algorithm - 比较两个图像时查找不同区域边缘的算法或工具

Question

我正在开展一个社区项目，其目标是减少超速违规行为。为了识别汽车的车牌，我正在使用OpenALPR。问题是它对摄像机位置很敏感，即角度，当角度大于 20 度时，OpenALPR 无法检测到 LP（是的，我已经阅读了有关良好摄像机位置的建议，但 IRL 有时它们不能使满意）。

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。

我正在寻找一种可以自动进行裁剪的解决方案。可以比较两个图像“基础”和“目标”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 OpenALPR 的不同配置文件。我正在尝试这最后几个小时，但没有成功。

基本图像将如下所示：

目标图像将如下所示：

（这些只是视频中的两帧）

（原始图像尺寸要大得多，即 3840x2160）

是否有算法或工具可以帮助我自动完成这项任务？

Answer 1

基本方法是差分法，即每个像素取RGB 分量值的绝对差值。在差异很大的地方，有一个检测。

但这可能效果不佳（并且它适用于给定的图像），因为两张图片可能略微未对齐，并且风可以移动植被。

所以我建议

• 将图像分辨率降低一个重要因素（比如 8）；

• 模糊缩小的图像；

• 计算绝对差值；

• 保持组件之间的最大差异；

• 用阈值二值化；

• 最后使用连接组件标记找到最重要的斑点并消除残余干扰。

一定要刷新背景图片（当你确定没有车的时候），避免每天漂移的影响（总是有缓慢的变化）。标准化图像强度以阻止环境照明（通过云 fi）的变化也可能很有用。