比较两个图像时查找不同区域边缘的算法或工具

Question

我正在从事一个社区项目，其目标是减少超速违规行为。为了识别我使用的汽车牌照 OpenALPR .问题是它对相机位置很敏感，即角度，当角度大于 20 度时，OpenALPR 无法检测到 LP(是的，我已经阅读了关于良好相机位置的建议，但 IRL 有时它们不能满意)。

我发现问题是没有检测到LP区域。但是，手动裁剪图像以仅包含汽车而不对像素进行任何其他修改(如过滤)可以解决问题，并且 OpenALPR 能够检测到 LP 区域。

我正在寻找可以自动裁剪的解决方案。可以比较两个图像“base”和“target”并返回目标图像中更改区域的坐标(左上角，右下角)的算法或工具。

替代解决方案是为 OpenALPR 使用不同的配置文件。我正在试验这最后几个小时，但没有成功。

基本图像如下所示:

目标图像将如下所示:

(这些只是视频中的两帧)

(原始图像尺寸更大，即 3840x2160)

是否有算法或工具可以帮助我自动执行此任务？

Answer 1

基本方法是差分，即逐像素取RGB分量值的绝对差值。哪里差异大，哪里就有检测。

但这可能效果不佳(对于给定的图像也是如此)，因为两张图片可能略微未对齐，并且风可以移动植被。

所以我推荐

• 显着降低图像分辨率(例如 8)；

• 模糊缩小后的图像；

• 计算绝对差；

• 保留组件之间的最大差异；

• 使用阈值进行二值化；

• 最后使用连通分量标记找到最重要的 blob 并消除残留干扰。

一定要刷新背景图片(当你确定没有车的时候)，避免日常漂移的影响(总是有缓慢的变化)。标准化图像强度以阻止变化是环境照明(通过云 f.i.)也可能很有用。