灰度分割
關注創建者：320科技工作室 創建時間：2020-02-12
灰度分割的實例教程
由于受到運算速度及內存大小的限制，以往的車牌識別大都是基于灰度圖象處理的識別技術。其中首先要求正確可靠地檢出車牌區域,為此提出了許多方法,如Hough變換以檢測直線來提取車牌邊界區域、使用灰度分割及區域生長進行區域分割,或使用紋理特征分析技術等。Hough變換方法對車牌區域變形或圖象被污損時失效的可能性會大大增加,而灰度分割則比直線檢測的方法要穩定，但當圖象在有許多與車牌的灰度非常相似的區域時，該方法也就無能為力了。紋理分析在遇到類似車牌紋理特征的其他干擾時，車牌定位正確率也會受到影響。本文提出基于車牌彩色信息的彩色分割方法。
主要模塊
主要模塊如下：顏色信息提取、車牌區域定位、識別、提取、檢測傾斜度、車牌校正、車牌區域2值化、擦除干擾區域、文字分割、模版匹配、結果輸出。
1. 定位車牌區域
2. 車牌矯正
3. 二值化車牌
4. 處理二值化圖像
5. 字符切割
6. 字符識別
顏色信息提取
根據彩色圖像的RGB比例定位出近似藍色的候選區域。即根據藍色像素點找出上下左右邊界，但是由于RGB三原色空間中兩點間的歐氏距離與顏色距離不成線性比例，在設定藍色區域的定位范圍時不能很好的控制。因此造成的定位出錯是最主要的。這樣在圖片中出現較多的藍色背景情況下識別率會下降，不能有效提取車牌區域。在此采用自適應調節方法，對分割出來的區域進行識別調整，再根據長寬比和藍白色比，對候選區域進行多次定位，最終找到車牌區域。
傾斜校正
針對傾斜角度的圖片采取rando算法進行傾斜角度計算，并對傾斜圖片進行修正。從而得到水平方向一致的圖片。有利于后期的圖片分割及圖像識別。
展開 13
圖像固定閾值與自適應閾值
圖像閾值化是圖像處理的重要基礎部分，應用很廣泛，可以根據灰度差異來分割圖像不同部分，閾值化處理的圖像一般為單通道圖像(灰度圖)，核心要掌握的兩個函數：
固定閾值：cv2.threshold()；
自適應閾值：cv2.adaptiveThreshold()。
14
圖像膨脹腐蝕
膨脹、腐蝕屬于形態學的操作，是圖像基于形狀的一系列圖像處理操作。
膨脹腐蝕是基于高亮部分（白色）操作的，膨脹是対高亮部分進行膨脹，類似“領域擴張”， 腐蝕是高亮部分被腐蝕，類似“領域被蠶食”。
灰度分割的最新內容
無論是人眼視網膜、CMOS傳感器還是CCD，本質上都是“光強探測器”——光子打在像素上，產生電子，輸出灰度值。振幅信息，就這樣被忠實地記錄下來。
但相位呢？相位描述了光波在傳播路徑上的振蕩狀態——波峰在何處、波谷在何處、波面以何種幾何形態向前推進。
插件采用閾值分割方法，可精確區分灰度CT圖像中的不同材料類型，具備兩相材料的建模功能。
對每個滑動窗口內的目標區域和背景區域分別計算其灰度均值。
? 構造特定濾波器并進行濾波處理：
設計特定的濾波器，用于增強目標區域的顯著性。
對滑動窗口內的目標區域應用特定濾波器，得到濾波后的目標區域圖像。
? 計算局部對比度：
計算目標區域和背景區域的灰度差異，得到局部對比度值。
局部對比度值反映了目標區域在背景中的顯著性。
對于一副水果圖像為了處理方便，我們首先要把彩色圖像轉化為灰度圖像。然后對圖像進行二值化處理來獲得每個水果的區域特征。
在水果與背景接觸處二值化會導致圖像邊緣部分有斷裂，毛躁的部分。所以采用邊緣提取以彌補斷裂的邊緣部分，然后基于數學形態算子對圖像進行去除斷邊，圖像填充等必要的后續處理。經過圖像分割后，水果和背景很明顯地被區分開來，然后需要對每種水果的特征進行提取。
CT圖像文件一般為灰度圖像或彩圖，本插件僅具備雙相材料的指派，因此采用閾值分割的方式將原圖像處理為二值圖，并基于二值圖數據在Abaqus內進行單元集的劃分。此參數偏向左側將增加圖像中的白色區域，反之增加黑色。
適用版本
插件可運行在Windows10、11系統上，支持Abaqus6.14~2023版本。
圖3 Matlab App Designer GUI分類界面
筆者提供了麻棉、麻粘和再生棉等數據庫，總共包括接近50張圖片，預處理和圖像分割和特征提取須（包括從灰度圖到細化+特征點提取都要有），軟件自動化檢測結果如圖4所示。
插件支持JPEG、JPG、PNG、GIF、TIFF、BMP、PCX、ICO等多種圖像格式，兼容彩圖、灰度圖、二值圖像等類型，可基于圖片建立指定大小尺寸的部件模型。
原理介紹
部件生成原理：插件基于所選擇的圖像尺寸信息，即圖像的寬度及高度像素建立二維可變形殼部件，建立部件的尺寸為所選圖像尺寸乘以設置的Scaling參數。
使用前面描述的圖像增強模塊增強數據集的灰度圖像
讓我們看一些訓練和測試集的例子：
80-20 分割后，以下是訓練和測試集中的總圖像：
培訓和結果
以下步驟用于對從 Wolfram 神經網絡知識庫獲得的預訓練重置模型進行網絡手術
3、路線圖和速度環境目標預測建模
以路線圖的形式為智能體提供目標預測基準網絡，生成的是一個輕量化的灰度圖像，可以指示智駕汽車在交叉路口處往何方導航同行。
Liu
通過識別與分割結構骨架，提出基于分段長度尺度控制與濾波方法，實現結構動態極限尺寸控制。
總體來說，考慮結構幾何尺寸約束的研究較為完善，幾何尺寸約束現已集成到Opti
S
truct等商用軟件。但引入濾波器與非線性投影函數，沿結構邊界存在灰度單元，需結合適當的后處理技術加以完善。引入梯度約束、幾何尺寸約束，計算量較大，計算效率與穩定性有待提升。
