基于matlab的快速定位限速标志牌算法

数学实验的综合实验设计，要求使用matlab建立模型和算法，能够快速从图片中取出含有限速标志的图片区域。并截取保存为图片文件。要求算法能够自动提取红色圆形图框区域。

一，题目分析

要定位限速标志，首先需要明白标志的特征，一个典型的限速标志如下：

该图像为一圈红色圆形区域中间包含黑色数字的形式组成，题目上要求能够自动提取红色圆形图框区域，那我们只需要想办法把这个圆弄出来。

那么基本思想如下：

提取出图像中的红色像素区域
找到这些像素区域中的圆
根据圆的位置对原图进行截图
~~对截取到的图片进行进一步判别~~

二，具体步骤

首先亮出例程图：

图片的读取与转化

首先需要对图片进行读取和转化。

使用imread(file)读取图像，该函数会返回RGB图像数组:

1	image=imread('pic/include-80.png');

由于RGB图像不易处理，这里需先转换为HSV图像。

关于RGB,HSV,HSL：三分钟带你快速学习RGB、HSV和HSL颜色空间

使用rgb2hsv(img)进行转化，该函数会返回一个MxNx3的数组，对应图像的H，S，V分量。

hsvImg=rgb2hsv(image);%转换到HSV空间
h1=hsvImg(:,:,1);%H分量
s1=hsvImg(:,:,2);%S分量
v1=hsvImg(:,:,3);%V分量

之后，需要提取出其中的红色像素点。该步骤可以使用matlab数组运算和逻辑运算，判断HSV三个域中的每个像素点是否在红色像素点数值范围，是为1，否为0，最后将三个域的数组相与运算，就得到了只有红色像素位置信息图片，顺便还进行了图像的二值化。

1 2	hsvReg1=((h1<=0.056&h1>=0)\|(h1>=0.740&h1<=1.0)) & s1>=0.169& s1<=1.0 &v1>=0.180&v1<=1.0;%提取红色分量 figure;imshow(hsvReg1);title('原图hsv检测图像');

得到的结果如下:

图像的降噪处理

可以看到，此时图像已经可以十分清楚的看到圆环了。

之后需要对图像进行降噪处理，消除图像中像素点的很少的无效区域，便于之后对图像进行处理。

使用bwareaopen(BW,P)删除二值化图像BW中像素量少于P的所有连通分量。可以将像素少于P的色块区域删除。

1 2	hsvReg1=bwareaopen(hsvReg1,110);%110为去除像素点阙值 figure;imshow(hsvReg1);title('图像降噪结果');

其中P的值需要根据实际情况进行选择，太大可能导致较小的图像被直接删没了，太大图像就会有很多杂点。

运行结果:

可以看到少了很多杂点。

填充平滑图像

现在我们得到了包含各种色块的图像，由于我们使用圆度进行检测，因此需要让目标色块尽可能平滑饱满，跟圆长得更加接近，减少以下情况对识别的干扰：

首先需要填充图像内部的小黑点。这里使用闭运算imclose(I,SE)，使用结构元素 SE 对灰度或二值图像 I 执行形态学闭运算。形态学闭运算是先膨胀后腐蚀，这两种运算使用相同的结构元素。

这里补充一下关于图像开闭运算的知识：

膨胀：求局部最大值的操作
腐蚀：求局部最小值的操作
开运算imopen()：先腐蚀后膨胀称为开 (Open)

局部的区域大小和形状由SE指定。原图经过开运算后，去除孤立的小点，毛刺和小桥（即连通两块区域的小点），而总的位置和形状不变。
闭运算imclose()：先膨胀后腐蚀称为闭 (Close)

局部的区域大小和形状由SE指定。原图经过闭运算后，能够填平小湖（即小孔），弥合小缝隙，而总的位置和形状不变。

参考文章:开闭运算 imopen imclose

SE可由函数strel()生成，该函数可以生成很多类型的平面元素结构，我们只需要使用SE = strel("disk",r)盘型结构，其他结构可以参考官方文档。

对图像进行闭运算：

se=strel('disk',2);%半径为2
hsvReg1=imclose(hsvReg1,se);
hsvReg1=imfill(hsvReg1,'holes');
figure;imshow(hsvReg1);title('图像填充平滑后结果');

其中imfill(hsvReg1,'holes')填充了图像中的孔，即无法通过从图像边缘填充背景来到达的一组背景像素。结果是圆环变成圆。

划分连通区域

该步骤将上图中的图块分别标记编号并求其边缘点。

使用函数[B,L]=bwboundaries(hsvReg1,'noholes')，该函数将图像上的连通域分别标记并记录边界点在cell类型的B中，在L中储存标记后的区域。

其中指定参数noholes将不会将hole作为新对象，而是将包括hole的整体作为一个整体。

[B,L]=bwboundaries(hsvReg1,'noholes');
figure;imshow(label2rgb(L,@jet,[.5 .5 .5]));%5
hold on;
for k=1:length(B)
    boundary=B{k};
    plot(boundary(:,2),boundary(:,1),'w','LineWidth',2);
end

处理结果：

区分了每个连通域及其边界。

计算连通域特性

获得了不同连通域后，我们需要计算不同连通域的特性。

使用regionprops(BW,properties)进行计算，根据properties字符串计算标记好连通域的BW中不同连通域的不同特性，并返回结构体数组。

在该题中，我们依据图形的圆度判断是否为圆，因此我们需要求:

Centroid:区域的质心，对应圆心
Area:实际的像素数，对应面积
Circularity:圆度，由(4*Area *pi)/(Perimeter^2)计算，由于matlab2017没有，因此直接求Perimeter
Perimeter:围绕区域的边界，如果图像包含不连续区域，regionprops 将返回意外结果。(所以先填充平滑)

1	stats=regionprops(L,'Area','Centroid','Perimeter');

提取图形中的圆

在该步骤中，我们遍历每一个连通域，求其圆度，保持圆度大于阈值threshold的连通域的圆心，半径(由周长计算)。

threshold=0.88;%圆度的阈值

cents={};%圆心
rs=[];%周长
stats=regionprops(L,'Area','Centroid','Perimeter');
for k=1:length(B)
    area=stats(k).Area;
    perimeter=stats(k).Perimeter;
    Circularity=4*pi*area/perimeter^2;%计算圆度
    if Circularity>threshold
        cents{end+1}=stats(k).Centroid;
        r=perimeter/(2*pi);
        rs(end+1)=r;
    end
end

裁剪图像

获得圆心和半径后，我们可以计算出圆所在图像区域，使用imcrop(I,rect)进行裁剪。

rect是一个四元素数组，第一二个元素为矩形的左上角坐标，第三个元素是矩形的长，第四个是宽。

for i=1:length(cents)
    rect=[cents{i}(1)-rs(i)  cents{i}(2)-rs(i) 2*rs(i) 2*rs(i)];
    result=imcrop(image,rect);
    figure;imshow(result);title('图像裁剪结果');
end

结果如下：

三，结论

本方法使用提取红色像素进行二值化，通过对二值化图像找圆的方式找到原图中的红色圆形区域，以定位限速牌。由于使用圆度进行判断，判断方法较为单一，当阈值过大，会导致变形的限速牌无法识别，当阈值过小，一些图像则会被误识别，因此还需要进行改进，以获得更加准确的方案。

目前，可以考虑对裁剪后的图像进行文字识别OCR，如果有限速的数字则可以更为准确的判断。

四，代码附录

image=imread('pic/include-80.png');
% image=imread('pic/include-120-100.png');
% image=imread('pic/1.png');
threshold=0.95;%圆度的阈值
%=======  HSV颜色分割图像  =======%
hsvImg=rgb2hsv(image);%转换到HSV空间
h1=hsvImg(:,:,1);%H分量
s1=hsvImg(:,:,2);%S分量
v1=hsvImg(:,:,3);%V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;%提取红色分量 
% figure;imshow(hsvReg1);title('原图hsv检测图像');
%=======  降噪  =======%
hsvReg1=bwareaopen(hsvReg1,110);%110为去除像素点阙值
% figure;imshow(hsvReg1);title('图像降噪结果');
%=======  填充平滑图像  =======%
se=strel('disk',2);
hsvReg1=imclose(hsvReg1,se);
hsvReg1=imfill(hsvReg1,'holes');
% figure;imshow(hsvReg1);title('图像填充平滑后结果');
%=======  划分连通域  =======%
[B,L]=bwboundaries(hsvReg1,'noholes');
% figure;imshow(label2rgb(L,@jet,[.5 .5 .5]));%5
% hold on;
% for k=1:length(B)
%     boundary=B{k};
%     plot(boundary(:,2),boundary(:,1),'w','LineWidth',2);
% end
%=======  计算连通域特性  =======%
cents={};%圆心
rs=[];%周长
stats=regionprops(L,'Area','Centroid','Perimeter');
for k=1:length(B)
    area=stats(k).Area;
    perimeter=stats(k).Perimeter;
    Circularity=4*pi*area/perimeter^2;%计算圆度
    if Circularity>threshold
        cents{end+1}=stats(k).Centroid;
        r=perimeter/(2*pi);
        rs(end+1)=r;
    end
end

%=======  剪切保存图像  =======%
for i=1:length(cents)
    rect=[cents{i}(1)-rs(i)  cents{i}(2)-rs(i) 2*rs(i) 2*rs(i)];
    result=imcrop(image,rect);
    figure;imshow(result);title('图像裁剪结果');
end

LO_StacNet

电子玩家 & 理想主义

基于matlab的快速定位限速标志牌算法

基于matlab的快速定位限速标志牌算法

一，题目分析

二，具体步骤

图片的读取与转化

图像的降噪处理

填充平滑图像

划分连通区域

计算连通域特性

提取图形中的圆

裁剪图像

三，结论

四，代码附录