为了较精确地提取目标的边缘轮廓,针对梯度图像的特征，提出在canny边缘检测算法基础上,采用自适应阈值消除 噪声,探测较精确的边缘轮廓。由于光学成像和高斯平滑滤波等作用,梯度图像中边缘上噪声的分布是呈近似单边正态分布,所以根据梯度图像的灰度均值与方差确定自适应阈值。通过实验仿真比较,采用自适应阈值获得了较准确的边缘轮廓

长途驾驶、疲劳驾驶是引发车祸的主要原因之一。其发生的直接原因，主要是因为车辆在驾驶员意识之外偏离了本车道，从而引发与旁边车道或者对面来车的碰撞。因此，需要先进的设备，可以自动探测识别车道，动态跟踪车道线，并预算出未来数秒内车辆的运行状态，在判断出车辆在一定时间之后就要偏离出本车道时，如果没有检测到本车转向灯信号（说明不是驾驶员有意识地要并道或转向），则发出预警信号，提醒驾驶员。具有关部门交通事故分析报告，驾驶员如果能提前数秒甚至几分之一秒采取措施，绝大部分的车祸都是可以避免或者降低伤害程度的。

Canny算法进行边缘探测

Canny边缘探测

论文仅供学习参考使用。 车牌图像区域的定位。介绍了区域定位算法可能用到的传统图像处理技术如灰度转换、灰度拉伸、灰度均衡修正、边缘检测等‚并综合运用Prewit和Canny算子进行二值化边缘探测采用相邻象素灰度值相减和中值滤波来消弱背景噪声干扰;接着根据白色跳变点分布图用矩形匹配法实现粗定位求得车牌的大致位置;再根据条件搜索上下边缘根据长宽比信息搜索左右边缘扩展后进行车牌的准确定位裁剪。 阐述了车牌图像的倾斜校正、统一车牌图像背景色的方法以及如何根据经验规则 法去除车牌上下边框和铆钉进而反旋转去毛