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敏感，即角度和OpenALPR在角度大于20度时检测到LP的麻烦（是的，我已经阅读了关于良好摄像机位置的建议但IRL有时他们不能满意）。

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。

我正在寻找一种可以自动裁剪的解决方案。可以比较两个图像“base”和“target”的算法或工具，并返回目标图像中更改区域的坐标（左上角，右下角）。

替代解决方案是OpenALPR的不同配置文件。我正在试验这最后几个小时但没有成功。

基本图片如下所示：

目标图片如下所示：

（这些只是视频中的两帧）

（原始图像尺寸要大得多，即3840x2160）

是否有可以帮助我自动执行此任务的算法或工具？

Answer 1

基本方法是通过差分，即取每个像素的RGB分量值像素的绝对差值。在差异很大的地方，有一种检测。

但这可能效果不佳（并且它与给定的图像有关），因为两张图片可能略微不对齐，风可以移动植被。

所以我建议

• 降低图像分辨率的重要因素（比如8）;

• 模糊缩小的图像;

• 计算绝对差异;

• 保持组件之间的最大差异;

• 使用阈值进行二值化;

• 最后使用连接组件标记来查找最重要的斑点并消除残留干扰。

确保刷新背景图像（当您确定没有车时）以避免每日漂移的影响（总是缓慢变化）。标准化图像强度以阻止变化是环境照明（通过云f.i。）也可能是有用的。