交通标志识别资料文档.pptVIP

* * 谢谢 ppt中部分文字取自百度百科 LHCY（老虎吃羊）小组 边缘检测前的* 在处理357这样，与样本图有极高相似度，但由于识别机制建立在像素层面而无法识别的图像，可以利用边缘检测的方式勾勒出图像的边缘，进行比较，在使用边缘检测后确实根据357找到了最近似的样本图。 有关“*”的解释 但是，在使用边缘检测前必须要有两个前提： 1）一个有效的图像裁剪机制 2）更加丰富的样本库 否则 在样本库中添加一张空白图后。。。。。。 * * * * * 欢迎收看——这里才是结尾~^o^~ LHCY（老虎吃羊）小组 * * * * 基于MATLAB环境的交通标志识别 LHCY小组 图像的处理 1 训练图与样本图的对比 2 * 实验用图 356 357 图像处理 1 图像增强 颜色识别 阙值分割 八连通域消除 *边缘检测 在一般情况下，经过图像的传送和转换，如成像、复制、扫描、传输和显示等，经常会造成图像质量的下降，即图像失真。在摄影时由于光照条件不足或过度，会使图像过暗或过亮；光学系统的失真、相对运动、大气流动等都会使图像模糊，传输过程中会引入各种类型的噪声。 这些都会在处理图像时产生巨大影响，因此在校验前需要对图像进行增强处理 现在常用的图像增强方法分为两种：空域法，频域法 图像增强 * 方法分类 1、空域法 频域处理法的基础是卷积定理，它采用修改图像傅立叶变换的方法实现对图像的增强处理。 2、频域法 直方图均衡化增强 现在常用的图像增强方法分为两种： 空域法是直接对图像中的像素进行处理，基本上是以灰度映射变换为基础的。 原图像改造为均匀直方图分布，时输出像素灰度概率分布均匀，能增强整个图像的对比度。 imadjust J = imadjust(I,[low_in; high_in],[low_out; high_out]) 将图像I中的亮度值映射到J中的新值，即将low_in至high_in之间的值映射到low_out至high_out之间的值。low_in 以下与 high_in 以上的值被剪切掉了，也就是说，low_in 以下的值映射到 low_out，high_in 以上的值映射到high_out。它们都可以使用空的矩阵[]，默认值是[0 1]。 本次实验中，将图片的三色轨道r，g，b提取后，分别对其进行如下变换 J = imadjust(I,[0.3 0.7],[0 1]) * J = imadjust(I,[0.1 0.9],[0 1]) * J = imadjust(I,[0.2 0.8],[0 1]) * J = imadjust(I,[0.3 0.7],[0 1]) * J = imadjust(I,[0.3 0.7],[0 1]) 将图像的三色轨道分化后，根据不同轨道上的数值，判别每个点的的颜色。 经过测验对于红色和黑色的判别条件如下 黑色：R20 ，G20，B20 红色：R180，G20，B20 颜色识别 * * * 图像阈值化分割是一种传统的最常用的图像分割方法，因其实现简单、计算量小、性能较稳定而成为图像分割中最基本和应用最广泛的分割技术。它特别适用于目标和背景占据不同灰度级范围的图像。 基本原理是：通过设定不同的特征阈值，把图像象素点分为若干类。 常用的特征包括：直接来自原始图像的灰度或彩色特征； 由原始灰度或彩色值变换得到的特征。 为初步消除图片中的噪音点，我们使用了阙值分割处理 在实验中我们选择的是（I ( i , j ) 150），即九宫格中五点为空 阀值分割 * * 从多边形区域内部任意一个种子像素点出发，通过访问其左、左上、上、右上、右、右下、下、左下这8个邻接点可以遍历区域内的所有像素点，该多边形区域称为八连通域。 八连通域消除的算法就是基于此区域 八连通域消除 * 八连通域消除的算法有很多，现仅提供一种算法 算法要求： 本算法只针对左，左上，上，右上四点 规则： 1）当左，上同时有值时选择其中较小的赋值 2）当左上，右上同时有值时选择其中较小的赋值 3）当不属于前两种情况时，按左，左上，上，右上顺序赋值（否则赋空值） 在matlab中提供了连通域消除函数 IG = bwareaopen(G,10, 8); 在八连通域下，消除面积在十以内的噪音 * * 边缘检测有很多种算子可以使用，Sobel算子，拉普拉斯高斯（loG）算法等，本次试验中选定了Roberts算子 Roberts算子是一种最简单的算子，是一种利用局部差分算子寻找边缘的算子，他采用对角线方向相邻两象素之差近似梯度幅值检测边缘。检测垂直边缘的效果好于斜向边缘，定位精度高，对噪声敏感,无法抑制噪声的影响。 Roberts边缘算子是一个2x2的模板，采用的是对角方向