交通的標志識別圖像的處理1訓練圖與樣本圖的對比22023/10/28實驗用圖356357圖像處理1圖像增強顏色識別闕值分割八連通域消除*邊緣檢測在一般情況下，經過圖像的傳送和轉換，如成像、復制、掃描、傳輸和顯示等，經常會造成圖像質量的下降，即圖像失真。在攝影時由于光照條件不足或過度，會使圖像過暗或過亮；光學系統的失真、相對運動、大氣流動等都會使圖像模糊，傳輸過程中會引入各種類型的噪聲。這些都會在處理圖像時產生巨大影響，因此在校驗前需要對圖像進行增強處理現在常用的圖像增強方法分為兩種：空域法，頻域法圖像增強6方法分類

1、空域法頻域處理法的基礎是卷積定理，它采用修改圖像傅立葉變換的方法實現對圖像的增強處理。

2、頻域法直方圖均衡化增強現在常用的圖像增強方法分為兩種：空域法是直接對圖像中的像素進行處理，基本上是以灰度映射變換為基礎的。原圖像改造為均勻直方圖分布，時輸出像素灰度概率分布均勻，能增強整個圖像的對比度。imadjustJ=imadjust(I,[low_in;high_in],[low_out;high_out])將圖像I中的亮度值映射到J中的新值，即將low_in至high_in之間的值映射到low_out至high_out之間的值。low_in以下與high_in以上的值被剪切掉了，也就是說，low_in以下的值映射到low_out，high_in以上的值映射到high_out。它們都可以使用空的矩陣[]，默認值是[01]。本次實驗中，將圖片的三色軌道r，g，b提取后，分別對其進行如下變換J=imadjust(I,[0.30.7],[01])2023/10/28J=imadjust(I,[0.10.9],[01])2023/10/28J=imadjust(I,[0.20.8],[01])2023/10/28J=imadjust(I,[0.30.7],[01])2023/10/28J=imadjust(I,[0.30.7],[01])將圖像的三色軌道分化后，根據不同軌道上的數值，判別每個點的的顏色。經過測驗對于紅色和黑色的判別條件如下黑色：R<20，G<20，B<20紅色：R>180，G<20，B<20顏色識別2023/10/282023/10/282023/10/28圖像閾值化分割是一種傳統的最常用的圖像分割方法，因其實現簡單、計算量小、性能較穩定而成為圖像分割中最基本和應用最廣泛的分割技術。它特別適用于目標和背景占據不同灰度級范圍的圖像。基本原理是：通過設定不同的特征閾值，把圖像象素點分為若干類。常用的特征包括：直接來自原始圖像的灰度或彩色特征；由原始灰度或彩色值變換得到的特征。為初步消除圖片中的噪音點，我們使用了闕值分割處理在實驗中我們選擇的是（I(i,j)>150），即九宮格中五點為空閥值分割2023/10/282023/10/28從多邊形區域內部任意一個種子像素點出發，通過訪問其左、左上、上、右上、右、右下、下、左下這8個鄰接點可以遍歷區域內的所有像素點，該多邊形區域稱為八連通域。八連通域消除的算法就是基于此區域八連通域消除2023/10/28八連通域消除的算法有很多，現僅提供一種算法算法要求：本算法只針對左，左上，上，右上四點規則：1）當左，上同時有值時選擇其中較小的賦值2）當左上，右上同時有值時選擇其中較小的賦值3）當不屬于前兩種情況時，按左，左上，上，右上順序賦值（否則賦空值）在matlab中提供了連通域消除函數IG=bwareaopen(G,10,8);在八連通域下，消除面積在十以內的噪音2023/10/282023/10/28邊緣檢測有很多種算子可以使用，Sobel算子，拉普拉斯高斯（loG）算法等，本次試驗中選定了Roberts算子Roberts算子是一種最簡單的算子，是一種利用局部差分算子尋找邊緣的算子，他采用對角線方向相鄰兩象素之差近似梯度幅值檢測邊緣。檢測垂直邊緣的效果好于斜向邊緣，定位精度高，對噪聲敏感,無法抑制噪聲的影響。Roberts邊緣算子是一個2x2的模板，采用的是對角方向相鄰的兩個像素之差。從圖像處理的實際效果來看，邊緣定位較準，對噪聲敏感。*邊緣檢測2023/10/28在MATLAB中提供了Sobel算子，拉普拉斯高斯（loG）算法等多種算法，我們可以直接調用edge函數BW1=edge(IG,'roberts');BW1=edge(IG,‘log’）;BW1=edge(IG,‘sobel');2023/10/282023/10/282023/10/28PS：當圖像素過大時，roberts算子將會出現極大的偏差此圖中用來邊緣檢測的圖像像素為800*800訓練圖與樣本圖的對比2歐氏距離歐氏距離所謂歐氏距離變換，是指對于一張二值圖像（再次我們假定白色為前景色，黑色為背景色），將前景中的像素的值轉化為該點到達最近的背景點的距離。歐氏距離變換在數字圖像處理中的應用范圍很廣泛，尤其對于圖像的骨架提取，是一個很好的參照歐氏距離變換步驟提取圖像強化特征比較選取圖像裁剪（想象之中）圖像增強三色軌道闕值分割八連通域消除邊緣檢測歐氏距離2023/10/282023/10/28謝謝ppt中部分文字取自百度百科LHCY（老虎吃羊）小組邊緣檢測前的*在處理357這樣，與樣本圖有極高相似度，但由于識別機制建立在像素層面而無法識別的圖像，可以利用邊緣檢測的方式勾勒出圖像的邊緣，進行比較，在使用邊緣檢測后確實根據357找到了最近似的樣本圖。有關“*”的解釋但是，在使用邊緣檢測前必須要有兩個前提：1）一個有效的圖像裁剪機制2）更加豐富的樣本庫否則在樣本庫中添加一張空白圖后。。。2023/10/282023/10/282023/10/282023/10/282023/10/28歡迎收看——這里才是結尾~^o^~LHCY（老虎吃羊）小組謝謝觀看/歡迎下載BYFAIT