基于图像处理技术的菌落自动计数系统的研究
“谦虚的绿色黑马”通过精心收集，向本站投稿了5篇基于图像处理技术的菌落自动计数系统的研究，下面就是小编给大家带来的基于图像处理技术的菌落自动计数系统的研究，希望大家喜欢，可以帮助到有需要的朋友!
篇1：基于图像处理技术的菌落自动计数系统的研究
基于图像处理技术的菌落自动计数系统的研究
针对现行培养菌类试验中的菌落计数是采用人工方式完成,在试验样品量较大时,很难快速准确的得到结果的问题,研究开发了一套菌落计数系统.该系统根据RGB色度学原理,利用图像处理技术,可以对培养皿里的白色菌落的`数量进行自动检测.在对菌落的色度值分布进行试验研究的基础上,确定了获取分割图像最佳阈值的方法.实验证明此方法不仅计数结果准确,重现性好,而且速度快,计数结果不受菌落接种方法、菌落形态、大小的影响,是实现菌落计数的一种行之有效的方法.
作 者：王国新 张长利 房俊龙 沈维政 WANG Guo-xin ZHANG Chang-li FANG Jun-long SHEN Wei-zheng 作者单位：东北农业大学工程学院,哈尔滨,150030 刊 名：中国乳品工业 ISTIC PKU英文刊名：CHINA DAIRY INDUSTRY 年，卷(期)： 34(2) 分类号：Q939-64 关键词：菌落计数 图像处理 最佳阈值 自动检测篇2：计算机图像处理技术
摘 要：随着科学技术的快速发展，计算机的应用已经渗透到各行各业，计算机的更新换代逐步加快，在各个领域中的作用无法替代。
其中，计算机对图像信息或者数据信息的处理技术应用十分广泛，这一技术统称为计算机图像处理技术。
在工程技术、工业、机电行业、广告传媒领域以及农业领域均有广泛应用，利用该技术对数据图像进行分析处理。
本文主要介绍了计算机图像处理常用的方法、技术以及在不同领域内的应用，最终对该技术的发展前景进行阐述。
篇3：计算机图像处理技术
引言
伴随着计算机技术的迅速发展，计算机在人们日常生活工作中的地位和作用日益凸显，成为不可替代的必需工具，带给人们极大的便利，应用于各个领域。
计算机的应用能够帮助人们将复杂的工作通过简单的操作处理，高标准的完成，这是信息时代发展的必然趋势。
传统的图像处理技术使用起来比较复杂，而计算机图像处理技术的问世将图像处理这一复杂的工作简单化，计算机图像处理技术在对图像进行处理时能后将具体处理的过程显示出来，便于操作者观看，并且能够在同一时间内将批量的图像一次性进行处理，完成相关的程序，是图像处理工作更加简单易行。
实际工作中，科学运用计算机图像处理技术能够提高图像处理工作效率，加快工作进度。
一、计算机图像处理常见的方法
图像处理的目的是为了更好的、更为全面的研究分析图像，要想达到这一目的，必须先对图像处理的具体步骤进行深入分析研究，计算机图像处理选用的方法比较多，但是更为常见和用途广泛的还是计算机混合光学处理技术和电学模拟处理技术等。
1.计算机混合光学处理技术
计算机混合光学处理技术顾名思义是利用光学的方式对图像进行处理的技术，再用数字技术对图像进行精确处理，这种计算机图像处理技术涵盖了图像的预处理和精确处理，两种处理模式能够将图像处理的更加合理，在一些特殊的情况下适合使用。
2.电学模式处理技术
电学模式处理技术就是将光强度信号转为电强度信号，再用电子学对信号进行综合性的处理，其中包括反差方法、浓度分割、光谱对比、色彩合成等具体操作。
这种图像处理方法最常见的用处就是在电影电视中。
随着该项技术的日趋成熟和逐步改进，根据电学模拟方法的基本特征和规律，可以细分为一下几种功能：一种是通过建立反变化将信息数据进行重组，组成新的排列形式;一种是改变时钟脉冲的变化规律，并通过模拟的方式实现;一种是将各种响应不同的处理模式看作为过滤器，完成信号的处理。
电学模拟处理方法其运行的设备以及成本的投入相对较低，具有较明显的优势，能够使计算机图像处理技术在较短的时间内完成图像的过滤处理。
二、计算机图像处理的相关技术
按照通用的叫法，计算机图像处理技术又称为影像处理技术，通过计算机中的特定程序来分析研究图像，使其达到预设的效果。
实际运用中，也可以将计算机图像处理技术成为计算机图像数字处理技术，就是借助于数字摄像机、扫描仪等计算机配套设备，通过数字化方法，获取必要的二维数组。
计算机图像处理技术包含许多方面，例如扫描、匹配、图像复原、具体图像的识别、图像压缩等方面。
1.图像识别、扫描及匹配功能
计算机图像处理最重要的目的是为了能够顺利的识别、扫描、匹配图像，进而获取图像或者构成图像的特殊符号以及包含特定意义的数据，而不仅仅局限于具有随机分布特征的计算机文件，这种方法日常生活中会经常遇到，例如指纹识别、人脸识别等关于识别模式的方式。
2.图像复原及增强功能
图像复原及增强功能主要目的是提升图像的整体质量，实现这一效果的第一步便是通过处理技术将图像进行增强处理，其中包括图像对比度的增加、图像外形的改变、图像变化程度的高低等等，图像增强处理选择的方法通常有两种，一种是频率域法，另一种是空间域法。
可以选择低通滤波处理技术消除图像中的噪点，而选择高通滤波可以增加图像的高频信号，经过上述方式处理后，图像将变得更为清晰。
3.图像数字化功能
要想获得数目较大的数据图像，首先考虑的便是图像数字化功能，此功能的主要形式为高宽像素构成图像数据，如果图像的数据为动态模式，则获得的数目将会更大。
因此，在实际运用中，人们将数据较大的图像通过压缩的方式进行传输或者存储，便利日常的.使用。
图像压缩处理技术通常选择的方法是不失真或者近似的方法，运用这些方式对图像进行压缩处理后图像基本保持原来的效果，一般不失真的方法用于静态图像的压缩，而近似的方法通常用于动态图像的压缩。
三、计算机图像处理技术在不同领域的运用
1.应用于计算机动画以及艺术的设计
我们日常所见的动画或者艺术品，其设计和创作的过程中会经常使用计算机图像处理技术，进而牵扯到计算机其他必要的软件，例如3DMAX、三维造型动画设计、二维平面设计等动画制作软件，随着经济的快速发展，社会的日益进步，类似上述的软件的使用范围将更为广阔。
又比如在公益广告、商业广告的制作以及平面设计图像中的特效文字的设计都会用到Photoshop软件，不仅如此，PS还可以为宣传设计海报、各类会展的门票以及各位报刊杂志的彩页等，在越来越多的商业领域内，计算机图像处理技术的处理效果得到了充分的运用和体现。
2.遥感图像处理技术
现如今，高新科技的不断诞生 ，计算机遥感技术也得到了巨大的提升，在社会各个行业的发展过程中计算机遥感技术的运用也十分广泛，其中更多的用于图像的处理和设计，遥感处理技术的应用离不开计算机图像处理技术，计算机图像处理技术在其中发挥的主要作用是显示遥感技术应用的程度和自动化处理的全过程，在今后的发展中必然会成为主要的图像信息获取并迅速合成图像的处理技术。
遥感图像处理技术主要处理的对象为数字图像，并且以此为技术推动其他功能的完善和发展。
3.计算机的制造以及辅助设计
计算机制造和辅助设计技术是一项综合性的技术，不是指计算机制造技术，而是指制造业与计算机之间进行技术融合后形成的技术，这项技术的使用范围较广、学科交叉较为复杂、知识更为密集，在我国一些科技含量较高的制造业中，计算机制造以及辅助设计技术的使用价值非常高，起到关键性的作用，这也是体现国家科技水平和现代化工业发展水平的重要标志之一。
不仅如此，计算机图像处理技术在建筑工程设计、室内设计、汽车等交通工具的外形设计、网络分析等多方面也有十分广泛的应用，效果十分显著。
四、计算机图像处理技术的发展前景
随着信息社会的逐步发展，计算机图像处理技术也日趋成熟，当前计算机图像处理技术在世界各国的发展日渐成熟。
但是，随着社会的进步各领域对计算机图像处理技术的要求也越来越高，为了适应社会的发展，满足各领域对计算机图像处理技术的需求，计算机图像处理技术的专业研究人员需要再接再厉，不断探索新的技术，逐步推动计算机图像处理技术使用范围的扩大和功能多样性发展。
随着计算机其他软件的日趋成熟，计算机图像处理技术的配置可靠性和优越性更加坚固，可以进行综合信息的多角度、多方面、多目标、多方向、多渠道的处理，在计算机图像处理技术迅速发展的过程中，不仅需要技术人员加大技术软件的开发，还需要日常生活需要的图像处理软件，从而保证在不同的领域和范围内都能进行图像处理。
为了使人们在今后的生活工作方面有丰富多彩的环境，图像处理技术人员要深入研究，研发更加全面的图像处理软件，满足不同层次群众的需要。
综上所述，随着信息时代的快速发展，各行业发展过程中技术含量的逐步提升，计算机图像处理技术的应用范围将更加宽广，因此加强计算机图像处理技术的科技研究，对于整个社会的发展进步极为有利。
参考文献
[1]温玉春.计算机图像处理技术应用研究田.现代商贸工业，，22(12)：178-179.
[2]于海春.计算机图像处理的研究及应用田.信息与电脑(理论版)，2011，12(11)：72-73.
[3]田建华.浅议计算机技术与图像处理田.信息与电脑(理论版)，2011，18(2)：99-100.
[4]黄春华.浅议多媒体计算机技术的发展前景田.科技创新导报，，44(12)：127-128.
篇4：图像处理技术论文
摘要：数字图像处理在汽车涂装领域的应用, 本文介绍了数字图像处理基础和数字图像处理在自动车型识别, 易磨损部位检测和预警以及车身表面质量检测的应用。
关键词：汽车涂装; 数字图像处理;
1、引言
汽车行业本就是自动化程度较高的产业, 但是目前的工业4.0和日益上涨的人力成本给汽车企业提出了更高的要求, 数字图像处理在快速、高效的完成汽车涂装生产和涂装生产过程中的缺陷检测方面有显着优势。另外为实现高节奏的生产过程中, 高速运转的设备故障预警, 数字图像处理也提供了可行的解决方案。
2、数字图像处理基础
提到数字图像处理, 首先要明确什么是数字图像。一幅图像可以定义为一个二维函数 (x, y) , 其中x和y是空间 (平面) 坐标, 而任何一对空间坐标 (x, y) 处的幅值f称为图像在该点的强度或灰度。当X, Y和灰度值f是有限的离散数值时, 我们称该图像为数字图像。有了数字图像, 我们可以对数字图像进行处理, 对数字图像处理可以分为初级处理、中级处理、高级处理三种方式, 初级处理就是对图像进行简单的处理, 例如我们平时用的ps和相机美颜功能, 都可以理解为对数字图像进行了初级处理, 这种处理输入的是图像 (原图) , 输出是处理过的图像 (例如PS过的图像) 。中级处理, 在初级处理的基础上, 输入的是图像, 输出的则是从图像处理中得到的信息, 例如小区停车场的摄像头, 拍摄车牌号的图像, 在图像中提取出车牌号信息, 与数据库中的信息进行比对, 从而实现身份进入、停车计时等功能。最后, 高级处理就涉及到计算机自主学习的功能, 例如对车身表面喷涂质量的检测, 就属于对数字图像的高级处理。详细应用将在下文阐述。
3、数字图像处理在汽车涂装领域的应用
3.1、自动车型的识别
在汽车涂装工艺中, 针对不同的车型, 设备需要设定不同的工艺参数, 例如前处理自动加药的加药量, 电泳的电压, 喷涂机器人的轨迹等等。针对这一应用, 目前汽车厂大部分使用光电开关, 针对不同车型的特征点进行检测, 这种方式的有点在于成本低, 一般一到两个光电开关就可以检测2-3种车型, 但是这种检测方式的缺点在于它检测的车型必须有明显的特征点或者尺寸差别, 这样才能完成车型的识别。而针对尺寸差别不大或者没有明显特征点的车型, 光电开关就无能为力了。这时就该数字图像处理出马了。我们在固定位置拍照, 我们把目标也就是车身标为1, 把背景标为0, 我们设定每个车型的1和0边界, 通过计算机内部算法对图像进行边界判定, 这样就可以根据1和0的边界样式识别出是哪种车型。以上的方法是界定边界法。或者, 我们可以使用另一种方法——骨架法。骨架法是界定边界法的简化形式, 我们在边界选取一些特征点, 然后把特征点按一定顺序连接起来, 这样构成的图形, 就是这个图形的边界骨架, 只要选取的骨架点能反应出不同的车型, 这种方法的计算量会小很多, 适合运算资源不够的情况。选取的点的数量不同, 识别的精度也不相同。
3.2、易磨损部位的检测及预警
汽车工厂里面的设备需要长时间高负荷运行, 有些易磨损部位的检测就成了难题, 我们无法经常性的停机检查, 那样会严重影响生产, 另外我们也很不容易凭借肉眼来观察出细微的磨损, 因此在线实时检测易磨损部位的磨损情况就显得十分重要。
首先一般我们需要观察的易磨损部位周边情况都比较复杂, 或者光线条件不好, 无法得到十分清晰的照片, 这样就需要我们先对数字图像进行一定程度的变换。首先要对图像进行最简单的灰度变换, 例如我们可以把过亮的图像通过把整个图像灰度变小实现图像的变暗, 或者把过暗的图像的整个灰度变大实现图像的变量, 或者通过函数, 把在一个很大范围灰度的图像的大范围灰度映射到一个比较小的灰度范围, 这样可以在图像中凸显出目标物体。另外常用的变换还有对数变换、伽马变换、分段线性变换、平滑空间滤波变换、锐化空间滤波变换、混合空间变换等, 这些变换都是对图像的灰度进行针对性的处理, 以达到预期的效果。
我们对灰度变换后的图像, 获取他的边界, 与正常无磨损的部件边界进行对比, 实时进行检测。这样我们还可以根据磨损的程度, 设定一个预警机制, 可以根据磨损速度, 预测该易磨损件的寿命, 制定维修计划。在达到预测的寿命时可以直接更换该易损件, 或者增加关注度, 实时观测磨损程度, 在磨损程度达到临界值时再进行更换, 这样可以大大节约成本。
3.3、车身表面质量检测
质量是产品的生命, 对于汽车产品来说, 好的涂装表面是车质量最直接最外在的体现, 所以, 每个汽车厂都对汽车车身表面质量检测十分严格, 目前大部分汽车厂都采用人工检测, 通过在线人员的眼看、手摸来发现汽车车身表面存在的质量问题。但是首先这种传统的方式对在线的工人要求很高, 工人必须有丰富的经验才能应对形形色色的车身质量问题, 培养一个经验丰富的工人需要很长的时间, 由经验不丰富的工人进行检查可能造成错检。其次, 工人很难在高负荷的连续生产下保持长时间的专注度, 往往可能在连续工作一段时间后由于注意力下降, 可能造成漏检。另外, 这种检测往往很难形成统一的技术规范、技术标准, 例如工人觉得车身车门有色差, 这就是一个完全主观的判断, 没有任何数据做支撑, 每个人对色彩的敏感程度不同就会做出不同的判断。针对这些问题, 在车身表面质量检测过程中引入数字图像处理技术的优势明显。首先, 机器通过学习后学习的经验完全可复制到其他的机器中, 这样就解决的经验丰富的问题, 机器可以通过不断的学习, 不断的完善自己的知识库, 同时把这些经验实时共享给其他的机器。其次, 机器是不知疲倦的, 也不会出现注意力不集中的问题, 无论工作多久都会保质保量的完成工作。最后, 通过数字图像处理, 完全可实现不同质量缺陷的标准化, 例如计算机通过对图片的数字化处理, 完全把车身的颜色数字化, 颜色在什么范围认为是没有问题的, 超出范围就认为有色差, 这样所有的车身都是一个标准, 避免了主观意识对质量的影响。
为了实现车身表面质量的检测, 首先要对车身表面的照片进行处理。这些处理包括:图像降噪处理、图像色彩分层、图像的点线边缘检测。处理过的图像我们还需要对图像进行压缩, 因为图像中包含了很多我们不需要的信息, 而计算机的存储和运算速度有限, 我们要把资源用在刀刃上, 所以对数字图像进行压缩也是必须的。最后我们需要对图像进行频率域变换, 这是数字处理的重中之重, 数字计算和快速傅里叶变换算法 (FFT) 是人们对数字图像处理的关键技术。之后我们需要对数字图像进行全局阈值处理, 这种处理的目的在于突出我们的目标区域, 而使其他的“背景”完全“消失”, 这样我们可以更清楚的实现对图像的处理。
在我们收集了足够多的处理过的数字图像后, 我们可以开始进行机器学习了, 我们设定不同的分类器, 每个分类器对应一种缺陷, 然后我们把收集的数字图像随机分为三个集合:训练集、验证集、测试集。然后我们用训练集训练一个分类器, 然后再用验证集和测试集来测试分类器的准确性。在训练过程中, 可能会出现欠拟合或者过拟合, 欠拟合就是模型拟定的太严谨, 不符合现实情况。过拟合就是算法不但学习了数据, 还把噪声学习了这样的算法无法推广。我们需要寻找到一个平衡点, 既能完成对缺陷的处理又能保证正常合格车身的通过率。
4、结语
数字图像处理技术在汽车涂装自动化领域的运用, 必将对改善车身质量, 降低人力成本起到积极作用。并且, 随着数字图像处理技术的进一步发展, 和数字处理算法的进一步优化, 数字图像处理将更快更准确的寻找和发现汽车涂装表面缺陷。随着数字图像处理在汽车涂装领域的应用进一步深入, 通过数字图像处理来指导生产, 发现生产中存在的问题的水平将近一步的提高, 同时随着计算机硬件成本的降低和技术的发展, 数字图像处理在汽车涂装领域的应用将会持续增长。
参考文献
[1]阮秋琦, 阮宇智.等数字图像处理学[M]第三版.北京:电子工业出版社, 20xx.6.
[2]学习Open CV (中文版) / (美) 布拉德司机 (Bradski.G.) , (美) 科勒 (Kaehler.A.) 着;于仕琪, 刘凯祯译.北京:清华大学出版社, 20xx.10.
[3]赵立兴, 基于模糊算法的数字图像处理技术研究[D].秦皇岛;燕山大学, 20xx, 22-39.
[4]Andrews, H.C.and Hunt, B.R.[].Digital Image Restoration, Prentice Hall, Englewood Cliffs, N.J.
篇5：图像处理技术论文
摘要：随着当代电子信息技术的迅速发展，智能交通成为交通运输领域重要的研究课题，图像处理技术由于自身重要的理论和应用价值使得它在智能交通中的应用研究占有重要的地位。通过对数字图像处理技术在智能交通领域对车牌识别起到的作用和存在问题的的分析，提出了相应的解决对策。
关键词：智能交通；数字图像处理；车牌识别；车辆的跟踪与检测
智能交通ITS（Intelligent Transport System） 最早出现在二十世纪九十年代初期，作为世界电子信息技术的前沿，将这项技术应用到交通管理中，实现了交通的智能化。ITS主要是将先进的电子技术、IT、AI、GIS影像等技术进行全面集成，建立起准确实时的地面交通系统。主要应用于APTIS（Advanced Public Traffic Infor-mation System）、APTS（Advanced Public TransportationSystems）、AVCS（Advanced Vehicle Control System）、CVO（Commercial Vehicle Operations）、ETC（electronicToll Collection）、EMS（Emergency Management System） 等方面。Intelligent Transport System有两个由于面的含义，一是智能； 二是交通。交通技术的核心就是智能，智能技术源于电子通信、计算机与人工智能。在交通管理过程中借用当代的信息技术，对车辆道路进行全面的监控，实现交通的智能化管理。
一、数字图像处理技术在智能交通领域中的作用
（ 一） 数字图像处理技术的主要工作步骤
一是利用计算机和其他电子设备完成的，其主要内容包括图像的采集与获取、对采集的信息进行编码与存储、图像的合成。合成之后对图像进行绘制，并最终输出，利用新技术对其进行恢复与重建。因此数字图像处理的主要目的是： 首先，对图像做灰度变化，保存有效信息，这种方法可以增强图像可读性，有利于原图的恢复；其次，利用特殊手段对图像中所包含的特殊且重要的信息进行提取，并详细分析图像中所包含的特征，这种方法主要是为了提取其中包含的特殊信息，对图像进行分割识别； 其三，对获取到的数据进行压缩，并保持其特有的清晰度，方便图像后期的传送与保存。
（ 二） 数字图像处理技术在车牌识别当中发挥的重要作用
车牌识别技术（LPR） 作为智能交通的重要管理策略，被广泛应用在高速收费站、失窃车辆查找、停车场的车辆管理、监控车辆的违纪情况等方面，大大提高了工作效率，节省了人力资源。
数字图像处理技术在智能交通领域中发挥着极大的作用，如监控车辆交通安全、统计交通拥堵情况等，最为出色的地方是车牌识别。数字图像处理技术在智能交通方面有着不可忽视的作用，在智能交通领域的研究中占有一席之地。
一个完整的车牌识别过程，应该是先获取到车牌的图像，计算机设备对获取到的图片信息进行识别，然后对图片进行预处理。根据获取到的图片信息，通过渡波、边缘增强等办法对其进行车牌定位。
二、我国拍照识别系统存在问题及原因
首先，我国的车牌组成比较复杂，由汉字、英文和阿拉伯数字共同构成。汉字的相似，对车牌识别的难度增加； 其次，我国车牌的颜色比较多，有白色、蓝色、红色等，识别起来比较麻烦； 第三，由于人为、道路、天气等原因，使得车牌上粘有水渍、泥土之类的污渍，导致车牌模糊不清，难以识别； 第四，车牌格式繁多，如民用、军用、公安警车、武警专用、外交车辆、特种车辆、消防专用、救护车等。民用车又分为多种，导致识别起来更加麻烦； 第五，车牌悬挂的地方不一致。要解决上述问题，必须提高图像处理的算法，使得拍照识别系统更加有效。
三、应用数字图像处理技术解决拍照识别系统存在问题的对策
（ 一） 车牌定位要从复杂的背景中提取出有价值的信息，并进行分割
因为自身不利因素的影响，所以增加了LPR对车牌定位的难度。良好的提取算法，是在保证有效信息不丢失的前提下，尽可能多的踢掉没价值的信息，准确的将车牌信息给抽取出来。判断算法是否精确，有以下三个方法： 其一，为了保证其实时性，必须要尽量减少算法； 其二，在复杂的环境下依然具有高度的定位效果，必须有一定的抗干扰性，第三，在保证有效信息不丢失的前提下，尽可能的多的踢掉没价值的信息为提高图像的质量奠定基础。车牌具有纹理，颜色与形状三个主要的特征。纹理主要是因为车牌的字符与车牌背景颜色的一个对比。颜色主要是由于汽车牌照的字符颜色与背景的组合，一般分为白字蓝底 （ 民用轿车） ,黑字黄底 （ 大型汽车） ,白字黑底（ 使、领馆汽车） ,黑字白底（ 警用汽车） 四种。现阶段车牌定位的处理办法主要要两种，一是灰度图像处理，其主要优势是速度快，内存少；二是基于彩色图像处理，其主要优势是彩色的图像从视觉上极占优势，尤其是随着计算机的迅速发展，运行速度飞快，内存也随之增大。而颜色也是车牌的主要区分模式，所以基于颜色的分割定位在当今的使用更为广泛。
（ 二） 基于模板匹配的车牌字符分割
在车牌得到准确的定位后，字符分割水平影响到字符的识别精确度。字符的分割算法主要有： 一是直接取得原始车牌的垂直投影，将投影后的峰值作为分割的黄金点。在车牌严重受到损坏的情况下，直接分割往往会产生极大的错误，所以很难找到分割的黄金点； 二是分割即精分割与细分割。这种方法的最大优势就是包括在车牌遭到严重损坏的情况下，也可以保持极好的分割效果，但是算法较为复杂、费时，较难保证实时性。由于一些客观条件的影响，使得以上算法都不能满足，所以提出了一种新的分割算法，这种方法既能克服车牌损坏的影响，又没有过多的增加字符分割的时间。
在此也讲一下改进的MSR算法对车牌图像进行预处理，由于车牌的图像不是很大，所以完全可以满足实时性要求。因为我们提取出来的车牌不能直接进行分割，必须先将其进行二值化处理。所谓二值化处理就是将原始图像经过技术转成二值图像。因为车牌图像的边缘信息是最终图像识别结果的重要影响因素，所以要在进行二值化处理的过程中要保留其边缘信息。我们经常见到的车牌应该是一个方方正正的矩形，然而在实际中，车牌会发生倾斜，我们可以把它看作为一个平行四边形来处理。对于其倾斜车牌的校正，我们需要找到倾斜的角度，然后进行旋转变化，使得转变成一个矩形。对于倾斜的车牌进行校正，一般情况就是先水平校正，再垂直校正。
（ 三） 对于字符的识别
字符识别的原理是利用数字图像处理技术，对车牌中分隔处理的字符进行识别，字符识别系统的工作过程： 首先，对所需识别数据获取。图像数据的获取只有通过输入设备来实现，比如我们通常使用的摄像机、摄像头等等一些图像采集设备。它们主要的任务就是将景物反射的信号转换成可以识别的模拟信号，再经过A/D转换，将转换后的模拟信号转换成数字图像信息。性能好、分辨率高、噪声较小、转换速度比较快的电信号线做优先的选择。只有达到这个标准的转换电信号线才是上乘选择，对图像的识别水平也较高。转换后的图像信息要进行进一步的预处理。其主要目的就是为了去掉原始图像的噪音与其他变形问题的干扰，保留并增强有效信息。其次，进行预处理的过程也比较复杂，要进过滤液、复原、提取边缘、图像分割等预处理方式，提高图像的可读性与清晰度，为下一步进行特征的提取提供了便利，奠定了基础。第三，提取特征。是根据预处理后得到的结果，对其进行分析、辨别真伪、剔除无效信息、保留有效信息的一个过程。鉴于原始图像数据信息量比较大，需要在这庞大的数据中提取出有价值的信息，并进行归类，这就是特征的提取。在对特征进行提取之后，才能对其进行分类决策。其主要的目的就是对在分类提取过程中所得到的样本进行分析和判断，当然在判断的过程需要遵循某个规则，将分类提所引起的错误识别概率降到最低，保证其具有较高的精准度。
字符识别常用的方法有三种： 统计识别法； 句法结构模式识别； 模糊模式识别法。
（ 四） 先采取摄像头拍摄的方式，再通过图像处理来进行数据的采集
在我国的公共道路交通管理系统中，为了获取更多的车辆的运动数据，之前通常采用感应线圈等方法，但是这种方法要求设置在路面上并且对路面造成一定程度的损坏，安装困难，影响交通。所以现在都是采取摄像头拍摄，再通过图像处理来进行数据的采集。随着科技的发展与进步，现在只需要在路段相应的位置安装摄像头，摄像头所获取到的视频与图像就会通过压缩之后传输到控制中心。监控中心只需要根据上述视频与图像进行提取，就可以对车辆进行实时跟踪。运作跟踪是车辆识别的一部分，其主要分为背景的提取、运动点团的提取，运动点团位置的提取和运动物体的跟踪。近几年，经过技术人员的不断钻研，针对每个点都提出各自相应的算法，使得车辆跟踪更为直观、精确。
本文中详细描述了数字图像处理技术在ITS中的应用。ITS技术在车牌识别，车辆的跟踪等方面应用广泛。由于信息技术的逐步完善，使得数字处理技术在智能交通领域中得到极大的应用。经过各方的不懈努力，无论是硬件还是软件，都在不断的进步与发展，使得数字图像处理取得一个又一个突破性的进步。
参考文献：
[1]黄卫，陈里得。智能运输系统（ITS） 概论[M].北京： 人民交通出版社。20xx.
[2]高建平，张小东，蒋 锐。基于图像处理的交通信息采集[J].重庆交通大学，20xx（1） :103-106.
[3]石红兰。基于图像处理的车牌识别系统的研究与实现[J].现代制造，20xx（21） :178.
[4]王洪建。数字图像处理技术在智能交通中的应用与研究[D].重庆： 重庆大学，20xx.
【基于图像处理技术的菌落自动计数系统的研究】相关文章：
文档为doc格式
