MATLAB图像处理编程与应用 作者张涛 第14章 图像处理应用.pptVIP

第14章 图像处理应用 主要内容 车辆牌照识别系统 医学图像处理 身份证图像识别 车牌字符包括: ①“0—9”十个阿拉伯数字； ②“A—Z”二十六个英文字母； ③省市区汉字简称(京、津、晋、冀、蒙、辽、吉、黑、沪、苏、浙、皖、闽、赣、鲁、豫、鄂、湘、粤、桂、琼、川、贵、云、藏、陕、甘、青、宁、新、渝、使、临、台) ； ④军用车牌汉字(甲、乙、丙、丁、戊、己、庚、辛、壬、癸、子、丑、寅、卯、辰、巳、午、未、申、酉、戌、亥) ； ⑤号牌分类用汉字(警、学、领、试、挂、境、港、澳、拖、农) ； ⑥武警车牌字(“WJ、0—9 、消、边、水、警、电、林、通”) 。 车牌图像的预处理 灰度化 灰度变换 图像去噪 边缘检测 形态学处理 灰度化 中值滤波 灰度变换 边缘检测 形态学处理 车牌定位 粗定位 上下边界定位 左右边界定位 医学图像处理 关于成像重建算法现研究热点集中在MR与PET成像，而CT或螺旋CT等的成像研究，大多是针对具体问题（如乳房、心脏）提出某种特殊技术去解决，不具普适性。 伪影处理 主要问题 医学序列图像的帧内冗余与帧间冗余度很大，失去一些无关细节不影响诊断，但迄今医学图像的有损压缩没有一个公认的标准。 相应对策 要提出新的有损标准及算法，实现高压缩比下的高信噪比优质解码图像。 主要问题 医学MR图像由于图像采集过程中射频磁场的非均匀性，造成图像中灰度的非均匀分布，表现为图像中局部过亮与过暗，掩盖了有效的诊断信息。 相应对策 要提出非均匀性校正后处理方法。 * 在线教务辅导网： 教材其余课件及动画素材请查阅在线教务辅导网 QQ:349134187 或者直接输入下面地址： （1）汽车牌照是有规则的近似长方形，且尺寸大小有标准，如图所示。 （2）车牌在车辆上的位置相对固定，倾斜度在很小的范围内。 （3）车牌背景色、车牌字符和车牌以外部分的颜色区别较大，即灰度级不同，边缘形成突变边界。 I=imread(chepai.jpg);%输入原始图像 figure(1) subplot(211);imshow(I);title(原始图像); I_gray=rgb2gray(I); subplot(212);imshow(I_gray);title(灰度图像); I_med=medfilt2(I_gray,[3,3]);%对灰度图像进行中值滤波，消除图像上的杂质干扰。 imshow(I_med); title(中值滤波后的图像); I_imad = imadjust(I_med); imshow(I_imad); title(灰度变换后的图像); I_edge=edge(I_imad,canny); imshow(I_edge),title(边缘检测后图像); se=[1;1;1]; I_erode=imerode(I_edge,se); %图像腐蚀运算 se=strel(rectangle,[25,25]); I_close=imclose(I_erode,se); %图像闭运算，填充图像 I_final=bwareaopen(I_close,2000); %去除聚团灰度值小于2000的部分 imshow(I_final),title(形态滤波后图像); 1、图像重建 2、伪影校正 MR成像中，运动伪影几乎无所不在，损害了图像质量。 主要问题 现有各种前处理技术（快速扫描、门控扫描、欠扫描、过扫描或可矫正重建模式）的校正效果不理想 相应对策 必须提出新的方法，能具普适性，又有优越的校正效果。 3、图像配准 多模态医学图像信息融合是当前研究热点，而前提是配准技术。 主要问题 当前国际主流算法的误配率较大，难以实用。 4、目标分割 医学图像目标分割也是当前国际研究热点，是精确量化诊断的重要依据。 主要问题 分割精度不高，灰度归类算法没有考虑空间特性。 5、图像压缩 6、MR非均匀性校正 *