早期圖像處理技術(shù)的應(yīng)用范圍受到圖像處理設(shè)備價格昂貴以及處理速度緩慢的影響，僅局限于某些領(lǐng)域;及至70年代后至今，隨著理論的發(fā)展與集成電路革命造就計算機(jī)科技的進(jìn)步，使得圖像處理的應(yīng)用范圍漸廣。
美國于1978年由聯(lián)邦高速公路局委托E.E. Hilbert、C. Carl、W. Gross、G.R. Hanson、M.J. Olasaby及A.R. Johnson發(fā)展寬域檢測系統(tǒng)(Wide Area Detection System , WADS)，其它各國如日本、法國、英國、瑞典等也已陸續(xù)投注了相當(dāng)?shù)难芯浚⒂胁诲e的成績。相對于國外，國內(nèi)將圖像處理技術(shù)應(yīng)用于交通的發(fā)展，在近年已經(jīng)有相當(dāng)程度的進(jìn)步，如國內(nèi)目前相當(dāng)熱門的車牌識別，有多個廠家推出了相應(yīng)的產(chǎn)品。下面將針對圖像處理技術(shù)在交通上的應(yīng)用分車輛檢測、車種識別、車輛跟蹤三個部分做簡單介紹。
1)、車輛檢測
車輛檢測的方法可大致歸類為樣本點檢測、檢測線檢測以及全畫面式檢測等途徑，另外針對夜間車輛檢測進(jìn)行說明如下：
(1)、樣本點檢測
在車道的某一部分選取類似矩陣的樣本點，當(dāng)車輛通過時，樣本點之灰階值與原路面不同，若兩者相減的統(tǒng)計值超過某一門檻值，即表示車輛的存在。
(2)、檢測線檢測
此法是于垂直或平行車流方向布設(shè)由象素組成之虛擬檢測線，如圖2所示。一般由亮點來組成，以方便區(qū)隔路面與檢測線的象素深度。當(dāng)車輛通過檢測線時，線上的灰階值與沒有車輛通過路面時有差異;若灰階值的差異大于某門檻值，則表示有車輛通過。由于樣本點或檢測線檢測法僅擷取部分象素資料進(jìn)行處理，處理的資料量明顯減少，因此運算時間縮短許多;為了達(dá)到實時(Real-Time)檢測的要求，目前已實際運用于交通檢測的圖像處理系統(tǒng)AUTOSCOPE便是以檢測線做處理。
在車輛運行單純的路段，以樣本點或檢測線作為車輛檢測的途徑可獲得不錯的結(jié)果;但在復(fù)雜的路口內(nèi)，如何布設(shè)樣本點或檢測線將是首先遭遇的難題，因為路口內(nèi)車輛除直行外，尚有轉(zhuǎn)向行為，任何位置均可能有車輛出現(xiàn)。
(3)、全畫面式檢測
以全畫面作處理的車輛檢測方法所能獲得的信息較多，但相對地要處理的資料量也明顯增加許多。屬于此法的檢測方式有背景相減法與二值化法兩種：背景相減法系取一張無車輛存在的圖像作為背景，當(dāng)含有車輛的圖像與背景圖像逐點相減后，車輛的部分即被減出，如TRIP系統(tǒng)。二值化法將圖像以某一門檻值進(jìn)行切割，象素深度高于該值的成為255(白)，低于該值者則變成0(黑)，如此可將物體與背景分離。
背景相減法與二值化法均存在許多缺點，前者如背景需要經(jīng)常更新，后者則過程繁復(fù)，而二者共同的缺點便是當(dāng)物體顏色與背景相近時將面臨切割失敗的命運，此外，門檻值確立不易，故有多值切割方法的提出，但過程益顯復(fù)雜。
(4)、夜間車輛檢測
國外R. Taktak、Rita Cucchiara、Cucchiara等人認(rèn)為由于夜間圖像所具有的信息與白天圖像相當(dāng)?shù)牟煌虼嗽谒惴ǖ氖褂蒙吓c檢測流程上會有相當(dāng)程度的不同。一般而言在夜間與較暗的照明度之下，唯一醒目的視覺特征為車頭燈與其光柱、街燈以及高度反射光線的型態(tài)(如斑馬線)。他們認(rèn)為夜間圖像并不適合用移動檢測算法。
2)、車輛識別
(1)、車輛識別
由于國內(nèi)與國外交通組成的不同，國外的研究僅對大車與小車兩種作辨認(rèn)，而國內(nèi)則較復(fù)雜，但一般研究均簡化車種為大車、小車與機(jī)車，以此三類做識別。
以檢測線或樣本點作為識別車種的途徑時，由于所取資料量少，較不利于車種識別，故以此法進(jìn)行者較少。就日間圖像的車輛識別來說通常以車輛的特征如：外型、尺寸為分類準(zhǔn)則。相關(guān)文獻(xiàn)整理如下。
近年發(fā)展迅速、應(yīng)用到許多領(lǐng)域的“類神經(jīng)網(wǎng)絡(luò)(Neural Network)”也被應(yīng)用到車種的識別上。此外，亦可藉由車輛牌照途徑，將號碼圖像二值化，以特征匹配的方式識別并記錄該車牌號碼，透過數(shù)據(jù)庫的比對，每個號碼可對應(yīng)于某一車種，可用于抓拍違章車輛、車輛計數(shù)、車種識別、起迄點調(diào)查與旅行時間分析等。
(2)、車牌識別
車牌識別的技術(shù)近年來在國內(nèi)已經(jīng)日趨成熟。有些學(xué)者認(rèn)為車牌識別可分三階段：前處理，將圖像二值化后進(jìn)行清除噪聲。而后車牌定位，利用連接組件標(biāo)示法，找出圖像中之連接組件加以分析，進(jìn)而判斷車牌位置。字符識別，分割字符完畢后依文字大小設(shè)定結(jié)構(gòu)組件之大小，最后利用型態(tài)學(xué)的方法找出文字特征加以比對。
還有一些學(xué)者采用其它方法，如搜尋車牌后以圖素分割法切割字符住后利用類神經(jīng)網(wǎng)絡(luò)識別字符;或者利用灰階轉(zhuǎn)換數(shù)之計算找出可能之車牌位置，再分割字符，在利用筆劃分析法識別字符;或者利用圖像中灰階值之變化特性尋找車牌位置，在利用垂直投影直方圖分割字符，以灰階值關(guān)連度進(jìn)行識別。
(3)、車輛跟蹤
連續(xù)圖像中，車輛軌跡的記錄即稱為跟蹤。Anthony 最先提出以檢測車輛并配合預(yù)測車輛位置的方式，連續(xù)跟蹤車輛的軌跡。其中以樣本點或檢測線方式做跟蹤者，由于選取的象素僅局限于某固定范圍，處于被動狀態(tài)，較不利跟蹤之進(jìn)行。便是以各臨近方向均為雙向二車道的 T 字型路口為例，在進(jìn)入路口前及離開路口后之車道上布設(shè)橫向檢測線屏蔽(Mask)，以記錄車輛進(jìn)入與離開之臨近方向編號，同時對車輛在圖像上的形狀、大小與位置等資料作記錄，以跟蹤車輛，但誤差頗大。總結(jié)而言，車輛跟蹤的方法有下列四種：模式基礎(chǔ)跟蹤(Model based tracking)、區(qū)域基礎(chǔ)跟蹤(Region based tracking)、輪廓基礎(chǔ)跟蹤(Active contour based tracking)、國外研究文獻(xiàn)中僅針對各車道的單一車輛進(jìn)行跟蹤，要了解路口內(nèi)車輛運作之機(jī)制，非得在同時間針對路口內(nèi)所有方向的車輛做跟蹤處理不可，否則取得的僅為殘破的信息，對整體的助益有限。 隨著行業(yè)的發(fā)展，印刷業(yè)也逐步普及機(jī)器視覺技術(shù)的應(yīng)用。基于機(jī)器視覺技術(shù)的印刷質(zhì)量自動檢測等新技術(shù)不僅簡化了生產(chǎn)流程，而且能大幅度的降低成本，提高生產(chǎn)效率。隨著印刷機(jī)械自動化程度的提高，印刷品質(zhì)量檢測與控制的快速化靈敏化也是質(zhì)量檢測與控制的必然趨勢，而機(jī)器視覺技術(shù)的應(yīng)用優(yōu)勢也不段的體現(xiàn)出來，在印刷過程中對印刷品質(zhì)量的檢測既能適應(yīng)高速印刷，同時又能準(zhǔn)確地檢測出微小的故障，并能將檢測信息迅速反饋給印刷機(jī)，已經(jīng)成為行業(yè)不可獲缺的解決方案。
（轉(zhuǎn)載）
