이미지 처리

Imatest 이미지 처리 모듈은 다음과 같은 여러 이미지 처리 작업을 시뮬레이션합니다.

• 노이즈, 안개, 흐림과 같은 이미지 저하 현상뿐만 아니라
• 색상 보정 매트릭스 적용, 톤 매핑(HDR(고해상도) 영상에 사용), 선명도 향상(표준 및 언샤프 마스크(USM)), 양방향 필터링과 같은 이미지 개선 기능이 포함됩니다.

처리되지 않은 이미지와 처리된 이미지를 전환하여 이러한 작업의 시각적 효과를 즉시 확인할 수 있으며, SSIM , PSNR , MTF를 포함한 여러 측정값에 처리가 미치는 영향을 볼 수 있습니다. 또한 광학 문자 인식(OCR) 및 얼굴/사람 감지 기능도 사용할 수 있습니다. 이 밖에도 디모자이킹 알고리즘 테스트에 사용할 수 있도록 디모자이킹되지 않은(시뮬레이션된 Bayer RAW) 형식으로 이미지를 저장하는 등 다양한 추가 기능도 제공됩니다.

이미지 처리 기능은 모든 이미지(테스트 차트 또는 기타) 또는 동일한 크기와 장면 내용을 가진 이미지 쌍(일반적으로 동일한 이미지 캡처에서 추출)과 함께 작동합니다.

이미지 처리 기능은 여러 이미지를 일괄적으로 처리할 수도 있으며 , 이미지를 자동으로 읽고 처리하고 일괄적으로 저장할 수 있습니다.

이미지 처리 기능은 원래 고객들이 일반적인 이미지 품질 저하 및 처리 과정이 측정값과 외관에 미치는 영향을 학습할 수 있도록 돕는 교육용 애플리케이션으로 설계되었습니다. 이 기능은 이미지 센서 및 전자 이미징 컨퍼런스에서 마지드 라바니가 진행한 이미지 처리 단기 강좌에서 영감을 받았습니다.

이미지 처리 실행 중

유틸리티 메뉴에서 이미지 처리를 엽니다. 그러면 기본 지침이 포함된 초기 이미지 처리 창이 열리고, 혼동을 최소화하기 위해 많은 버튼이 비활성화되어 있습니다. 지침은 주기적으로 업데이트될 수 있습니다.

이미지 처리 시작 창입니다. 이미지를 클릭하면 전체 크기로 볼 수 있습니다.

입력 이미지 파일을 읽습니다 . 어떤 유형의 이미지든 사용할 수 있습니다. 테스트 차트일 필요는 없습니다. (1) 은 첫 번째 단계이기 때문에 버튼에 있습니다. 이미지를 지금 자르거나 나중에 자를 수 있습니다. 자르기 설정은 유지됩니다.

여러 파일을 일괄적으로 읽고 처리합니다. 여러 파일을 선택하면 저장된 설정에 따라 모든 파일을 일괄적으로 읽고 처리한 후 자동으로 저장합니다. (대부분의 출력물은 표시되지 않지만, 저장된 파일을 열어 내용을 확인할 수 있습니다.) 파일을 선택하면 오른쪽에 표시된 대화 상자가 열립니다. 예를 들어, `root_file_name.ext` 형식의 파일은 `root_file_name - ext -improc.png`와 같이 저장됩니다.

일괄 이미지 처리를 시작하기 전에 먼저 단일 이미지 처리를 실행하여 설정이 올바른지 확인하십시오. 일괄 처리 계산은 속도에 최적화되어 있지 않으므로 이미지당 일반적으로 몇 초가 소요되는 일괄 처리는 대량의 이미지 처리에 적합하지 않습니다.

다음으로, 둘 중 하나

• 첫 번째 이미지와 동일한 장면 내용을 갖지만 이미지 처리가 다른 다른 파일을 읽습니다 . 이는 [이미지 파일 읽기(2)]를 눌러 수행합니다. 예를 들어, 서로 다른 ISO 속도로 촬영한 두 이미지, 서로 다른 파일 형식(예: 서로 다른 JPEG 압축 수준)으로 저장된 두 이미지, 또는 카메라에서 촬영한 JPEG 파일과 외부에서 변환한 JPEG 파일 등이 있습니다.
• 왼쪽 열에서 설정을 선택한 다음 '계산 업데이트'를 눌러 이미지를 처리하세요 . 왼쪽 열에서 선택된 블록은 위에서 아래 순서대로 실행됩니다.

이 두 작업 중 하나가 완료되면 모든 버튼이 활성화됩니다. 원본 이미지와 처리된 이미지를 빠르게 전환하거나, 두 이미지를 비교하는 측정값을 표시하거나, 처리된 이미지를 저장할 수 있습니다. 준비가 되면 원본 이미지 또는 처리된 이미지를 시작점으로 하여 다른 이미지 처리 작업을 실행할 수 있습니다.

다음은 흩어진 동전 차트 이미지(잘라낸 부분)에 대한 이미지 처리 화면입니다. 입력 이미지(품질은 양호하지만 약간의 노이즈가 있음)가 표시됩니다.

쏟아진 동전 입력 이미지를 보여주는 이미지 처리 창
확대 (표시용)

자르기 및 확대/축소 - 자르기/확대/축소 작업에는 크게 두 가지 유형이 있습니다. 하나는 표시 전용 확대/축소이고, 다른 하나는 계산(및 표시)을 위한 자르기입니다.

• 확대/축소(표시용으로 자르기 포함) 는 표준 MATLAB 절차에 따라 수행됩니다. 이미지를 클릭하면 확대되고, 드래그 후 클릭하여 영역을 선택하거나, 두 번 클릭하면 축소됩니다. 이러한 확대/축소는 MTF와 같은 계산에는 영향을 미치지 않습니다.
• 계산 및 표시를 위한 이미지 자르기는 이미지 아래의 분석 및 보기 영역에서 자르기 버튼을 눌러 수행합니다. 이 버튼을 누르면 표준 Imatest의 거친 자르기 및 세밀한 자르기 창이 나타납니다. 이 방법은 MTF 곡선(여러 처리 블록에서 이미지에 따라 달라짐) 또는 평균 SSIM 계산과 같은 계산에 영향을 미칩니다(단, 상세 SSIM 플롯은 영향을 받지 않습니다). 자르기 버튼을 누르면 창 오른쪽 하단에 축소 및 확대/축소 버튼이 나타납니다. 자른 부분을 제거하려면 자르기 버튼을 누르고 전체 이미지를 선택합니다.

이미지 처리 블록

앞서 언급했듯이, '계산 업데이트' 버튼을 누르면 왼쪽 열의 위쪽에서 아래쪽으로 이미지 처리가 진행됩니다. 일부 향상 단계, 특히 언샤프 마스킹은 JPEG 처리를 위해 카메라에서 일반적으로 수행됩니다. 하지만 Imatest 에서 RAW 이미지를 디모자이킹할 때( dcraw 또는 Generalized Read Raw 사용) 이러한 단계는 수행되지 않습니다.

다음은 현재 사용 가능한 처리 함수 목록입니다. 대부분은 표준 MATLAB 함수이며, 하나는 Mathworks File Exchange에서 사용자가 제공한 함수입니다. 비균일성 또는 비선형성은 굵은 파란색 으로 표시됩니다. 비균일성 또는 비선형 연산은 이미지 정보 측정 계산에 권장되지 않습니다.

처리 블록	설명	기능: 링크에 설명되어 있습니다
선형화	계산 시작 시 이미지를 선형화(감마 인코딩 제거)합니다. 선형화된 이미지에 연산을 적용한 후 감마 인코딩을 다시 적용합니다. 이 방법은 표준 샤프닝( 샤프닝 페이지에 설명된 1D 샤프닝의 2D 버전)에 가장 유용하며, USM에는 적합하지 않습니다.
감마	(엄밀히 말하면 화질 저하라고 할 수는 없지만) 이미지에 감마 인코딩을 추가하거나 제거합니다. 감마 인코딩을 제거하고 필터를 적용한 다음 (두 번째 단계에서) 다시 감마 인코딩을 적용해야 하는 경우가 있습니다. 감마 값은 입력 감마 값을 1로 가정했을 때의 상대적인 값입니다. 출력 이미지 = 입력 이미지 의 감마 값
부정적인	이미지를 반전시켜 네거티브 이미지로 만듭니다(5.0.4 버전에서 추가됨).
이미지 품질 저하 : 처리 전 이미지에서 흔히 발견됩니다. 일반적으로 작업은 선형적으로 진행됩니다.
안개(플레어)	이미지에 안개 효과를 주는 것: 플레어 효과를 추가하거나 눈부심을 가리는 것과 같은 효과입니다. 이미지 출력 = sqrt(fog + (1-fog)*handles.image in 2 )
가우시안 필터 1	(노이즈를 적용하기 전에) 이미지를 흐리게 만듭니다. 이는 렌즈 흐림 효과를 시뮬레이션합니다.	imgaussfilt : 매개변수 sigma를 사용한 2차원 이미지 가우시안 필터링.
노이즈(가우시안)	이미지에 노이즈를 추가합니다. 이 노이즈는 가우시안 필터 2에 의해 필터링됩니다.	imnoise : HSV V 채널에 노이즈를 추가합니다. 파라미터는 sigma [] 및 Luma noise []입니다.
가우시안 필터 2	(노이즈를 적용한 후) 이미지를 흐리게 하고 노이즈를 추가합니다. 이는 노이즈 스펙트럼에 영향을 미칩니다. σ = 0.5일 때의 스펙트럼은 디모자이킹(원본 변환 시) 결과와 유사하며, 디모자이킹은 나이퀴스트 주파수에서 노이즈를 1에서 0.5로 감소시킵니다.	imgaussfilt : 매개변수 sigma를 사용한 2차원 이미지 가우시안 필터링.
톤 향상: 색상을 보정하거나 HDR(High Dynamic Range) 이미지 표시를 위해 사용되는 세 가지 톤 매핑 알고리즘 중 하나를 적용합니다. 톤 응답은 매우 비선형적일 수 있습니다.
색상 보정 매트릭스(CCM)	색상 보정 행렬(CCM)을 적용합니다. CCM은 멀티차트 에서 계산하고 저장할 수 있습니다. 저장된 값은 이미지 처리 창을 열 때 입력됩니다. CCM 확인란 오른쪽에 있는 'CCM 설정' 버튼을 클릭하면 행렬을 설정할 수 있는 창이 열립니다(오른쪽 그림 참조, 전체 크기로 보려면 썸네일을 클릭하세요). (파일에서 불러오거나 클립보드에서 붙여넣고 옵션(선형화 등)을 선택할 수 있습니다.)	색상 보정 행렬( CCM)은 Multicharts 에서 계산되는 값입니다.
톤 매핑	고화질(HDR) 이미지 렌더링: 톤 매핑이라는 과정을 통해 고화질 이미지를 디스플레이에 적합한 저화질 이미지로 변환합니다. 톤 매핑은 제한된 동적 범위를 가진 디스플레이에서 고화질 이미지의 모양을 근사화하는 데 사용되는 기술입니다. 비균일 및 비선형	톤맵 : 고해상도 이미지를 렌더링하여 보기 쉽게 만듭니다.
로컬 톤 매핑	라플라시안 필터링을 사용하는 HDR 이미지용 대체 톤 매핑 알고리즘입니다. 기존 알고리즘과 다른 조정 설정을 사용하며, 결과적으로 더 포화된 이미지를 생성합니다. 비균일적이고 비선형적인 방식을 사용합니다.	로컬톤맵
대비 제한 히스토그램 평활화	CLAHE는 전체 이미지가 아닌 타일 이라고 불리는 이미지의 작은 영역을 대상으로 작동합니다. 각 타일의 대비를 향상시켜 출력 영역의 히스토그램이 '분포(Distribution)' 매개변수로 지정된 히스토그램과 대략적으로 일치하도록 합니다. 그런 다음 인접한 타일을 양선형 보간법을 사용하여 결합하여 인위적으로 생성된 경계를 제거합니다. 특히 균일한 영역에서는 이미지에 존재할 수 있는 노이즈를 증폭시키지 않도록 대비를 제한할 수 있습니다. 비균일 및 비선형	adapthisteq : 대비 제한 적응형 히스토그램 평활화(CLAHE)
공간적 향상: 선명도 향상 및/또는 노이즈 감소. 출력 결과는 이미지 내용에 따라 달라지며, 매우 비선형적일 수 있습니다.
USM(언샤프 마스크)을 선명하게 만드세요	언샤프 마스킹 (USM) 기법을 사용하여 회색조 또는 RGB 입력 이미지를 선명하게 만듭니다. 특히 가장자리 부분에서 효과가 두드러집니다. USM은 원본 이미지에서 가우시안 블러 함수를 빼는 방식으로 작동합니다. 임계값이 0보다 크면 대비가 낮은 영역이 선명해지지 않을 수 있습니다. 자세한 내용은 위키피디아를 참조하십시오 . 이 함수는 선형 함수가 아닙니다. 이로 인해 이미지 정보 측정에서 일부 불일치가 발생했습니다. 선형화할 필요가 없는 이미지에 직접 적용되도록 설계되었습니다. 비선형 함수입니다 (놀랍게도 MATLAB 문서에는 명시되어 있지 않습니다).	imsharp : 언샤프 마스킹(USM)
갈다 기준 ( 신규) 이메이트테스트 24.1 )	이 기능은 선명도 페이지에 설명된 1차원 선명도 향상 방법의 2차원 버전을 사용하여 회색조 또는 RGB 입력 이미지를 선명하게 만듭니다. 특히 가장자리 부분에서 효과가 두드러집니다. 이 기능은 반지름 R 인 원형 궤적 위에 배치된 원본 이미지의 진폭이 감소된 복제본을 원본 이미지에서 빼는 방식으로 작동합니다. 선형성을 유지하려면 '선형화' 옵션을 선택해야 합니다. 이 옵션을 선택하면 계산 시작 시 이미지가 선형화(감마 인코딩 제거)됩니다. 그런 다음 선형화된 이미지에 샤프닝을 적용하고, 마지막으로 감마 인코딩을 다시 적용합니다. SNRi 또는 에지 SNRi와 같은 이미지 정보 지표 에 대한 샤프닝 효과를 테스트하는 데 권장됩니다. 표준 샤프닝은 MATLAB 함수가 아니므로 아래 상자에 자세한 설명을 포함합니다.	사용자 정의 함수입니다. USM 또는 표준 연마 방식 중 하나만 적용할 수 있습니다(둘 다는 불가능합니다).
양측 필터	양방향 필터링은 1998년 Tomasi와 Manduchi가 에지 보존 평활화를 위한 비반복적 방법으로 제안했습니다. 속도가 느릴 수 있습니다. (Mathworks File Exchange에는 다른 양방향 필터가 있으며, 일부는 더 빠르지만 안정적으로 작동하지 않을 수 있습니다.) 매개변수: 반폭 w는 가우시안 양방향 필터 윈도우의 절반 크기입니다. 시그마(범위)는 공간 영역 표준 편차입니다. 시그마(영역)는 강도 영역의 표준 편차입니다. 불균일	bfilter2 (Mathworks File Exchange에서 가져옴):

(비록 기본적인 수준이지만) 완전한 이미지 처리 파이프라인은 원본 이미지 또는 최소한으로 처리된 이미지( ReadRaw 로 디모자이크된 이미지)를 읽은 다음, 색상 보정 행렬(감마 곡선도 적용됨), 선명도 향상 및 양방향 필터와 같은 작업을 적용함으로써 시뮬레이션할 수 있습니다(간단한 예시이며, 다양한 옵션이 있습니다).

유용

이미지 처리 창 상단의 드롭다운 메뉴에는 여러 유틸리티가 있습니다. (창에 버튼을 추가할 공간이 부족합니다.)

결과 표시 및 분석

이미지 아래에 있는 버튼이나 분석 드롭다운 메뉴를 통해 표시 방식을 제어할 수 있습니다. 입력 이미지 또는 처리된 이미지를 시각적으로 표시하거나, 입력 이미지와 처리된 이미지를 비교 분석한 결과를 표시하는 방식을 선택할 수 있습니다.

이미지 바로 아래 왼쪽에 있는 '입력 보기 ' 버튼을 누르면 처리된 이미지가 선택되었을 때 ' 입력 보기 '가, 입력 이미지가 선택되었을 때 ' 처리된 이미지 보기 '가 전환됩니다. 이를 통해 두 이미지를 빠르게 시각적으로 비교할 수 있습니다. 이미지를 전환할 때 확대/축소 설정은 유지됩니다. '입력/처리 보기' 버튼은 '분석 및 보기' 영역의 '입력' 및 '처리됨' 버튼과 동일한 기능을 수행합니다. 이 영역의 다른 버튼들은 계산 결과를 표시합니다.

SSIM은 구조적 유사성 지수(Structural Similarity Index )를 표시하며, 이에 대한 자세한 내용은 SSIM 모듈 페이지에서 확인할 수 있습니다. SSIM의 주요 용도는 파일 저장(예: 다양한 품질의 JPEG 이미지) 및 데이터 전송 과정에서 발생하는 이미지 압축의 가시적인 영향(즉, 화질 저하)을 측정하는 것입니다.

MTF (변조 전달 함수)는 랜덤 모듈의 계산 방식과 유사하게 2차원 푸리에 변환을 사용하여 처리된 이미지와 입력 이미지 사이의 전달 함수를 계산하지만, 한 가지 중요한 차이점이 있습니다. 랜덤 모듈에서는 활성 영역(랜덤/흩어진 동전/낙엽 패턴)의 좌우 회색 영역의 스케일링된 전력 스펙트럼 밀도를 활성 영역의 전체 전력 스펙트럼 밀도에서 빼서 대부분의 노이즈를 제거하는 반면, MTF 측정에서는 노이즈 제거가 이루어지지 않습니다. 따라서 이 MTF 측정은 노이즈에 매우 민감합니다.

언샤프 마스킹 후 노이즈가 있는 가우시안 필터링 이미지의 MTF

고주파 롤오프는 노이즈가 추가된 후에 적용되는 가우시안 필터 2 의 효과입니다(따라서 노이즈의 스펙트럼 파워를 형성합니다).

이미지 왼쪽의 이미지 처리 영역에서 노이즈(가우시안) 와 가우시안 필터 2를 선택 해제한 다음 계산 업데이트를 누르면 언샤프 마스크(USM)만 적용했을 때의 MTF(평균 전달 함수)를 확인할 수 있습니다(이 경우 반경 = 1.5, 양 = 2.5). 언샤프 마스킹은 선명도 페이지에 설명된 선명도 향상 기법과는 다른 스펙트럼 응답 특성을 보입니다. 언샤프 마스킹의 응답은 주기적이지 않고, 양+1에 수렴하여 높은 값을 유지합니다.

이는 이미지 처리를 통해 처리 블록이 외관과 측정값 모두에 미치는 영향을 살펴보는 좋은 예입니다.

USM용 MTF (언샤프 마스크: 반경 = 1.5, 양 = 2.5)

나란히 보기

나란히 보기 기능을 사용하면 입력 이미지와 처리된 이미지를 나란히, 즉 바로 옆에 놓고 비교할 수 있습니다. 이미지 아래 왼쪽 에 있는 '입력 이미지 보기' 또는 '처리된 이미지 보기 ' 바로 아래에 있는 '나란히 보기' 확인란을 클릭하세요. 이 확인란을 처음 선택하면 두 이미지가 전체 크기로 표시됩니다. 한 이미지를 자르면 다른 이미지도 동일하게 잘립니다. 이렇게 하면 의미 있는 비교가 가능합니다.

Dead Leaves 차트를 나란히 비교한 모습입니다. 오른쪽에는 노이즈, 양방향 필터, USM이 추가되었습니다.

나란히 보기 기능을 활성화하면 하단의 분석 및 보기 섹션(MTF, SSIM 등 포함)이 비활성화됩니다. 다시 활성화하려면 체크를 해제하십시오.

리모자이킹(언모자이킹)

[파일]을 클릭하고 [가상 RAW(모자이킹되지 않은) 이미지 저장] 을 선택하면(파일을 읽은 후), 이미지를 합성 Bayer RAW 형식 또는 다른 여러 형식으로 저장할 수 있습니다. 출력은 표준 이미지 파일 형식 또는 순수 바이너리 형식으로 가능합니다. 여러 옵션을 선택할 수 있는 대화 상자가 열립니다.

모자이크 처리 또는 채널 선택: 없음(일반 색상 파일 출력), 리모자이크(베이어 형식), RCCC(빨강-투명-투명-투명): R 밝음, RCCC(빨강-투명-투명-투명): R = C/3, 흑백(Y = 휘도), 흑백(평균: 동일 가중치), 빨강, 초록, 파랑. 리모자이크(베이어 RAW 파일 생성)를 하려면 리모자이크(베이어 형식)를 선택해야 합니다.

RmCn의 빨간색 메뉴를 사용 하면 네 가지 Bayer 구성 중 하나를 선택할 수 있습니다.

감마 조정 기능을 사용하면 출력 곡선의 감마를 조정할 수 있습니다. 변경하지 않으려면 값을 1로 유지하십시오. 일반적인 색 공간 감마에서 선형(감마 = 1)으로 변경하려면 값을 2(또는 2.2)로 설정하십시오.

저장 파일 형식을 선택하면 표준 이미지 파일 형식(PNG, JPG(90% 품질), TIF(대용량), BMP, 8비트 바이너리 또는 16비트 바이너리)을 선택할 수 있습니다. 바이너리 파일은 일반화된 읽기 RAW 로 읽을 수 있습니다.

녹색 채널 강조 기능을 사용하면 합성 RAW 이미지가 실제 RAW 이미지와 유사하게 녹색 채널을 강조할 수 있습니다. 실제 RAW 이미지는 일반적으로 녹색 영역이 가장 강렬합니다. 파란색/빨간색 레벨도 여러 단계로 조절할 수 있습니다.

[저장]을 선택하면 저장 위치와 파일 이름을 선택할 수 있는 대화 상자가 나타납니다. 기본값은 루트 파일 이름 _png(선택한 확장자 포함)입니다.

광학 문자 인식(OCR)

Imatest 5.0 에는 MATLAB의 OCR 함수( Tesseract-OCR 구현체)를 사용하여 OCR 기능이 추가되었습니다. 사용 방법은 다음과 같습니다.

• 관심 있는 텍스트가 포함된 이미지를 읽어보세요.
• 필요한 경우 이미지를 처리합니다. 처리는 이미지 손상(흐림, 노이즈 등)을 적용하여 탐지에 미치는 영향을 확인하거나, 이미지 개선(언샤프 마스크, 양방향 필터링 등)을 통해 탐지 성능을 향상시킬 수 있는지 확인하는 것으로 구성될 수 있습니다.
• 텍스트 영역만 남도록 이미지를 자릅니다(텍스트 외에 다른 요소가 포함된 중요한 영역이 있는 경우 강력히 권장됨).
• OCR을 클릭하세요.

이 기능을 사용하면 OCR 창이 열리고 이미지의 특정 영역에 텍스트 인식 작업이 수행됩니다. 오른쪽 샘플 이미지(노이즈(가우시안) = 0.002, 가우시안 필터 2 = 0.7로 약간 손상된 이미지)에 대한 결과는 아래와 같습니다. 이 이미지를 다운로드하여 다양한 손상 및 개선 설정이 OCR 성능에 어떤 영향을 미치는지 직접 실험해 볼 수 있습니다.

미리 경고합니다. MATLAB의 OCR 성능은 그다지 인상적이지 않습니다 . 읽기 쉬워 보이는 텍스트조차도 제대로 인식하지 못하며, 특히 글꼴 크기가 12포인트 미만인 경우 더욱 그렇습니다. 성능은 gImageReader ( Tesseract-ocr의 GUI 프런트엔드) 및 TopOCR 과 같은 여러 무료 또는 저가형 OCR 프로그램과 비슷한 수준입니다.

왼쪽 샘플 이미지는 크기가 20포인트에서 7포인트까지 다양한 Calibri 글꼴(일반, 굵게, 네거티브 굵게)로 된 문자 세트(QWERTYUIOPASDFGHJKLZXCVBNM1234567890)로 구성됩니다. 이 문자들은 자동차 번호판에 사용되는 문자입니다. 해당 파일(여기) 은 Microsoft Word로 생성되었습니다. 이미지의 나머지 부분은 쐐기 모양 영역과 두 개의 고대비 사각형으로 이루어진 향상된 eSFR ISO 차트의 일부입니다. 이 영역을 사용하여 MTF 측정값과 OCR 성능 간의 상관관계를 분석할 수 있습니다.

OCR 설정

문자 부분 집합을 입력하여 유효한 출력 문자를 제한하면 결과 정확도를 향상시킬 수 있습니다( 문자 부분집합이 비어 있으면 모든 문자가 허용됨). 그런 다음 'OCR 계산' 버튼을 누르십시오. 샘플 이미지의 경우, 부분집합은 라틴 대문자와 숫자(자동차 번호판에서 흔히 볼 수 있는 문자)로 구성됩니다. 하지만 이 방법은 정확도를 약간만 향상시킵니다.

QWERTYUIOPASDFGHJKLZXCVBNM1234567890

표준 OCR은 차량 번호판 인식에 그다지 효과적이지 않습니다. Matlab File Exchange 에는 여러 차량 번호판 인식 루틴이 있습니다. 그중 성능이 우수하고 라이선스가 허용하는 루틴이 있다면 한두 개 정도 추가할 수 있습니다.

(표시된) 텍스트 표시가 기본값입니다. 단어 신뢰도와 개별 단어를 표시하는 '단어 신뢰도 및 신뢰도'를 선택할 수도 있습니다. 다음은 표시된 내용의 일부 예시입니다.

0.8545 QWERTYUIOPASDFGHJKLZXCVBNM1234567890
0.8361 QWERTYUIOPASDFGHJKLZXCVBNM123456789O
0.9018 18
0.7842 QWERTVU|OPASDF6HJKLZX(VBNM1234567890
0.8339 16
0.7468 QWEKTYUIOPASDFGHJKLZXCVBNM1234567B90
0.8254 14
0.7252 QWERYYUIOPASDFGI-1JKLZX(\/ENM1Z34567E9(!
0.7784 12
0.5777 QWERTYUWDDASDFGHJI(LZXCVBNM113A567E9u
0.6549 11
0.6276 uwEuHu\onAsur:.r<n<.zxn'aNM:23-4ss7s9u
0.7658m

클립보드에 복사하기 현재 화면의 내용을 클립보드에 복사하여 텍스트 편집기나 다른 응용 프로그램에서 사용할 수 있습니다.

결과를 저장하면 현재 화면이 저장됩니다.

설정 드롭다운 메뉴에서 가변 폭 글꼴 또는 고정 폭 글꼴을 선택할 수 있습니다.

얼굴 및 사람 감지

얼굴 및 사람 감지 기능은 분석 드롭다운 메뉴에서 호출할 수 있습니다. 현재 두 기능 모두 MATLAB 기본 설정을 사용합니다. (향후 옵션 창을 추가할 수 있습니다.) 자세한 내용은 다음을 참조하십시오.

CAMShift 및 detectPeopleACF를 사용한 얼굴 감지 및 추적

얼굴 인식은 사람 인식보다 다소 더 잘 작동합니다. 다음은 http://epaperpress.com/portfolio/columbia.html 에서 염치없이 가져온 이미지를 사용한 예시입니다. 왼쪽이 Imatest의 젖은 저자입니다. 주석을 제거하려면(이미지를 초기화하려면) 계산 업데이트를 클릭하세요.

얼굴 인식 예시 (왼쪽은 Imatest 개발자)