如何从照片中提取交通标志？

我可以使用哪些图像分析技术从图像（例如下图）中提取交通标志？

编辑：

各向异性扩散后：我不需要的背景被清除了一点

扩张后：

扩散后的阈值：无法为此目的找出最佳阈值

但是我不知道如何删除背景？

编辑：我只想要我图像的这些部分

拍摄另一个输入图像：

应用中值滤波和边缘检测：

底帽过滤后：

如何隔离路标，请帮助？

您是否尝试过类似关联的简单操作？

（编辑）。相关性背后的想法是使用模板（在您的情况下为经过训练的路标样本），并将其与测试图像中的每个位置进行比较。我用来生成以下图像的比较操作称为归一化互相关。粗略地说，您要标准化（平均= 0，标准偏差= 1）模板中要匹配的像素和图像部分，将它们逐像素相乘，然后计算乘积的平均值。这样，您将获得“匹配分数”，即在测试图像中每个位置处模板和测试图像之间的相似性度量。匹配度最高（相关性最高）的位置最有可能成为路标的位置。（实际上，我已经使用了Mathematica函数CorrelationDistance生成下面的图像，该图像为1-（归一化相关性）。因此，匹配图像中最暗的点对应于最佳匹配）。

我没有其他模板，因此我从您发布的第二张图片中简单地剪下了标牌：

即使模板稍微旋转，互相关仍然看起来可用

最佳匹配位于正确的位置：

（当然，您需要每个模板的多个缩放版本以检测任何大小的信号）

在我的硕士期间，我的主管所参与的项目是处理和识别视频序列中各种不同的交通信号（例如道路检测，道路中心线检测以及交通标志检测和识别）。我们正在处理的视频帧在许多方面都与示例图像相似。

虽然我个人没有处理交通标志，但我认为最好的结果是使用Viola-Jones算法（论文）获得的。简而言之，这是一种使用级联的弱分类器（其准确度仅比随机算法高一些的算法）来构造即使在困难任务中也很健壮的强分类器的算法。

该项目称为MASTIF（映射和​​评估交通基础设施状况），并且做得非常好。该项目的出版物页面可能非常有用，因为它提供了与该项目有关的所有已发表论文的链接。为了给您一个主意，让我按时间顺序选出一些出版物：

• SinišaŠegvić的KarlaBrkić，Axel Pinz：“交通标志检测是自动交通基础设施清单系统的组成部分”
• A.Martinović，G。Glavaš，M。Juribašić，D。Sutić和Z.Kalafatić：“交通标志的实时检测和识别”
• IgorBonači，IvanKusalić，IvanKovaček，ZoranKalafatić，SinišaŠegvić：“解决交通标志检测和识别中的虚假警报和本地化不准确问题”

再一次，我没有亲自处理交通标志，但我认为您可以在这里找到很多有用的材料。另外，我建议您仔细阅读论文中引用的参考文献，因为它们也可能会有所帮助。

好吧，谷歌搜索road way signs detection为您提供了许多有关该主题的好论文。

有些使用特殊的蓝色，绿色，红色等颜色分割。

有些先应用高斯平滑，然后再进行精巧边缘检测和轮廓查找以提取指示牌。

尝试以下两个链接：链接1，链接2

我绝对不是专家，但是您可以从边缘检测（例如canny）开始，然后进行hough变换以检测圆形，矩形，正方形或三角形（基于要检测的符号），然后可以进行模板处理匹配或直方图匹配（如果颜色足够鲜明）（在霍夫变换返回的候选对象上）。

第一步（使用霍夫变换检测候选对象）比较困难。我可以想到许多方法来检测该候选人是否是标志。这是一个有趣的问题。喜欢解决它:)

顺便说一句，我敢肯定，您会找到与之高度相关的优秀研究文章