抓拍圖像演算法

A. 電子眼是怎樣抓拍三張照片的

1、當你的車前輪壓過地上的感應線圈時，電子拍攝第一張你的照片。

2、當你的車後輪壓過地上的感應線圈時，電子拍攝第二張你的照片。

3、當你的車通過路口壓過對面地上的感應線圈時，電子拍攝第三張你的照片。

4、在信號燈變為紅燈時，如果車輛在此前已經駛過停止線、但因故停在路上，這種情況則不屬於闖紅燈，不過這樣的車輛應當在原地停車讓其他方向的車輛先行。

5、電子眼拍的違章照片是存儲在電子眼底下的存儲卡里頭，3天取一次 。外包給某公司，照片先送到某公司，檢查違章證據是否充足（三張照片齊備才能全證），然後再提交交管局。

(1)抓拍圖像演算法擴展閱讀：

1、「電子眼」又稱「電子警察」，是「智能交通違章監攝管理系統」的俗稱，1997年在深圳研製成功後開始逐步推廣使用，電子眼是通過對車輛檢測、光電成像、自動控制、網路通信、計算機等多種技術，對機動車闖紅燈、逆行、超速、越線行駛、違例停靠等違章行為，實現全天候監視。

2、一個攝像機通常只拍一個車道，少數可拍兩個車道，一般都是設在從左向右數的第一和第二條車道上。數碼相機的拍攝范圍較寬，所以在城區內大多數都能夠拍到同向所有的車道。

3、不是所有違章的車輛都能夠被拍下來，只有車牌圖片清晰的情況下，信息錄入人員才能將違章車輛輸入資料庫進行處理。

B. 攝像頭成像3A演算法及控制技術

3A技術即自動對焦（AF）、自動曝光（AE）和自動白平衡（AWB）。3A數字成像技術利用了AF自動對焦演算法、AE自動曝光演算法及AWB自動白平衡演算法來實現圖像對比度最大、改善主體拍攝物過曝光或曝光不足情況、使畫面在不同光線照射下的色差得到補償，從而呈現較高畫質的圖像信息。採用了3A數字成像技術的攝像機能夠很好的保障圖像精準的色彩還原度，呈現完美的日夜監控效果。

AF自動對焦

自動對焦即調節攝像頭焦距自動得到清晰的圖像的過程。

自動對焦演算法（AF）是通過既得圖像對比度移動鏡頭使圖像對比度達到最大。總的來說，自動對焦技術就是通過調整聚焦鏡頭的位置獲得最高的圖像頻率成分，得到更高的圖像對比度。其中，獲得最佳的對焦點是一個不斷積累的過程，它通過比較每一幀圖像的對比度從而獲得鏡頭移動范圍內最大的對比度點，進而確定對焦距離。

AF演算法的基本步驟是先判斷圖像的模糊程度，通過合適的模糊度評價函數求得採集的每一副圖像的評價值, 然後通過搜索演算法得到一系列評價值的峰值, 最後通過電機驅動將採集設備調節到峰值所在的位置, 得到最清晰的圖像, 演算法的關鍵在於達到准確度和速度的平衡, 同時演算法的精度受到軟體演算法和硬體精度的雙重影響。

對焦評價函數

評價函數有很多種, 主要考慮的圖像因素有圖像頻率(清晰的圖像紋理多, 高頻分布較多), 還有圖像的灰度分量的分布(圖像對應的灰度圖的分量分布范圍越大,說明圖像的細節較多, 反應的圖像的清晰程度)

合適的搜索窗口結合搜索演算法

常用的搜索演算法有爬山演算法, 搜索窗口有黃金分割點對焦嵌套窗口等。

AE自動曝光

自動曝光的是為了使感光器件獲得合適的曝光量。

自動曝光演算法(AE)將根據可用的光源條件自動設置曝光值。當主體拍攝物和背景的亮度相差很大時，一般會造成主體拍攝物的過曝光或曝光不足，為了克服這個問題，一些特定的AE演算法著重考慮了主體拍攝物的亮度情況，在進行亮度調整時給予這部分更多的比重。

一般的演算法通過獲取圖像的亮度調節相應的曝光參數，得到合適的曝光量. 曝光參數包括光圈大小, 快門速度和攝像頭感測器的亮度增益.

即一般AE演算法步驟包括:

獲取圖像亮度, 可採用的方法有,

1.平均亮度

2.分區加權平均亮度

分區域加權的目的在於將曝光重點放在屏幕中央

3.設置不同亮度門限, 對背光, 正光和強光區域進行區分

4.對主要對象進行曝光補償

調整參數的主要方法有,

1.查表法

系統內部預先存儲了一張曝光參數調整的步長與圖像亮度之間的關系的查找表, 通過亮度值改變調整量。

2.迭代法

3.數值計演算法

AWB自動白平衡

白平衡的本質是使白色物體在任何光源下都顯示白色。

自動白平衡演算法(AWB)根據光源條件調整圖片顏色的保真程度。物體在不同光線照射下會出現不同程度的色差，一般將一幅圖像的整體色差信號用作色溫數據，當這幅圖像的大部分區域被一個統一的顏色覆蓋時，這種色彩補償就可能損失一部分完整的色彩。為了彌補這個缺陷，一些特定的AWB演算法被提出來以適應不同的色溫情況。

一般的演算法通過調節白平衡增益, 使拍攝畫面的顏色接近物體真實的顏色, 增益調節的根據是環境光源的色溫。

一般AWB演算法的步驟:

估算環境光色溫, 經典演算法包括:

1.灰度世界假設演算法

對於一幅含有大量色彩的圖片, 其顏色分量的均值

R¯,G¯,B¯

趨向於同一灰度K, 基於該假設的演算法在圖像色彩分布均勻時, 效果理想; 分布不均時, 效果失常。

2.白塊假設演算法

認為圖像中最亮的點是白色點。一些演算法提取圖像中的顏色特徵, 直接轉換到色溫坐標下進行色溫估計, 實際圖像中的色溫基本是混合色溫, 在實際應用中的這種演算法實現不多。

計算增益並調節

比如, 增益調節最簡單的方式, 通過求取圖像的平均顏色分量對應的增益：

α=G¯/R¯,β=G¯/B¯

然後, 對整副圖的RGB分量進行調整：

R′=αR,G′=G,B′=βB

C. 公路上的測速拍照是什麼原理啊

車輛檢測器分多種類型：
1.線圈式的，在路面下埋有2組感應線圈，當車輛通過時，用兩組線圈的距離除以檢測的時間差，就得到車速了。
2.微波式和雷達式的基本相同。
3.視頻檢測式的是根據攝像機圖像，通過視頻分析軟體計算出車速，計算原理簡單的說也是距離除以時間得到的。

D. 圖像處理的演算法有哪些

圖像處理基本演算法操作從處理對象的多少可以有如下劃分：
一）點運算：處理點單元信息的運算
二）群運算：處理群單元 （若干個相鄰點的集合）的運算
1.二值化操作
圖像二值化是圖像處理中十分常見且重要的操作，它是將灰度圖像轉換為二值圖像或灰度圖像的過程。二值化操作有很多種，例如一般二值化、翻轉二值化、截斷二值化、置零二值化、置零翻轉二值化。
2.直方圖處理
直方圖是圖像處理中另一重要處理過程，它反映圖像中不同像素值的統計信息。從這句話我們可以了解到直方圖信息僅反映灰度統計信息，與像素具體位置沒有關系。這一重要特性在許多識別類演算法中直方圖處理起到關鍵作用。
3.模板卷積運算
模板運算是圖像處理中使用頻率相當高的一種運算，很多操作可以歸結為模板運算，例如平滑處理，濾波處理以及邊緣特徵提取處理等。這里需要說明的是模板運算所使用的模板通常說來就是NXN的矩陣（N一般為奇數如3,5,7,...），如果這個矩陣是對稱矩陣那麼這個模板也稱為卷積模板，如果不對稱則是一般的運算模板。我們通常使用的模板一般都是卷積模板。如邊緣提取中的Sobel運算元模板。

E. 紅綠燈抓拍是怎麼拍的，有什麼原理嗎

1、當汽車前輪壓過地上的感應線圈或停止線時，電子眼拍攝第一張汽車照片。

2、當汽車後輪壓過地上的感應線圈或停止線時，電子拍攝第二張汽車照片。

3、當汽車通過路口壓過對面地上的感應線圈或停止線時，電子拍攝第三張汽車照片。

一項集電子、計算機以及通訊技術為一體的高新技術產品，用於對路口闖紅燈車輛的自動識別和違法照片自動拍攝。系統採用地感線圈、視頻、雷達等車輛檢測單元對闖紅燈車輛進行檢測，當有違章闖紅燈車輛時，前端的抓拍單元對車輛進行圖像抓拍，抓拍方式一般分為：標清攝像機、高清攝像機及數碼相機等方式。

(5)抓拍圖像演算法擴展閱讀：

後期處理：

當圖像被下載傳輸指揮中心以後，就需要對圖像進行登記、編號、公告，再傳輸到中心計算機資料庫，以備各種機關調用。

1、違章處理

指揮中心收到圖片，會將車牌號信息與車管所信息相比對，從而調出車輛的綜合信 息，如車主、車型、顏色等，然後由信息處理人員錄入北京市公安交通管理局網站， 以使違章車主能夠進行查詢。

2、信息問題

不是所有違章的車輛都能夠被拍下來，只有車牌圖片清晰的情況下，信息錄入人員才能將違章車輛輸入資料庫進行處理。

3、拍攝范圍

一個攝像機通常只拍一個車道，少數可拍兩個車道，一般都是設在從左向右數的第一 和第二條車道上。數碼相機的拍攝范圍較寬，所以在城區內大多數都能夠拍到同向所 有的車道。

F. 高清電子警察抓拍開車抽煙打電話，是通過什麼原理來完成的呢

電子警察拍攝原理：

1. 電子眼採用感應線來感應路面上的汽車傳來的壓力,通過感測器 將信號採集到
   中央處理器,送寄存器暫存（該數據在一個紅燈周期內有效）。

2. 在同一個時間間隔內（紅燈周期內）,如果同時產生兩個脈沖信 號,即視為 「有效」,簡單的說,就是如果當時紅燈,你的頭輪子過線了,而後輪子沒出線,則只產生了一個脈沖,在沒有連續的兩個脈沖時,不拍照；

3. 有些情況是：有的人開車前輪越過線了,怕被拍到,於是他又倒一下車,回到線內,結果還是被照了,什麼原因?就是因為一前一後的,產生了「一對」脈沖信號（這一對脈沖是在同一個紅燈周期內產生的） 。

4. 黃燈亮時,拍照系統延時2s後啟動；紅燈亮時,系統已經啟動；綠燈將要亮時,提前2s關閉系統,主要是為了防止誤拍.所以很多計程車司機都知道,差不多就可以走了,一樣沒事就這個道理.但是建議大家不這樣做,因為時機比較難把握喲。

拓展資料：

5.十字路口多個攝像頭。一般就是在紅綠燈的路口處，最常用的是主幹道限速60公里每小時的路段上。還出現在一些高架橋下等等，非常隱蔽。

G. 在圖像處理中有哪些演算法

1、圖像變換：

由於圖像陣列很大，直接在空間域中進行處理，涉及計算量很大。採用各種圖像變換的方法，如傅立葉變換、沃爾什變換、離散餘弦變換等間接處理技術，將空間域的處理轉換為變換域處理，可減少計算量，獲得更有效的處理。它在圖像處理中也有著廣泛而有效的應用。

2、圖像編碼壓縮：

圖像編碼壓縮技術可減少描述圖像的數據量，以便節省圖像傳輸、處理時間和減少所佔用的存儲器容量。

壓縮可以在不失真的前提下獲得，也可以在允許的失真條件下進行。

編碼是壓縮技術中最重要的方法，它在圖像處理技術中是發展最早且比較成熟的技術。

3、圖像增強和復原：

圖像增強和復原的目的是為了提高圖像的質量，如去除雜訊，提高圖像的清晰度等。

圖像增強不考慮圖像降質的原因，突出圖像中所感興趣的部分。如強化圖像高頻分量，可使圖像中物體輪廓清晰，細節明顯；如強化低頻分量可減少圖像中雜訊影響。

4、圖像分割：

圖像分割是數字圖像處理中的關鍵技術之一。

圖像分割是將圖像中有意義的特徵部分提取出來，其有意義的特徵有圖像中的邊緣、區域等，這是進一步進行圖像識別、分析和理解的基礎。

5、圖像描述：

圖像描述是圖像識別和理解的必要前提。

一般圖像的描述方法採用二維形狀描述，它有邊界描述和區域描述兩類方法。對於特殊的紋理圖像可採用二維紋理特徵描述。

6、圖像分類：

圖像分類屬於模式識別的范疇，其主要內容是圖像經過某些預處理（增強、復原、壓縮）後，進行圖像分割和特徵提取，從而進行判決分類。

圖像分類常採用經典的模式識別方法，有統計模式分類和句法模式分類。

(7)抓拍圖像演算法擴展閱讀：

圖像處理主要應用在攝影及印刷、衛星圖像處理、醫學圖像處理、面孔識別、特徵識別、顯微圖像處理和汽車障礙識別等。

數字圖像處理技術源於20世紀20年代，當時通過海底電纜從英國倫敦到美國紐約傳輸了一幅照片，採用了數字壓縮技術。

數字圖像處理技術可以幫助人們更客觀、准確地認識世界，人的視覺系統可以幫助人類從外界獲取3/4以上的信息，而圖像、圖形又是所有視覺信息的載體，盡管人眼的鑒別力很高，可以識別上千種顏色，

但很多情況下，圖像對於人眼來說是模糊的甚至是不可見的，通過圖象增強技術，可以使模糊甚至不可見的圖像變得清晰明亮。

H. 圖像識別演算法都有哪些

圖像識別，是指利用計算機對圖像進行處理、分析和理解，以識別各種不同模式的目標和對像的技術。一般工業使用中，採用工業相機拍攝圖片，然後再利用軟體根據圖片灰階差做進一步識別處理，圖像識別軟體國外代表的有康耐視等，國內代表的有圖智能等。另外在地理學中指將遙感圖像進行分類的技術。

I. opencv關於像素點的圖像匹配演算法

首先，建議你將圖像中感興趣區域（比如上圖中的字母）取出來進行歸一化，然後在進行匹配率計算。這是因為周圍環境會對匹配率產生影響。
其次，建議你將匹配率演算法改成Hausdorff距離https://en.wikipedia.org/wiki/Hausdorff，這樣對圖像有些平移什麼的都不怎麼敏感了。