比较两个图像时查找不同区域边缘的算法或工具
Algorithm or tool for finding edges of a different area when comparing two images
我正在从事一个社区项目，其目标是减少超速违规行为。为了识别汽车的牌照，我使用 OpenALPR。问题是它对相机位置很敏感，即角度，当角度大于 20 度时，OpenALPR 无法检测到 LP（是的，我已经阅读了关于良好相机位置的建议，但 IRL 有时它们不能满意）。
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。
我正在寻找可以自动裁剪的解决方案。可以比较两个图像的算法或工具"base"和"target"和return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。我正在试验最后几个小时，但没有成功。
基本图像将如下所示：
目标图片将如下所示：
（这只是视频中的两帧）
（原始图像尺寸更大，即 3840x2160）
是否有算法或工具可以帮助我自动执行此任务？
基本的方法是求差，即逐像素取RGB分量值的绝对差值。差异大的地方有检测
但这可能效果不佳（对于给定的图像也是如此），因为两张图片可能略微未对齐，并且风可以移动植被。
所以我推荐
将图像分辨率降低一个重要因素（比如 8）；
模糊缩小后的图像；
计算绝对差；
保持成分间的最大差异；
二值化阈值；
最后使用连通分量标记找到最重要的斑点并消除残留干扰。
一定要刷新背景图（当你确定没有车的时候），避免日常漂移的效果（总是有缓慢的变化）。归一化图像强度以阻止环境照明的变化也可能有用（通过的云 f.i。）。
我正在从事一个社区项目，其目标是减少超速违规行为。为了识别汽车的牌照，我使用 OpenALPR。问题是它对相机位置很敏感，即角度，当角度大于 20 度时，OpenALPR 无法检测到 LP（是的，我已经阅读了关于良好相机位置的建议，但 IRL 有时它们不能满意）。
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。
我正在寻找可以自动裁剪的解决方案。可以比较两个图像的算法或工具"base"和"target"和return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。我正在试验最后几个小时，但没有成功。
基本图像将如下所示：
目标图片将如下所示：
（这只是视频中的两帧）
（原始图像尺寸更大，即 3840x2160）
是否有算法或工具可以帮助我自动执行此任务？
基本的方法是求差，即逐像素取RGB分量值的绝对差值。差异大的地方有检测
但这可能效果不佳（对于给定的图像也是如此），因为两张图片可能略微未对齐，并且风可以移动植被。
所以我推荐
将图像分辨率降低一个重要因素（比如 8）；
模糊缩小后的图像；
计算绝对差；
保持成分间的最大差异；
二值化阈值；
最后使用连通分量标记找到最重要的斑点并消除残留干扰。
一定要刷新背景图（当你确定没有车的时候），避免日常漂移的效果（总是有缓慢的变化）。归一化图像强度以阻止环境照明的变化也可能有用（通过的云 f.i。）。