設計總目標

能夠識別出不同場景環境下圖片中的交通限速標志，將限速標志及其里面的數字分別標志出來，具有較強的魯棒性。

２．實現步驟

實現代碼鏈接

2. 1 CLAHE增強圖像局部對比度

觀察圖片可以看出，有些圖片的局部亮度過大(test18)，或者局部較暗(test16)，在進行ostu閾值分割時與背景融合在一起，所以進行對比度的增強。
　　直方圖均衡經典算法對整幅圖像的像素使用相同的變換，對于像素值分布比較均衡的圖像來說，經典算法的效果不錯。但是如果圖像中包括明顯亮的或者暗的區域，在這些部分的對比度并不能得到增強。AHE算法通過對局部區域的直方圖均衡解決該問題。由于AHE算法存在放大噪聲等問題，CLAHE在局部直方圖均衡化（又稱自適應直方圖均衡化AHE）的基礎上，對每個子塊直方圖做了限制，很好的控制了AHE帶來的噪聲。
　　使用CLAHE增強圖像局部對比度，再進行ostu閾值分割。

figure, subplot(1,2,1),imshow(Image);title('原圖'); if length(size(Image))>2 %判斷圖像的通道數是否大于2 rimg = Image(:,:,1); %r分量gimg = Image(:,:,2); %g分量bimg = Image(:,:,3); %b分量resultr = adapthisteq(rimg,'NumTiles', [35 35], 'ClipLimit', 0.015,'Range','original'); %使用CLAHE增強圖像的局部對比度resultg = adapthisteq(gimg,'NumTiles', [35 35], 'ClipLimit', 0.015,'Range','original'); %使用CLAHE增強圖像的局部對比度resultb = adapthisteq(bimg,'NumTiles', [35 35], 'ClipLimit', 0.015,'Range','original'); %使用CLAHE增強圖像的局部對比度result = cat(3, resultr, resultg, resultb); %處理后的CLAHE圖像subplot(1,2,2),imshow(result);title('CLAHE處理后'); end grayImg=rgb2gray(Image);%原圖轉換為灰度圖片 grayResult=rgb2gray(result);%將CLAHE處理后的rgb圖片轉換為灰度圖片 grayImg= imadjust(grayImg,[0,1],[1,0]);%反色 grayResult= imadjust(grayResult,[0,1],[1,0]);%反色 %對原始圖像進行ostu閾值分割 levelOrignal=graythresh(grayImg);%閾值 bwOrignal=im2bw(grayImg,levelOrignal);%二值化 [imgW,imgH] = size(bwOrignal); %figure,imshow(bwOrignal),title('orginalbw')%對CLAHE處理后的圖像進行ostu閾值分割 levelResult=graythresh(grayResult);%閾值 bwResult=im2bw(grayResult,levelResult);%二值化 %figure,imshow(bwResult),title('enhancebw')bwFinal=bwOrignal|bwResult;%將原始的二值圖像與CLAHE二值圖像相或 %figure,imshow(bwFinal),title('final')

2.2 基于HSV顏色空間的圖片分割

在RGB圖像中，由于每一個像素點由R,G,B三個分量組成，每一個分量的變化都能直接導致彩色圖像中該像素點顏色的變化，并且兩種顏色的視覺差異不能采用該顏色空間中兩個顏色點之間的距離來表示。而在不同的光照條件下，所表示的色彩不大相同。受光照變化影響很大。而在HSV模型，H表示色調，S表示飽和度，V表示數值（對應圖像亮度），V分量與圖像的彩色信息無關，可以將亮度信息和色度信息從圖像中分離開，并且能夠獨立的表示，受光照影響較小，因此，本次作業中選取的基于HSV彩色模型對圖片進行分割。
　　通過查閱資料以及實驗對比得出相應的hsv取值范圍
((h1<=0.056&h1>=0)|(h1>=0.740&h1<=1.0))&s1>=0.169&s1<=1.0&v1>=0.180&v1<=1.0;

%%%%%%%%%%% HSV顏色分割圖像 %%%%%%%%%%%%%%%%%%%%%%%%% hsvImg=rgb2hsv(Image);%轉換到HSV空間 h1=hsvImg(:,:,1);%H分量 s1=hsvImg(:,:,2);%S分量 v1=hsvImg(:,:,3);%V分量 %提取紅色分量 hsvReg1=((h1<=0.056&h1>=0)|(h1>=0.740&h1<=1.0))&s1>=0.169&s1<=1.0&v1>=0.180&v1<=1.0; figure,imshow(hsvReg1);title('原圖hsv檢測圖像');

2.3. 基于圓度的圖片分割

利用HSV顏色空間分割的圖片含有較多背景紅色的冗余部分，利用交通標志牌的圓形形狀特征再次進行分割。本次作業中采用計算閉合連通區域的圓形度進行形狀的判別。對于圓形度小于0.77的圖像區域進行排除。

2.4. 區分限速標志

通過上面兩個步驟基本上分割出來感興趣的圓形區域。通過觀察限速標志和類似的標志圖片，可以看出，禁止標志通常有一條斜線貫穿整個圓形，對其二值化處理后，整體作為一個連通區域，限速標志牌至少含有兩個連通區域。結合限速標志牌中數字的長寬比以及占據整個圓形區域的面積比可以區別其它交通標志。
　　將處理后的感興趣圖像區域中的連通域的面積進行由大到小的排序，由大的連通域開始進行循環，根據大的連通域的范圍進行判別其中是否包含其它的連通域，如果不包含則表示不是限速標志區域，若包含，計算該連通區域的長寬比以及相應的占據大的連通域的面積比例，如果符合則標志出數字區域，并且標注出包含其大的圓形區域，并標記該數字連通區域已經使用過。
　　由于拍攝圖片的視角問題，所以設置數字連通區域的寬高比范圍為0.2~1.5。占據圓形區域的比例為大于0.03。

３．實現結果

成功識別結果展示



未成功識別結果展示

總結

以上是生活随笔為你收集整理的交通标志牌检测--限速数字框选--图像处理 matlab的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。