域的各个像素的像素值：
Figure FDA0004046774910000021
其中，p(x，y)为所述车牌增强图像的过渡区域中坐标为(x，y)的像素的像素值，pA(x，y)为第一增强图像中坐标为(x，y)的像素的像素值，pB(x，y)为第二增强图像中坐标为(x，y)的像素的像素值，L1为坐标为(x，y)的像素与车牌区域的距离，L2为坐标为(x，y)的像素与外围区域的距离。
6.根据权利要求1所述的车牌图像增强方法，其特征在于，所述根据所述车牌区域图像确定车牌颜色，包括如下步骤：
分别统计所述车牌区域图像中红色、绿色和蓝色通道的像素平均值；
计算红色通道像素平均值和绿色通道像素平均值的比值RGratio；
计算蓝色通道像素平均值和绿色通道像素平均值的比值BGratio；
根据预设的不同颜色与比值RGratio以及BGratio的映射关系，确定车牌颜色。
7.根据权利要求1所述的车牌图像增强方法，其特征在于，所述输入车牌扩展区域图像，包括输入raw格式的车牌扩展区域图像；
所述第一图像增强处理和所述第二图像增强处理均为直接对所述raw格式的车牌扩展区域图像进行的处理。
8.一种车牌图像增强系统，其特征在于，应用于权利要求1至7中任一项所述的车牌图像增强方法，所述系统包括：
图像提取模块，用于输入车牌扩展区域图像，所述车牌扩展区域图像包括车牌区域和环绕所述车牌区域的外围区域；
第一处理模块，用于将所述车牌扩展区域图像进行第一图像增强处理；
第二处理模块，用于将所述车牌扩展区域图像进行第二图像增强处理，得到第二增强图像，所述第二图像增强处理用于将所述车牌扩展区域图像进行抑制曝光的图像增强处理；
图像融合模块，用于将所述第一增强图像和所述第二增强图像进行图像融合，得到融合后的车牌增强图像，其中，所述车牌增强图像包括车牌区域和外围区域，所述车牌区域采用所述第二增强图像的图像数据填充，所述外围区域采用所述第一增强图像的图像数据填充。
9.一种车牌图像增强设备，其特征在于，包括：
处理器；
存储器，其中存储有所述处理器的可执行指令；
其中，所述处理器配置为经由执行所述可执行指令来执行权利要求1至7中任一项所述的车牌图像增强方法的步骤。
10.一种计算机可读存储介质，用于存储程序，其特征在于，所述程序被执行时实现权利要求1至7中任一项所述的车牌图像增强方法的步骤。
CN202010604429.7A 2020-06-29 2020-06-29 车牌图像增强方法、系统、设备及存储介质 Active CN111754440B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202010604429.7A CN111754440B (zh) 2020-06-29 2020-06-29 车牌图像增强方法、系统、设备及存储介质
PCT/CN2020/121507 WO2022000860A1 (zh) 2020-06-29 2020-10-16 车牌图像增强方法、系统、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010604429.7A CN111754440B (zh) 2020-06-29 2020-06-29 车牌图像增强方法、系统、设备及存储介质

Publications (2)

Publication Number Publication Date
CN111754440A CN111754440A (zh) 2020-10-09
CN111754440B true CN111754440B (zh) 2023-05-05

Family

ID=72676730

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010604429.7A Active CN111754440B (zh) 2020-06-29 2020-06-29 车牌图像增强方法、系统、设备及存储介质

Country Status (2)

Country Link
CN (1) CN111754440B (zh)
WO (1) WO2022000860A1 (zh)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN113379869B (zh) * 2021-07-23 2023-03-24 浙江大华技术股份有限公司 一种车牌图像生成方法、装置、电子设备及存储介质
CN113793291B (zh) * 2021-10-14 2023-08-08 杭州海康威视数字技术股份有限公司 一种图像融合方法、装置、电子设备及存储介质
CN114511462B (zh) * 2022-02-11 2023-04-18 电子科技大学 一种视觉图像增强方法
CN114663842B (zh) * 2022-05-25 2022-09-09 深圳比特微电子科技有限公司 图像融合处理方法、装置、电子设备及存储介质
CN115128570B (zh) * 2022-08-30 2022-11-25 北京海兰信数据科技股份有限公司 一种雷达图像的处理方法、装置及设备

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108205671A (zh) * 2016-12-16 2018-06-26 浙江宇视科技有限公司 图像处理方法及装置
CN110022469A (zh) * 2019-04-09 2019-07-16 Oppo广东移动通信有限公司 图像处理方法、装置、存储介质及电子设备
CN110390643A (zh) * 2018-04-20 2019-10-29 杭州海康威视数字技术股份有限公司 一种车牌增强方法、装置及电子设备
CN110400270A (zh) * 2019-07-05 2019-11-01 常州大学 一种利用图像分解和多重校正融合的车牌去雾方法

Family Cites Families (8)

* 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
CN103247036B (zh) * 2012-02-10 2016-05-18 株式会社理光 多曝光图像融合方法和装置
CN109714582B (zh) * 2019-01-04 2021-08-06 Oppo广东移动通信有限公司 白平衡调整方法、装置、存储介质及终端
CN110070499A (zh) * 2019-03-14 2019-07-30 北京字节跳动网络技术有限公司 图像处理方法、装置和计算机可读存储介质
CN110599433B (zh) * 2019-07-30 2023-06-06 西安电子科技大学 一种基于动态场景的双曝光图像融合方法
CN110718069B (zh) * 2019-10-10 2021-05-11 浙江大华技术股份有限公司 图像亮度调节方法、装置和存储介质
CN110837826B (zh) * 2019-10-24 2024-03-08 深圳市天视通技术有限公司 一种自适应强光照射的车牌识别方法及相关装置
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

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108205671A (zh) * 2016-12-16 2018-06-26 浙江宇视科技有限公司 图像处理方法及装置
CN110390643A (zh) * 2018-04-20 2019-10-29 杭州海康威视数字技术股份有限公司 一种车牌增强方法、装置及电子设备
CN110022469A (zh) * 2019-04-09 2019-07-16 Oppo广东移动通信有限公司 图像处理方法、装置、存储介质及电子设备
CN110400270A (zh) * 2019-07-05 2019-11-01 常州大学 一种利用图像分解和多重校正融合的车牌去雾方法

Also Published As

Publication number Publication date
CN111754440A (zh) 2020-10-09
WO2022000860A1 (zh) 2022-01-06

Similar Documents

Publication Publication Date Title
CN111754440B (zh) 车牌图像增强方法、系统、设备及存储介质
US10424054B2 (en) Low-illumination image processing method and device
CN102932582B (zh) 实现运动检测的方法及装置
US10290081B2 (en) System for image dehazing by modifying lower bound of transmittance and method therefor
CN107194900A (zh) 图像处理方法、装置、计算机可读存储介质和移动终端
US10609303B2 (en) Method and apparatus for rapid improvement of smog/low-light-level image using mapping table
CN109493299B (zh) 一种消除点光源光照影响的方法
CN112235512A (zh) 图像曝光参数调节方法、设备及装置
US20150071534A1 (en) System, Device and Method for Displaying a Harmonized Combined Image
CN113935911A (zh) 高动态范围视频图像处理方法、计算机装置及计算机可读存储介质
CN112116542B (zh) 图像对比度增强方法、装置、电子设备和存储介质
CN106408520B (zh) 一种高颜色保真度的图像去雾方法
CN116823628A (zh) 一种图像处理方法和图像处理装置
CN110175967B (zh) 图像去雾处理方法、系统、计算机设备和存储介质
CN115082350A (zh) 频闪图像处理方法、装置、电子设备和可读存储介质
CN111861893A (zh) 一种消除图像伪彩色边方法、系统、设备及计算机介质
KR20100029647A (ko) 차량용 카메라의 야간 영상 개선 방법
CN107277369A (zh) 图像处理方法、装置、计算机可读存储介质和计算机设备
KR20130012749A (ko) 환경 자동 적응 비디오 인핸서 및 비디오 이미지의 처리 방법
CN105809677B (zh) 一种基于双边滤波器的图像边缘检测方法及系统
CN115272103A (zh) 一种沙尘图像清晰化方法、系统、介质、设备及终端
CN112788321B (zh) 图像颜色恢复方法和装置、摄像装置、存储介质
CN112243118B (zh) 白平衡校正方法、装置、设备及存储介质
TWI673685B (zh) 電子影像除霧系統及其方法
CN113395503B (zh) 图像的白平衡校正方法、装置、设备及介质

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