【《车标检测软件系统的设计案例》4500字】

7-车标检测软件系统的设计案例目录TOC\o"1-3"\h\u169171.1图像实时采集模块 1280481.2图像预处理模块 125731.3阈值选取模块 214001.4图像测量模块 3224021.5车标检测模块 11122061.5.1二值图像区域标记 12109451.5.2二值图像的小区域消除 1390771.6车标识别模块 14由于本系统是一个完整、实时的车标检测系统，需要系统从原始图像采集到图像预处理、阈值选取、分割，再到模式识别，最后到车标种类分选整套过程有一个全面、整体的设计。系统主要有以下几个模块：图像实时采集模块、图像预处理模块、阈值选取模块、图像测量模块、车标检测模块、车标识别模块，其过程如图4-1所示。图4-1车标检测过程1.1图像实时采集模块为了准确、及时获得图像的当前状态，需要不断地通过图像采集卡将系统的图像信息直接读取到计算机内存，在计算机内存中进行其他的后续处理，如：图像滤波、图像测量、车标检测等等。1.2图像预处理模块为去掉噪声对图像的于扰，要将刚采集的图像数据进行预处理，如：去除孤立点、平滑、滤波等；同时，还要对图像进行灰度调整，增加对比度，为后续的图像处理工作做准备，如图4-2所示。图4-2原始图像及灰度调整后图像经过预处理后，图像的对比度增加，拉伸了图像灰度，表现在灰度直方图上就是峰与峰之间的距离加大，便于选取分割阈值及后续图像分割，如图4-3所示。050100150200250050100150200250直方图直方图像素值300025002000150010005000050100150200250像素值300025002000150010005000图4-3灰度调整前及灰度调整后图像直方图1.3阈值选取模块阈值的选取对于分割图像、提取车标信息至关重要，其方法也很多，本系统采取利用图像的灰度直方图来选取阈值，如图4-4所示。灰度值灰度值直方图050100150200250050100150200250直方图像素值6000500040003000200010000像素值6000500040003000200010000灰度值图4-4滤波前及滤波后的灰度直方图1.4图像测量模块（1）车标尺寸和位置测量根据阈值选取模块所计算的阈值分割图像，将图像二值化处理，便于图像整体信息的扫描，如图4-5所示。图4-5图像位置信息扫描图4-6扫描示意图由图4-6所示，可列：那么，可得到车标的圆心坐标，其曲线分别如图5-7所示。01002003004005006007008000100200300400500600700800图像宽（Y）图像数据图像高（X）60050040030020010000100200300400500600700800图像数据图像宽（Y）图像高（X）6005004003002001000图4-7x坐标数据曲线和y坐标数据曲线由于在实际图像中存在噪声或者其他干扰，图像的背景并不是理想的那种单纯灰度级，所以在对整幅图像进行逐个像素扫描时，所检测到的图像信息也会存在干扰信息，即存在粗大误差，在图4-7中可以比较直观地显现。一旦发现含有粗大误差的测量值，应将其从测量结果中剔出。设被测量的真值为，一系列测得值为，则测量列中的随机误差为式中正态分布的分布密度为：式中——标准差（或均方根误差）；——自然对数的底，值为2.7182…。-1-0.500.51-1-0.500.512.521.510.50-0.5图4-8随机误差分布曲线由此可知：值愈小，则的指数的绝对值愈大，因而减小得愈快，即曲线变陡。而值愈小，在前面的系数值变大，即对应于误差为零（=0）的纵坐标也大，曲线变高。反之，愈大，减小愈慢，曲线平坦，同时对应于误差为零的纵坐标也小，曲线变低。图4-8中三个测量列所得的分布曲线不同，其标准差也不相同，且。在等精度测量列中，单次测量的标准差按下式计算：式中——测量次数(应充分大)；——测得值与被测量的真值之差；——测得值；——测得值的残余误差(简称残差)；——测得值的平均值。为了把扫描到的粗大误差去除掉，采用3准则来判断每个检测数据是否是存在误差。即>3若满足上式，应于剔出。下面图4-9是经过剔出粗大误差之后车标圆心的x坐标和y坐标的曲线图，可以明显地看出经过处理的数据已经比较统一。0100200300400500600700800图像数据0100200300400500600700800图像数据图像宽（X）图像高（Y）6005004003002001000图像宽（X）0100200300400500600700800图像数据图像高（Y）6005004003002001000图4-10半径计算由圆心坐标，再结合去除粗大误差后扫描数据就可以计算车标的半径大小，如图4-10所示、在x方向上其中，为图像的高度，为的个数；在方向上其中，为图像的宽度，为的个数。图像高0100200300400500600700800图像高0100200300400500600700800X方向计算的半径大小半径大小6005004003002001000图像高0100200300400500600700800Y方向计算的半径大小半径大小6005004003002001000图4-11中的数据曲线就是x方向和y方向的上的半径数据线，两个方向上的半径大小基本一致，如果有一定的相差，需要及时调整摄像头，使摄像角度垂直车标表面。（2）圆环和圆片的判断在确定车标的圆心位置和半径大小后，就需要判断该车标时圆环还是圆片。圆环和圆片的区别就是：圆环的中心是空心，也是就说所采集车标图像的中心数据为背景信息；而圆片的中心为实心，所采集车标图像的中心数据为车标表面信息。图像宽（X）0100200300400500600700800图像宽（X）0100200300400500600700800经过圆心扫描的原始图像数据灰度值300250200150100500图像宽（X）0100200300400500600700800经过阈值分割之后灰度值6005004003002001000图像宽（X）图像宽（X）0100200300400500600700800经过圆心扫描的原始图像数据灰度值300250200150100500图像宽（X）0100200300400500600700800经过阈值分割之后灰度值6005004003002001000图4-13圆片图4-12是圆环形车标经过圆心水平扫描的原始图像数据和阈值分割后的图像数据；图4-13是圆片形车标经过圆心水平扫描的原始图像数据和阈值分割后的图像数据。从图4-12和图4-1可以看出，如果所检测的车标是圆环形，则在圆心左右会有明显的间断；如果是圆片形，则在圆心左右没有明显的间断。如图4-14所示，具体检测过程如下：图4-14扫描示意图首先，如图4-14所示，以车标圆心为极坐标系原点随着极半径和极角从小到大逐个扫描每个像素点，极半径的范围是从到车标的外径，极角的范围是从到；扫描时，由于图像相当于一个矩阵，需要将极坐标系转化为直角坐标系，其转换公式为在转化到图像矩阵中，为其中，和分别是车标圆心的横坐标和纵坐标。其次，当逐个扫描每个像素遇到灰度突变时，记录极半径产的大小和极角的角度：020406080100弧度020406080100弧度按弧度计算的内圆半径大小半径大小200180160140120100806040200弧度020406080100半径大小200180160140120100806040200按弧度计算的内圆半径大小图4-15去除误差前、后内径数据曲线最后，扫描完毕，得到的其数据曲线如图4-15左图所示；将扫描到的数据进行处理，去除偏差比较大的数据，其数据曲线如图4-15右图所示；计算出圆环的内径大小。（3）光圈计算图4-16去除光圈在检测过程中，由于车标的边缘反射，一部分光源的光进入摄像系统，形成光圈，如4-16所示，影响了检测图像。为了在实际应用中得到比较理想的图像数据，而且又有利于后续的图像处理，必须把光圈去掉。图4-17光圈扫描示意图其扫描过程如下：首先，如图4-17所示，以车标圆心为极坐标系原点随着极半径和极角从小到大逐个扫描每个像素点，极半径的范围是从内径到车标的外径，极角的范围是从到扫描时，由于图像相当于一个矩阵，需要将极坐标系转化为直角坐标系，其转换公式为在转化到图像矩阵中，为其中，和分别是车标圆心的横坐标和纵坐标。根据圆环和圆片的判断结果来确定是扫描圆环还是圆片，如果是圆环就要从小于车标内环半径的区域开始扫描，一直扫描到车标外径外的区域；如果是圆片，就以根据该车标的外径大小，只从外径内的区域扫描到外径外的区域，根据所检测的车标形状适当减小运算量，提高图像的处理速度。其次，当逐个扫描每个像素遇到第一次灰度突变时，记录下极半径的大小和极角的角度；当遇到第二次灰度突变时，记录下极半径的大小和极角的角度；当遇到第三次灰度突变时，记录下极半径的大小和极角的角度；当遇到第四次灰度突时，记录下极半径的大小和极角的角度；当，极半径的大小增大到所检测车标的外径大小时，停止该角度方向的继续扫描。由此，可得到此角度方向上的内光圈和外光圈的宽度为：如果所检测的车标为圆片，遇到第二次灰度突变之后，当极半径的大小增大到所检测车标的外径大小时，停止该灰度方向的继续扫描二可得到此角度方向上的内光圈和外光圈的宽度为：另外，由于在同一个方向，即。扫描内外光圈所得数据曲线如图4-18所示。图4-18车标内光圈和外光圈宽度扫描曲线检测图像经过图像预处理、去除光圈，选取合适的阈值对所得到的图像数据进行分割，再通过膨胀和腐蚀，就可以把图像的车标信息提取出来，如图4-19所示。只有把图像的车标信息提取出来之后，我们才能对车标信息进行测量和形态识别。图4-19阈值分割及反色后图像1.5车标检测模块对车标进行检测，首先必须确定经过处里后的图像是否有车标，如果没有，则车标无车标。如果有车标，则车标是否是独立的车标，图像中有几个车标，需要对不同的车标进行标识。设有一幅已经分割出的二值图像，如图4-20所示，图中A代表车标，0代表背景，规定用4连通准则加标记。由于扫描有一定的次序，对任一点来说，当前点的左前一点和上一点必然是已经扫描过了的点，在扫描过程中遇到车标上一点P，则其上点及左点必然是已经标记过了的点，对P点加标记的方法是由左点及上点来确定的，主要有下面几种不同的情况，如下所示。(a)当左前一点和上一点皆为背景0，则P点加新标记；(b)当左前一点和上一点有一个为0，另一个为已加标记，则点P和已加标记的邻点加上相同的标记；(c)当左前一点和上一点两个邻点皆为已加标记，则P点标记与左点标记相同。图4-20原图像根据上面的三原则，在第一次扫描后所有的车标上皆已加标记，如图4-21所示，标记以此为1，2，3，4，，这是图像中的同一车标可能有几种不同的标记，因此需要第二次扫描，来把同一车标上的标记统一起来，只要是4连通的都属于同一车标，其标记都应该为一致，如图4-22所示。图4-21图像扫描示意图图4-22图像标记示意图1.5.1二值图像区域标记在二值图像中，相互连接的白像素或黑像素的集合成为一个区域，通过对图像内每个区域进行标记操作，求得区域的数目。由于处理前的图像是二值的，像素值只有0和1，所以处理后每个像素的值即为其所处理区域的区域标号(1，2，3，…，)。连接性8连通，如图4-23所示，图中有A、B、C三个不连通的车标。图4-23车标标识经过处理过程后，就可以得到标记后的车标图像，如图4-24所示。图4-24车标标识1.5.2二值图像的小区域消除通过对图像内每个标记操作的区域进行计算，求得总区域的数目，同时求得每个区域的像素个数。当二值图像的某区域面积(像素数)在阈值以下时则消去该区域，全部置为0，由此得到新图像，如图4-25。图4-25去除小面积区域1.6车标识别模块经过以上处理，从原始图像中提取出了含有车标的图像信息，得到了目标车标。为了把各种不同类型的目标车标分类，需要识别出它们之间的不同。根据车标的形状信息，可以用一组描述特征来表示其特性。选择区域描述特征，不但可以减少在区域中原始数据的数量，而且也有利于区别带有不同特性的区域。同时，这些描述特征对于目标车标大小的变化、旋转、平移是不变的。图4-26车标表面车标分类二义树表示鉴于车标表面车标图像不同特征之间有一定的相关性，为降低识别算法的复杂性，特征识别时采用阶层识别的方法。利用二叉树线性分类器，如图4-26所示，逐层选用不同的描述特征，选择描述特征的准则是同种特征值相差最明显的，保证描述特征具有较大相互独立性。描述特征的分类阈值由实验分析和特征分析结果得到，具体过程如下所述。图4-27圆度判断（1）圆度判断圆度判断主要是针对不全的车标，根据车标的特性，如图4-27所示，我们采取的方法：首先遍历圆周，因为背景的灰度值是很低的，可以比较容易将车标和背景分割开，提取出车标的外形；然后计算圆周上各点到圆心的距离，并和半径比较，如