CN109740547A - 一种图像处理方法、设备及计算机可读存储介质 - Google Patents

Abstract

本申请公开了一种图像处理方法、设备及计算机可读存储介质，应用于图像处理技术领域。其中，该方法包括：获取车辆图像；按照预设的识别规则对所述车辆图像进行识别，以识别出所述车辆图像的类型；如果确定所述车辆图像的类型为vin码图像类型，按照预设的vin码图像处理规则对所述vin码图像进行处理，以得到所述车辆的vin码；如果确定所述车辆图像的类型为车牌图像类型，按照预设的车牌图像处理规则对所述车牌图像进行处理，以得到所述车辆的车牌。采用本申请，有助于提升对车辆图像的vin码或车牌的识别效率。

Description

一种图像处理方法、设备及计算机可读存储介质

技术领域

本申请涉及图像处理技术领域，尤其涉及一种图像处理方法、设备及计算机可读存储介质。

背景技术

目前经常会遇到获取车辆车牌或车辆识别号码(Vehicle IdentificationNumber，vin)信息的场景，比如办理车辆业务时。在某些业务场景下，比如保险业务员为车辆办理车险业务的过程中，常常需要拍摄车辆vin码或车牌的图片进行存档，而录入这些vin码或车牌信息往往还是由人工进行的，效率较低。因此，如何自动识别这些区域以进一步识别出vin码或车牌，从而提升图像识别效率成为关键。

发明内容

本申请实施例提供了一种图像处理方法、设备及计算机可读存储介质，有助于提升对车辆图像的vin码或车牌的识别效率。

第一方面，本申请实施例提供了一种图像处理方法，包括：

获取车辆图像，所述车辆图像为vin码图像或车牌图像，所述vin码图像为包括车辆的vin码区域的图像，所述车牌图像为包括车辆的车牌区域的图像；

按照预设的识别规则对所述车辆图像进行识别，以识别出所述车辆图像的类型，所述车辆图像的类型为vin码图像类型或车牌图像类型；

如果确定所述车辆图像的类型为vin码图像类型，按照预设的vin码图像处理规则对所述vin码图像进行处理，以得到所述车辆的vin码；

如果确定所述车辆图像的类型为车牌图像类型，按照预设的车牌图像处理规则对所述车牌图像进行处理，以得到所述车辆的车牌。

可选的，所述按照预设的识别规则对所述车辆图像进行识别，以识别出所述车辆图像的类型，包括：

将所述车辆图像输入预置的图像检测模型，以得到所述图像检测模型的输出结果，所述输出结果用于指示所述车辆图像的类型；

其中，所述图像检测模型是根据预先选取的多个图像样本以及每个图像样本的类型训练得到的，所述多个图像样本包括第一数量的vin码图像样本以及第二数量的车牌图像样本，且所述第一数量和所述第二数量的差值的绝对值不超过预设数目阈值。

可选的，所述按照预设的vin码图像处理规则对所述vin码图像进行处理，以得到所述车辆的vin码，包括：

对所述vin码图像进行顶帽变换，以得到顶帽变换后的vin码图像；

对所述顶帽变换后的vin码图像进行边缘检测，以得到边缘检测后的第一边缘图像；

对所述第一边缘图像进行形态学闭运算，以得到第一闭运算图像；

对所述第一闭运算图像进行形态学开运算，以得到第一开运算图像；

确定所述第一开运算图像中vin码区域的最小外接矩形，并将所述最小外接矩形确定的区域确定为所述vin码图像包括的vin码区域；

对所述vin码区域进行识别，以识别出所述车辆的vin码。

可选的，在所述对所述vin码图像进行顶帽变换，以得到顶帽变换后的vin码图像之前，所述方法还包括：

检测所述vin码图像的亮度是否处于预设的亮度区间范围内；

如果所述vin码图像的亮度不处于所述亮度区间范围内，触发所述对所述vin码图像进行顶帽变换，以得到顶帽变换后的vin码图像的步骤。

可选的，所述形态学闭运算使用的结构元素是1*N的行向量结构元素，所述N为列数，所述N大于0；

其中，所述N是根据所述vin码图像的分辨率设置得到的；和/或，

所述N是根据所述vin码图像中vin码区域的尺寸设置得到的，所述尺寸包括长度或宽度；和/或，

所述N是根据所述vin码区域中字符间距与所述vin码图像的尺寸的比值设置得到的；和/或，

所述N是根据所述vin码图像的宽度设置得到的。

可选的，所述按照预设的车牌图像处理规则对所述车牌图像进行处理，以得到所述车辆的车牌，包括：

对所述车牌图像进行边缘检测，以得到边缘检测后的第二边缘图像；

对所述第二边缘图像进行形态学闭运算，以得到第二闭运算图像；

对所述第二闭运算图像进行形态学开运算，以得到第二开运算图像；

确定所述第二开运算图像中车牌区域的最小外接矩形，并将所述最小外接矩形确定的区域确定为所述车牌图像包括的车牌区域；

对所述车牌区域进行识别，以识别出所述车辆的车牌。

可选的，所述形态学闭运算使用的结构元素是M*N的向量结构元素，所述M为行数，所述N为列数，所述M和N大于0；

其中，所述M和N是根据所述车牌图像的分辨率设置得到的；或者，

所述M和N是根据所述车牌图像中车牌区域的尺寸设置得到的，所述尺寸包括长度和/或宽度；或者，

所述M和N是根据所述车牌区域中字符间距与所述车牌图像的尺寸的比值设置得到的；或者，

所述M是根据所述车牌图像的长度设置得到的，N是根据所述车牌图像的宽度设置得到的。

第二方面，本申请实施例提供了一种图像处理设备，该图像处理设备包括用于执行上述第一方面的方法的单元。

第三方面，本申请实施例提供了另一种图像处理设备，包括处理器和存储器，所述处理器和存储器相互连接，其中，所述存储器用于存储支持图像处理设备执行上述方法的计算机程序，所述计算机程序包括程序指令，所述处理器被配置用于调用所述程序指令，执行上述第一方面的方法。可选的，该图像处理设备还可包括用户接口和/或通信接口。

第四方面，本申请实施例提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序包括程序指令，所述程序指令当被处理器执行时使所述处理器执行上述第一方面的方法。

本申请实施例能够通过获取车辆图像，并按照预设的识别规则识别出该车辆图像的类型，即确定该车辆图像是vin码图像还是车牌图像，进而能够根据识别出的类型区别选择对应的图像处理规则来对该车辆图像进行处理，以得到该车辆图像包括的vin码或车牌，这就提升了图像处理的灵活性，有助于提升对车辆图像的vin码或车牌的识别效率，以及提升图像处理效果。

附图说明

为了更清楚地说明本申请实施例技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本申请实施例提供的一种图像处理方法的流程示意图；

图2是本申请实施例提供的另一种图像处理方法的流程示意图；

图3是本申请实施例提供的一种图像处理设备的结构示意图；

图4是本申请实施例提供的另一种图像处理设备的结构示意图。

具体实施方式

下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

本申请的技术方案可应用于图像处理设备中，该图像处理设备可包括各种终端、服务器或其他设备，用于对图像进行处理，比如提取图像中的vin码区域、识别图像中的vin码等等。本申请涉及的终端可以是手机、电脑、平板、个人计算机、智能手表等，本申请不做限定。

本申请能够通过识别获取的车辆图像是vin码图像还是车牌图像，进而能够根据识别出的结果区别选择对应的图像处理规则来对该车辆图像进行图像处理，以得到该车辆图像包括的vin码或车牌，这就提升了图像处理的灵活性，有助于提升对车辆图像的vin码或车牌的识别效率以及图像处理效果。以下分别详细说明。

请参见图1，图1是本申请实施例提供的一种图像处理方法的流程示意图。具体的，本实施例的方法可具体应用于上述的图像处理设备中。如图1所示，该图像处理方法可以包括以下步骤：

101、获取车辆图像。

其中，该车辆图像可以是指包括车辆的图像，该车辆图像可具体为vin码图像或车牌图像，该vin码图像可以为包括车辆的vin码区域的图像，该车牌图像可以为包括车辆的车牌区域的图像。vin(Vehicle Identification Number)可以叫做车辆识别号码，还可以叫做车架号等等。vin码是一组由十七个数组成的，用于标识车辆的一组独一无二的号码，也就是说，每一车辆都有唯一的vin码。通过vin码可以识别车辆的生产商、引擎、底盘序号及其他性能等资料。

可选的，该车辆图像可以是预置的拍摄装置实时采集得到的，也可以是拍摄装置采集后存储至预设的待图像处理的队列或数据库中，从该队列或数据库中获取得到的，还可以是接收的来自其他设备发送的车辆图像，等等。对于该车辆图像的获取方式，本申请不做限定。其中，该拍摄装置可以是相机、摄像机、摄像头或其他可用于拍摄的装置或设备，该拍摄装置可设置于该图像处理设备中，或者可以与该图像处理设备连接。

102、按照预设的识别规则对该车辆图像进行识别，以识别出该车辆图像的类型，该车辆图像的类型为vin码图像类型或车牌图像类型。

其中，该车辆图像的类型为vin码图像类型可用于指示该车辆图像为vin码图像，该车辆图像的类型为车牌图像类型可用于指示该车辆图像为车牌图像。

具体的，可预先设置一种或多种识别规则。例如，该识别规则可以是指将该车辆图像输入预置的图像检测模型以识别出该车辆图像的类型的规则，即基于图像检测模型的识别规则。又如，该识别规则还可以是指将数据库中存储的各车辆图像样本中与该车辆图像相似度最高的车辆图像对应的类型作为该车辆图像的类型的规则，即基于相似度对比的识别规则；也就是说，图像处理设备在获取到车辆图像之后，可通过确定数据库中存储的各车辆图像样本中与该车辆图像相似度最高的车辆图像，并将该相似度最高的车辆图像对应的类型确定为该获取的车辆图像的类型，其中，该数据库可存储有各车辆图像样本以及每个车辆图像样本对应的类型(标签)。又如，该识别规则还可以是指根据车辆图像的来源标签确定该车辆图像的类型的规则，即基于来源标签的识别规则；也就是说，图像处理设备可根据获取的车辆图像的来源确定该车辆图像的规则，如该车辆图像携带于来源标签，假设该来源标签指示该车辆图像来自于vin码图像数据库时，可确定该该车辆图像的类型为vin码图像类型，假设该来源标签指示该车辆图像来自于车牌图像数据库时，可确定该该车辆图像的类型为车牌图像类型；又如采集vin码图像和车牌图像分别采用的不同的拍摄装置，如果该来源标签指示该车辆图像来自采集vin码图像的拍摄装置(如该来源标签为该vin码图像的拍摄装置的标识)，可确定该该车辆图像的类型为vin码图像类型，如果该来源标签指示该车辆图像来自采集车牌图像的拍摄装置(如该来源标签为该车牌图像的拍摄装置的标识)，可确定该该车辆图像的类型为车牌图像类型，等等，此处不一一列举。

可选的，不同图像处理设备使用的识别规则可以不同，和/或，同一图像处理设备还可按照预设的切换规则切换识别规则进行图像类型的识别，以提升类型确定的灵活性和可靠性。该切换规则可以包括按照预设时间间隔切换识别规则的切换规则；或者可以包括按照车辆图像的标签(如重要等级标签、来源标签等等)切换识别规则的切换规则；或者可以按照用户输入的切换指令来切换识别规则(按顺序切换，或者该切换指令可携带需要切换到的识别规则的信息)的切换规则；或者可以包括在识别出的vin码或车牌的错误次数达到预设次数(或者在预设时间段的识别出错频率大于预设频率阈值等)时切换识别规则的切换规则，等等，具体可以先设置得到切换规则和识别规则的对应关系。从而有助于提升类型识别的灵活性和可靠性。例如，图像处理设备可按照预设的时间间隔如每24小时切换识别规则；又如，该图像处理设备可按照车辆的来源标签切换识别规则，如该重要等级标签指示该车辆图像的等级为重要时，可采用基于图像检测模型的识别规则，又如该重要等级标签指示该车辆图像的等级为一般时，可采用基于来源标签的识别规则，等等，此处不一一列举。

103、如果确定该车辆图像的类型为vin码图像类型，按照预设的vin码图像处理规则对该vin码图像进行处理，以得到该车辆的vin码。

也就是说，当该车辆图像的类型为vin码图像类型时，即可确定该车辆图像为vin码图像，进而可按照预设的vin码图像处理规则对该vin码图像进行处理，以得到该vin码图像包括的vin码，即该车辆的vin码。

可选的，图像处理设备按照预设的vin码图像处理规则对该vin码图像进行处理，以得到该车辆的vin码，可以是指：对该vin码图像进行边缘检测，以得到边缘检测后的第一边缘图像；对该第一边缘图像进行形态学闭运算，以得到第一闭运算图像；对该第一闭运算图像进行形态学开运算，以得到第一开运算图像；确定该第一开运算图像中vin码区域的最小外接矩形，并将该最小外接矩形确定的区域确定为该vin码图像包括的vin码区域；对该vin码区域进行识别，以识别出该vin码图像包括的vin码，即识别出该车辆的vin码。进一步可选的，在进行边缘检测之前，图像处理设备还可对该vin码图像进行顶帽(tophat)变换，以得到tophat变换后的vin码图像，从而在进行边缘检测时，可对该tophat变换后的vin码图像进行边缘检测，以得到边缘检测后的该第一边缘图像，并可执行后续流程。其中，该tophat变换可用于检测暗处明亮的细节，提取图像中灰度较高的区域。

104、如果确定该车辆图像的类型为车牌图像类型，确按照预设的车牌图像处理规则对该车牌图像进行处理，以得到该车辆的车牌。

也就是说，当该车辆图像的类型为车牌图像类型时，即可确定该车辆图像为车牌图像，进而可按照预设的车牌图像处理规则对该车牌图像进行处理，以得到该车牌图像包括的车牌，即车辆的车牌。

可选的，图像处理设备按照预设的车牌图像处理规则对该车牌图像进行处理，以得到该车牌图像包括的车牌，可以是指：对该车牌图像进行边缘检测，以得到边缘检测后的第二边缘图像；对该第二边缘图像进行形态学闭运算，以得到第二闭运算图像；对该第二闭运算图像进行形态学开运算，以得到第二开运算图像；确定该第二开运算图像中车牌区域的最小外接矩形，并将该最小外接矩形确定的区域确定为该车牌图像包括的车牌区域；对该车牌区域进行识别，以识别出该车牌图像包括的车牌，即该车辆的车牌。

在本实施例中，图像处理设备能够通过获取车辆图像，并按照预设的识别规则识别出该车辆图像的类型，即确定该车辆图像是vin码图像还是车牌图像，进而能够根据识别出的类型区别选择对应的图像处理规则来对该车辆图像进行处理，以得到该车辆图像包括的vin码或车牌，这就提升了图像处理的灵活性，有助于提升对车辆图像的vin码或车牌的识别效率，以及提升图像处理效果。

请参见图2，图2是本申请实施例提供的另一种图像处理方法的流程示意图。具体的，如图2所示，该图像处理方法可以包括以下步骤：

201、获取车辆图像。

其中，该车辆图像可以为vin码图像或车牌图像，该vin码图像可以为包括车辆的vin码区域的图像，该车牌图像可以为包括车辆的车牌区域的图像。获取该车辆图像的方式可以为多种，此处不赘述。

202、将该车辆图像输入预置的图像检测模型，以得到该图像检测模型的输出结果，该输出结果用于指示该车辆图像的类型。

其中，该车辆图像的类型为vin码图像类型或车牌图像类型，该vin码图像类型可用于指示该车辆图像为vin码图像，该车牌图像类型可用于指示该车辆图像为车牌图像。

该图像检测模型可以是根据预先选取的多个图像样本以及每个图像样本的类型训练得到的。可选的，该多个图像样本可包括第一数量的vin码图像样本以及第二数量的车牌图像样本，且该第一数量和该第二数量的差值的绝对值不超过预设数目阈值。也就是说，图像处理设备可通过选取第一数量的vin码图像样本以及第二数量的车牌图像样本，即选取数量均衡的不同类型的图像样本来进行模型训练，从而可以提升模型训练效果。在一些实施例中，可能会遇到区别采集车辆车牌或vin码的情况，图像处理设备可通过检测获取到的车辆图像具体为车牌图像还是vin码图像，根据不同的区域图像确定不同的图像处理规则，并根据对应的图像处理规则进行识别，包括对车牌区域的车牌号识别(车牌图像处理规则)或对vin码区域的vin码识别(vin码图像处理规则)等等。一种可能的实施方式中，如上述所述，可根据历史数据中各车牌图像和历史数据中各vin码图像建立图像检测模型，后续获取的车辆图像即可通过输入该图像检测模型识别其为车牌区域还是vin码区域。

可选的，该输出结果可包括该车辆图像的类型，或者可包括用于指示该车辆图像的类型的标识，如“0”代表为vin码图像类型，“1”代表为车牌图像类型，等等，本申请不做限定。

进一步可选的，如果该车辆图像是拍摄装置采集的，在拍摄车辆图像时，还可获取该车辆的车辆环境信息，进而根据该车辆环境信息确定用于拍摄该车辆的目标拍摄参数，使用该拍摄装置并按照该目标拍摄参数采集车辆图像，以实现获取得到车辆图像。可选的，该车辆可以是指该拍摄装置的拍摄范围内的任一车辆，或者可以为该拍摄范围内特定车型的车辆，或者可以为该拍摄范围内特定位置区域的车辆，或者可以为该拍摄范围内发出指示信号(如开启双闪或开启雨刷等等)的车辆，等等，具体可预先设置得到该车辆的选取规则，从而提升了车辆选取的灵活性。进一步可选的，该车辆环境信息可包括该车辆的车型、该车辆所处的环境光强度、该车辆与该拍摄装置之间的距离(或该车辆与该图像处理设备之间的距离)、该车辆图像的类型(比如将之前图像检测模型识别出的类型作为后续采集的车辆图像的类型，或者将用户预先设置的类型作为采集的车辆图像的类型等等，后续采集的车辆图像可不再进行类型的识别而直接触发对应的图像处理流程)和系统时间等信息项中的任一项或多项。进一步可选的，该车辆环境信息可以是用户输入的；或者可以是由图像处理设备自动识别的，比如通过预览该车辆的采集图像确定其车型或者通过识别该车辆的标识确定其车型，通过预置的距离传感器确定出该距离，通过预置的光线传感器确定出该环境光强度，通过预置的时间模块确定系统时间等等；或者可以是其他设备(如该车辆)识别出该车辆环境信息后发送给该图像处理设备的，图像处理设备可接收来自其他设备发送的该车辆的车辆环境信息，等等，此处不一一列举。

可选的，在确定用于拍摄该车辆的目标拍摄参数时，图像处理设备可以是通过预置的各车辆环境信息与拍摄参数的对应关系，基于该对应关系快速确定出该车辆环境信息对应的拍摄参数作为该目标拍摄参数，以提升拍摄参数的确定效率；或者，图像处理设备还可以是根据该车辆环境信息如车型，基于拍摄的该车辆的vin码图像与数据库中存储的该车型下的各vin码图像样本的相似度，将数据库中该车型下与该车辆的vin码图像相似度最高的vin码图像样本对应的拍摄参数作为该车辆的该目标拍摄参数，该数据库中可存储有多个vin码图像样本、多种车型以及与每个vin码图像样本和每种车型对应的(较佳)拍摄参数；或者，图像处理设备还可以是根据该车辆环境信息将上一次手动调节的与该车辆环境信息相同的车辆的拍摄参数作为该目标拍摄参数，等等，此处不一一列举。进一步可选的，本申请涉及的拍摄参数如目标拍摄参数可包括拍摄角度(控制拍摄装置以该拍摄角度拍摄)、焦距、光圈、ISO和/或EV值等等，本申请不做限定。

可选的，在一种可能的实施方式中，该车辆的车辆环境信息可包括该车辆的车型。图像处理设备在确定该目标拍摄参数，可以是根据预设的车辆车型和拍摄参数的对应关系，从数据库中查找出与该车辆的车型相同的车辆车型所对应的拍摄参数，并将查找出的该拍摄参数确定为用于拍摄该车辆的目标拍摄参数。其中，该数据库中可预先存储有多种车辆车型以及每种车辆车型对应的拍摄参数。该每种车型对应的拍摄参数可以是选择出的该车型下拍摄效果较好比如拍摄质量大于预设的质量阈值和/或vin码区域(或车牌区域)占图像比例大于预设的比例阈值等等的车辆图像样本的拍摄参数。

可选的，在一种可能的实施方式中，该车辆的车辆环境信息包括该车辆的车型和该车辆所处的环境光强度。图像处理设备在确定该目标拍摄参数，可以是根据预设的多个环境光强度区间，确定该车辆所处的环境光强度在该多个环境光强度区间中所在的目标环境光强度区间；根据预设的车辆车型、环境光强度区间和拍摄参数三者之间的对应关系，从数据库中查找出与该车辆的车型和该目标环境光强度区间所对应的拍摄参数，并将查找出的该拍摄参数确定为用于拍摄该车辆的目标拍摄参数。其中，该数据库中可预先存储有多种车辆车型、该多个环境光强度区间以及与每种车辆车型和每个环境光强度区间对应的拍摄参数。

可选的，在一种可能的实施方式中，该车辆的车辆环境信息包括该车辆的车型和该车辆与该拍摄装置之间的距离。图像处理设备在确定该目标拍摄参数，可以是根据预设的多个距离区间，确定该车辆与该拍摄装置之间的距离在该多个距离区间中所在的目标距离区间；根据预设的车辆车型、距离区间和拍摄参数三者之间的对应关系，从数据库中查找出与该车辆的车型和该目标距离区间所对应的拍摄参数，并将查找出的该拍摄参数确定为用于拍摄该车辆的目标拍摄参数。其中，该数据库中可预先存储有多种车辆车型、该多个距离区间以及与每种车辆车型和每个距离区间对应的拍摄参数。

可选的，在一种可能的实施方式中，该车辆的车辆环境信息包括该车辆的车型和系统时间。图像处理设备在确定该目标拍摄参数，可以是根据预设的多个时间段，确定该系统时间在该多个时间段中所属的目标时间段；根据预设的车辆车型、时间段和拍摄参数三者之间的对应关系，从数据库中查找出与该车辆的车型和该目标时间段所对应的拍摄参数，并将查找出的该拍摄参数确定为用于拍摄该车辆的目标拍摄参数。其中，该数据库中可预先存储有多种车辆车型、该多个时间段以及与每种车辆车型和每个时间段对应的拍摄参数。

可选的，在一种可能的实施方式中，该车辆的车辆环境信息包括系统时间，图像处理设备在确定该目标拍摄参数，可根据预设的时间段和拍摄参数的对应关系，确定出该系统时间对应的拍摄参数作为该目标拍摄参数；或者，该车辆的车辆环境信息包括该车辆所处的环境光强度，图像处理设备在确定该目标拍摄参数，可根据预设的环境光强度区间和拍摄参数的对应关系，确定出该环境光强度对应的拍摄参数作为该目标拍摄参数；该车辆的车辆环境信息包括该车辆与该拍摄装置之间的距离，图像处理设备在确定该目标拍摄参数时，可根据预设的距离区间和拍摄参数的对应关系，确定出该距离对应的拍摄参数作为该目标拍摄参数；或者，该车辆环境信息还可包括该车辆的车型、该车辆所处的环境光强度、该车辆与该拍摄装置之间的距离和系统时间，或者包括该车辆所处的环境光强度和该车辆与该拍摄装置之间的距离，或者包括该车辆所处的环境光强度和系统时间，等等，此处不一一列举。

例如，该拍摄装置可以是装载于一固定位置处，且该拍摄装置可旋转，即该拍摄装置的拍摄角度可调节。由此可通过对该拍摄装置采集的历史数据中的vin码图像进行分析，得到不同车型的vin码图像数据，并从中选择出拍摄效果较好的(比如涵盖全部vin码区域，且干扰较少的)vin码图像，获取该vin码图像的拍摄参数，以便于拍摄装置在识别到车辆的车型之后，能够根据车辆的车型快速调用拍摄参数，包括拍摄装置拍摄角度(控制拍摄装置以该拍摄角度拍摄)、焦距、光圈、ISO、EV值等等。或者，可采集的历史数据中的车牌图像进行分析，得到不同车型的车牌图像数据，并从中选择出拍摄效果较好的车牌图像，获取该车牌图像的拍摄参数，以便于拍摄装置在识别到车辆的车型之后，能够根据车辆的车型快速调用拍摄参数拍摄车牌图像。具体可以在接收到针对区域图像的拍摄指令时，确定该拍摄指令对应为车牌图像拍摄指令或vin码图像拍摄指令来触发调用对应的拍摄参数来拍摄，并可根据该拍摄指令确定获取到的拍摄图像为车牌图像还是vin码图像，进而确定出对应的图像处理规则。

又如，还可结合时间和/或环境光强度，获取拍摄效果较好的vin码图像(或车牌图像)的拍摄时间和拍摄参数，进而通过获取当前车辆的车型和当前时间(和/或环境光强度)来快速调用更加匹配的拍摄参数，以提升拍摄可靠性。因不同时间或者不同环境光强度均会对拍摄效果产生影响，比如白天和晚上采用相同的拍摄参数拍摄得到的图像效果完全不同。由此，可预先设置得到不同时间段和车辆车型(还可结合识别出的车辆图像类型，即图像区域类型)，与拍摄装置的拍摄参数之间的对应关系；或者，预先设置得到环境光强度和车辆车型(还可结合识别出的车辆图像类型)，与拍摄装置的拍摄参数之间的对应关系，或者，预先设置得到不同时间段、环境光强度和车辆车型(还可结合识别出的车辆图像类型)，与拍摄装置的拍摄参数之间的对应关系，等等。例如，可通过对该拍摄装置采集的历史数据中的vin码图像进行分析(每个vin码图像关联记录了其拍摄图像时的拍摄时间)，得到不同时间段的vin码图像数据，并根据每个时间段内相同车型的vin码图像数据选择出拍摄效果较好的vin码图像，获取该vin码图像的拍摄参数，从而确定出不同时间段和车辆车型，与拍摄装置的拍摄参数之间的对应关系；以便于拍摄装置在识别到当前时间处于的时间段以及车辆的车型之后，能够根据识别出的时间段和车型快速调用对应的拍摄参数进行拍摄。又如，可通过对该拍摄装置采集的历史数据中的vin码图像进行分析(每个vin码图像关联记录了其拍摄图像时的环境光强度)，得到不同环境光强度下的vin码图像数据，并根据每个环境光强度区间下相同车型的Vin码图像数据选择出拍摄效果较好的vin码图像，获取该vin码图像的拍摄参数，从而确定出不同环境光强度区间和车辆车型，与拍摄装置的拍摄参数之间的对应关系；以便于拍摄装置在识别到当前环境光强度处于的环境光强度区间以及车辆的车型之后，能够根据识别出的环境光强度区间和车型快速调用对应的拍摄参数进行拍摄。结合车型时间等信息，快速调用拍摄参数，提升了拍摄质量，进而提升了后续vin码区域或车牌区域的处理效果。

203、如果该车辆图像的类型为vin码图像类型，确定该车辆图像为vin码图像，则可执行步骤205-207。

在确定得到获取的车辆图像为vin码图像之后，即可对该vin码图像进行处理，以提取出该vin码区域。对该vin码图像进行处理时，可采用tophat变换，边缘检测，形态学闭运算，形态学开运算，计算最小外接矩形的一套简单快速的算法来确定vin码区域，进而识别出vin码。

204、如果该车辆图像的类型为车牌图像类型，确定该车辆图像为车牌图像，则可执行步骤208-210。

在确定得到获取的车辆图像为车牌图像之后，即可对该车牌图像进行处理，以提取出该车牌区域。对该车牌图像进行处理时，可采用边缘检测，形态学闭运算，形态学开运算，计算最小外接矩形的一套简单快速的算法来确定车牌区域，进而识别出车牌。

205、对该vin码图像进行tophat变换，以得到tophat变换后的vin码图像，并对该tophat变换后的vin码图像进行边缘检测，以得到边缘检测后的第一边缘图像。

通过对拍摄的vin码图像进行tophat变换，能够减少该vin码图像区域受到的干扰。由于tophat在图像分割中对检测暗处明亮的细节效果较好，特别是有均匀宽度或大小的目标，由此，可通过对拍摄的vin码图像进行tophat变换以进一步区分出vin码区域。可选的，在vin码图像中存在一些车辆车体反射干扰，为了减少这些干扰，可以将原拍摄得到的vin码图像即原始图像转换为灰度图像，得到转换后的灰度图像之后，再对灰度图像进行tophat变换，得到的tophat变换结果。原vin码图像经过tophat滤波后，就具有简单、均匀的背景和前景，以便于更好地区分出vin码区域。

例如，灰度级图像f的tophat变换定义为f减去其开运算的结果，即That(f)＝f-(f°b)，其中，b为均值滤波模板，°为开运算。

可选的，在该对该vin码图像进行顶帽tophat变换，以得到tophat变换后的vin码图像之前，图像处理设备还可检测该vin码图像的亮度是否处于预设的亮度区间范围内；如果该vin码图像的亮度不处于该亮度区间范围内，则可触发该对该vin码图像进行顶帽tophat变换，以得到tophat变换后的vin码图像的步骤。进一步可选的，如果该vin码图像的亮度处于该亮度区间范围内，即拍摄条件较好时，则可不进行tophat变换，而直接对该vin码图像进行边缘检测，从而有助于减少设备开销。

进一步的，在进行边缘检测时，可采用预设的边缘检测算法如可采用Canny算子进行边缘检测。该Canny算法的特点是试图将独立边的候选像素拼装成轮廓。Canny算子求边缘点具体算法步骤如下：

1)用高斯滤波器与图像(如该vin码图像)进行卷积，以平滑图像，滤除噪声；

2)用一阶偏导有限差分计算图像中每个像素点的梯度幅值(梯度强度)和方向；图像中的边缘可以指向各个方向，Canny算法可以使用算子(如Roberts，Prewitt，Sobel等)来检测图像中的水平、垂直和对角边缘，获取水平和垂直方向的一阶导数值，由此确定出像素点的梯度幅值和方向，其中，梯度方向的计算和梯度算子的选取保持一致；

3)对梯度幅值进行非极大值抑制，以消除边缘检测带来的杂散响应；具体的，对梯度图像中每个像素进行非极大值抑制时，可以将当前像素的梯度强度与沿正负梯度方向上的两个像素进行比较，如果当前像素的梯度强度与另外两个像素相比最大，则该像素点保留为边缘点，否则该像素点将被抑制，从而将局部最大值之外的所有梯度值抑制为0，实现“瘦”边；

4)用双阈值(Double-Threshold)算法检测和连接边缘；具体的，进行3)之后，此时还是存在由于噪声和颜色变化引起的一些边缘像素，由此可以通过设置高低阈值，如果边缘像素的梯度值高于高阈值，则可将其标记为强边缘像素；如果边缘像素的梯度值小于高阈值并且大于低阈值，则可将其标记为弱边缘像素；如果边缘像素的梯度值小于低阈值，则被抑制。从而能够通过边缘检测能够实现从不同视觉对象中提取有用的结构信息，并减少了要处理的数据量。

206、对该第一边缘图像进行形态学闭运算，以得到第一闭运算图像，对该第一闭运算图像进行形态学开运算，以得到第一开运算图像；确定该第一开运算图像中vin码区域的最小外接矩形，并将该最小外接矩形确定的区域确定为该vin码图像包括的vin码区域。

在对vin码图像进行边缘检测得到边缘检测结果图像即边缘图像之后，还可对该边缘图形进行形态学闭运算，先膨胀后腐蚀。从而得到形态学闭运算结果，以排除小型黑洞(黑色区域)。在进行形态学闭运算时，使用的结构元素可以为一个尺寸为1*N的行向量结构元素，以将水平方向上不连续的边缘连接起来。

其中，该形态学闭运算使用的结构元素可以是1*N的行向量结构元素，N可以为列数，可用于指示结构元素的宽度，N大于0。可选的，该N可以是根据该vin码图像的分辨率设置得到的；和/或，该N可以是根据该vin码图像中vin码区域的尺寸(大小)设置得到的，该尺寸包括长度或宽度；和/或，该N可以是根据该vin码区域中字符间距与该vin码图像的尺寸的比值设置得到的；和/或，该N可以是根据该vin码图像的宽度设置得到的。例如，该N可根据图像的分辨率和/或图像中vin码区域的大小设置得到，分辨率越大和/或vin码区域越大，N的取值越大，具体可预先设置N与图像的分辨率(和/或图像中vin码区域的大小)的对应关系。又如，该N可根据拍摄图像中vin码区域的字符间距大小与vin码图像大小的统计关系得到，比如字符间距大小与vin码图像大小的比值越大，N的取值越大，具体可预先设置N与字符间距大小与图像大小的比值的对应关系。又如，该N可以根据图像宽度设置得到，比如该N的值可以取图像宽度的5％。从而得到形态学闭运算结果，以排除小型黑洞(黑色区域)。也就是说，进行闭运算的结构元素N可以是根据图像的分辨率和/或图像中vin码区域的大小、图像中vin码区域的字符间距大小与图像大小的比值、图像宽度等参数设置得到，灵活性较高，提升了图像处理效果。

进一步的，在进行形态学闭运算后，再进行形态学开运算处理，先腐蚀后膨胀，以将图像中的小尺寸噪声去除。形态学开运算使用的结构元素可与上述的闭运算使用的结构元素保持一致。从而得到形态学开运算结果，以实现消除小物体、在纤细点处分离物体、平滑较大物体的边界的同时并不明显改变其面积等效果。

进一步的，在进行开运算之后，在结果图像即开运算图像中，显示为白色的部分为前景，黑色部分为背景，从而可通过对该结果图像即开运算图像进行扫描，即可计算得到前景部分的最小外接矩形，则该最小外接矩形所确定(包围)的区域即为vin码标牌所在区域也即vin码区域。

207、对该vin码区域进行识别，以识别出该vin码图像包括的vin码。

在提取出该vin码区域之后，即可存储该vin码区域的图像，和/或进一步识别出该vin码区域包括的字符(标牌)或条码等等。可选的，对该vin码区域进行识别的方式包括OCR字符识别或其他识别方式，本方案不做限定。

可选的，为了确保识别出的vin码的可靠性，在识别出该vin码之后，还可对该vin进行校验，以确定其是否正确/合法，比如可以对该识别出的vin码的第9位进行校验。因vin码的第9位始终为校验位，通过对vin码中的其他位进行一系列计算后即可获得正确的校验位(其中，vin码的第9位为为1-9任意一位数字或“X”。计算方法可以为将vin中其余每一位字母或数字的对应数值乘以该位的加权系数，然后除以11，余数即为校验位，若余数为10，校验位为“X”，该加权系数可参见《世界汽车识别代号(VIN)资料手册》P21～23。例如，首先将其它16位中的字母按下列关系转换成数字：A＝1B＝2C＝3D＝4E＝5F＝6G＝7H＝8J＝1K＝2L＝3M＝4N＝5P＝7R＝9S＝2T＝3U＝4V＝5W＝6X＝7Y＝8Z＝9，每个位置及其对应的加权系数为：位置：1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17，加权系数：8 7 6 5 4 32 10*9 8 7 6 5 4 3 2)，进而可通过将该计算出的校验位和该第9位进行比较，判断两者是否相同，确定识别出的vin码是否存在错误，也即，两者不同时，表明该vin码存在错误。或者，可以检测识别出的vin码中是否存在非法字符，具体可以通过预置合法字符白名单进行匹配比对，如果存在非法字符，比如该白名单以外的字符，如I、O、Q等等，可以确定该识别出的vin码存在错误。或者，可以通过检测识别出的vin码的位数，因为正常vin码是固定的17位，如果长于或短于17位，则可以确定该识别出的vin码存在错误。如果确定识别出的vin码存在错误，还可以触发重新识别(如果错误次数达到预设次数阈值如3次，还可重新进行vin码区域的提取并重新识别)，或者发出告警信息以提示进行人工识别或检测等等。

在获取到正确的vin码之后，即可存储该vin码，或者可基于该vin码办理车辆业务如车险投保等等，从而提升业务办理的智能化和效率。

208、对该车牌图像进行边缘检测，以得到边缘检测后的第二边缘图像。

209、对该第二边缘图像进行形态学闭运算，以得到第二闭运算图像，对该第二闭运算图像进行形态学开运算，以得到第二开运算图像，确定该第二开运算图像中车牌区域的最小外接矩形，并将该最小外接矩形确定的区域确定为该车牌图像包括的车牌区域。

其中，该形态学闭运算使用的结构元素可以是M*N的向量结构元素，M可以为行数，可用于指示结构元素的长度(高度)；N可以为列数，可用于指示结构元素的宽度，M和N均大于0。可选的，该M和N可是根据该车牌图像的分辨率设置得到的；和/或，该M和N可以是根据该车牌图像中车牌区域的尺寸设置得到的，该尺寸包括长度(高度)和/或宽度；和/或，该M和N可以是根据该车牌区域中字符间距与该车牌图像的尺寸(如高度或宽度)的比值设置得到的；和/或，该M可以是根据该车牌图像的高度设置得到的，N是根据该车牌图像的宽度设置得到的，如该M为该高度的5％，该N为该宽度的5％。

210、对该车牌区域进行识别，以识别出该车牌图像包括的车牌。

在提取出该车牌区域之后，即可存储该车牌区域的图像，和/或进一步识别出该车牌区域包括的字符(车牌)等等。可选的，对该vin码区域进行识别的方式包括OCR字符识别或其他识别方式，本方案不做限定。

可选的，该步骤208-210的描述可参加步骤205-207的相关描述，此处不赘述。

本申请的vin码区域或车牌区域提取方式，在对图像中的vin码区域或车牌进行提取时，提升了检测效率，可以很好地克服车体反射景物的干扰，准确性较高，且能够适用于在性能有限的嵌入式系统中应用，应用范围广。

在本实施例中，图像处理设备能够通过获取车辆图像，并将该车辆图像输入预置的图像检测模型以识别出该车辆图像的类型，即确定该车辆图像是vin码图像还是车牌图像，进而能够根据识别出的类型区别选择对应的图像处理规则来对该车辆图像进行处理，包括选择进行tophat变换，边缘检测，形态学闭运算，形态学开运算，计算最小外接矩形等，以得到该车辆图像包括的vin码或车牌，这就提升了图像处理的灵活性，有助于提升对车辆图像的vin码或车牌的识别效率，以及提升图像处理效果。

上述方法实施例都是对本申请的图像处理方法的举例说明，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。

请参见图3，图3是本申请实施例提供的一种图像处理设备的结构示意图。本申请实施例的图像处理设备包括用于执行上述图像处理方法的单元。具体的，本实施例的图像处理设备300可包括：获取单元301和处理单元302。其中，

获取单元301，用于获取车辆图像，所述车辆图像为vin码图像或车牌图像，所述vin码图像为包括车辆的vin码区域的图像，所述车牌图像为包括车辆的车牌区域的图像；

处理单元302，用于按照预设的识别规则对所述车辆图像进行识别，以识别出所述车辆图像的类型，所述车辆图像的类型为vin码图像类型或车牌图像类型；

处理单元302，还用于当所述车辆图像的类型为vin码图像类型时，按照预设的vin码图像处理规则对所述vin码图像进行处理，以得到所述车辆的vin码；

处理单元302，还用于当所述车辆图像的类型为车牌图像类型时，按照预设的车牌图像处理规则对所述车牌图像进行处理，以得到所述车辆的车牌。

可选的，处理单元302，可具体用于将所述车辆图像输入预置的图像检测模型，以得到所述图像检测模型的输出结果，所述输出结果用于指示所述车辆图像的类型；

其中，所述图像检测模型是根据预先选取的多个图像样本以及每个图像样本的类型训练得到的，所述多个图像样本包括第一数量的vin码图像样本以及第二数量的车牌图像样本，且所述第一数量和所述第二数量的差值的绝对值不超过预设数目阈值。

可选的，处理单元302，可具体用于对所述vin码图像进行顶帽tophat变换，以得到tophat变换后的vin码图像；对所述tophat变换后的vin码图像进行边缘检测，以得到边缘检测后的第一边缘图像；对所述第一边缘图像进行形态学闭运算，以得到第一闭运算图像；对所述第一闭运算图像进行形态学开运算，以得到第一开运算图像；确定所述第一开运算图像中vin码区域的最小外接矩形，并将所述最小外接矩形确定的区域确定为所述vin码图像包括的vin码区域；对所述vin码区域进行识别，以识别出所述车辆的vin码。

可选的，对所述第一边缘图像进行的所述形态学闭运算使用的结构元素是1*N的行向量结构元素，所述N为列数，所述N大于0；

其中，所述N是根据所述vin码图像的分辨率设置得到的；和/或，

所述N是根据所述vin码图像中vin码区域的尺寸设置得到的，所述尺寸包括长度或宽度；和/或，

所述N是根据所述vin码区域中字符间距与所述vin码图像的尺寸的比值设置得到的；和/或，

所述N是根据所述vin码图像的宽度设置得到的。

可选的，处理单元302，可具体用于对所述车牌图像进行边缘检测，以得到边缘检测后的第二边缘图像；对所述第二边缘图像进行形态学闭运算，以得到第二闭运算图像；对所述第二闭运算图像进行形态学开运算，以得到第二开运算图像；确定所述第二开运算图像中车牌区域的最小外接矩形，并将所述最小外接矩形确定的区域确定为所述车牌图像包括的车牌区域；对所述车牌区域进行识别，以识别出所述车牌图像包括的车牌。

可选的，对所述第二边缘图像进行的所述形态学闭运算使用的结构元素是M*N的向量结构元素，所述M为行数，所述N为列数，所述M和N大于0；

其中，所述M和N是根据所述车牌图像的分辨率设置得到的；和/或，

所述M和N是根据所述车牌图像中车牌区域的尺寸设置得到的，所述尺寸包括长度和/或宽度；和/或，

所述M和N是根据所述车牌区域中字符间距与所述车牌图像的尺寸的比值设置得到的；和/或，

所述M是根据所述车牌图像的长度设置得到的，N是根据所述车牌图像的宽度设置得到的。

可选的，处理单元302，还可用于在所述对所述vin码图像进行顶帽tophat变换，以得到tophat变换后的vin码图像之前，检测所述vin码图像的亮度是否处于预设的亮度区间范围内；如果所述vin码图像的亮度不处于所述亮度区间范围内，触发所述对所述vin码图像进行顶帽tophat变换，以得到tophat变换后的vin码图像。

具体的，该图像处理设备可通过上述单元实现上述图1至图2所示实施例中的图像处理方法中的部分或全部步骤。应理解，本申请实施例是对应方法实施例的装置实施例，对方法实施例的描述，也适用于本申请实施例。

请参见图4，图4是本申请实施例提供的另一种图像处理设备的结构示意图。该图像处理设备用于执行上述的方法。如图4所示，本实施例中的图像处理设备400可以包括：一个或多个处理器401和存储器402。该图像处理设备还可包括拍摄装置或者与拍摄装置连接。可选的，该图像处理设备还可包括一个或多个用户接口403，和/或，一个或多个通信接口404。上述处理器401、用户接口403、通信接口404和存储器402可通过总线405连接，或者可以通过其他方式连接，图4中以总线方式进行示例说明。其中，存储器402用于存储计算机程序，所述计算机程序包括程序指令，处理器401用于执行存储器402存储的程序指令。

其中，处理器401可用于调用所述程序指令执行以下步骤：获取车辆图像，所述车辆图像为vin码图像或车牌图像，所述vin码图像为包括车辆的vin码区域的图像，所述车牌图像为包括车辆的车牌区域的图像；按照预设的识别规则对所述车辆图像进行识别，以识别出所述车辆图像的类型，所述车辆图像的类型为vin码图像类型或车牌图像类型；如果所述车辆图像的类型为vin码图像类型，按照预设的vin码图像处理规则对所述vin码图像进行处理，以得到所述车辆的vin码；如果所述车辆图像的类型为车牌图像类型，按照预设的车牌图像处理规则对所述车牌图像进行处理，以得到所述车辆的车牌。

可选的，处理401在执行所述按照预设的识别规则对所述车辆图像进行识别，以识别出所述车辆图像的类型时，可具体执行如下步骤：将所述车辆图像输入预置的图像检测模型，以得到所述图像检测模型的输出结果，所述输出结果用于指示所述车辆图像的类型；

其中，所述图像检测模型是根据预先选取的多个图像样本以及每个图像样本的类型训练得到的，所述多个图像样本包括第一数量的vin码图像样本以及第二数量的车牌图像样本，且所述第一数量和所述第二数量的差值的绝对值不超过预设数目阈值。

可选的，处理器401在执行所述按照预设的vin码图像处理规则对所述vin码图像进行处理，以得到所述vin码图像包括的vin码时，可具体执行如下步骤：对所述vin码图像进行顶帽tophat变换，以得到tophat变换后的vin码图像；对所述tophat变换后的vin码图像进行边缘检测，以得到边缘检测后的第一边缘图像；对所述第一边缘图像进行形态学闭运算，以得到第一闭运算图像；对所述第一闭运算图像进行形态学开运算，以得到第一开运算图像；确定所述第一开运算图像中vin码区域的最小外接矩形，并将所述最小外接矩形确定的区域确定为所述vin码图像包括的vin码区域；对所述vin码区域进行识别，以识别出所述车辆的vin码。

可选的，所述形态学闭运算使用的结构元素是1*N的行向量结构元素，所述N为列数，所述N大于0；其中，所述N是根据所述vin码图像的分辨率设置得到的；和/或，所述N是根据所述vin码图像中vin码区域的尺寸设置得到的，所述尺寸包括长度或宽度；和/或，所述N是根据所述vin码区域中字符间距与所述vin码图像的尺寸的比值设置得到的；和/或，所述N是根据所述vin码图像的宽度设置得到的。

可选的，处理器401在执行所述按照预设的车牌图像处理规则对所述车牌图像进行处理，以得到所述车牌图像包括的车牌时，可具体执行如下步骤：对所述车牌图像进行边缘检测，以得到边缘检测后的第二边缘图像；对所述第二边缘图像进行形态学闭运算，以得到第二闭运算图像；对所述第二闭运算图像进行形态学开运算，以得到第二开运算图像；确定所述第二开运算图像中车牌区域的最小外接矩形，并将所述最小外接矩形确定的区域确定为所述车牌图像包括的车牌区域；对所述车牌区域进行识别，以识别出所述车辆的车牌。

可选的，所述形态学闭运算使用的结构元素是M*N的向量结构元素，所述M为行数，所述N为列数，所述M和N大于0；其中，所述M和N是根据所述车牌图像的分辨率设置得到的；和/或，所述M和N是根据所述车牌图像中车牌区域的尺寸设置得到的，所述尺寸包括长度和/或宽度；和/或，所述M和N是根据所述车牌区域中字符间距与所述车牌图像的尺寸的比值设置得到的；和/或，所述M是根据所述车牌图像的长度设置得到的，N是根据所述车牌图像的宽度设置得到的。

可选的，处理器401在执行所述对所述vin码图像进行顶帽tophat变换，以得到tophat变换后的vin码图像之前，还可执行以下步骤：检测所述vin码图像的亮度是否处于预设的亮度区间范围内；如果所述vin码图像的亮度不处于所述亮度区间范围内，触发所述对所述vin码图像进行顶帽tophat变换，以得到tophat变换后的vin码图像的步骤。

其中，所述处理器401可以是中央处理单元(Central Processing Unit，CPU)，该处理器还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。

用户接口403可包括输入设备和输出设备，输入设备可以包括触控板、麦克风等，输出设备可以包括显示器(LCD等)、扬声器等。

通信接口404可包括接收器和发射器，用于与其他设备进行通信。

存储器402可以包括只读存储器和随机存取存储器，并向处理器401提供指令和数据。存储器402的一部分还可以包括非易失性随机存取存储器。例如，存储器402还可以存储上述的函数指针和函数的对应关系等等。

具体实现中，本申请实施例中所描述的处理器401等可执行上述图1至图2所示的方法实施例中所描述的实现方式，也可执行本申请实施例图3所描述的各单元的实现方式，此处不赘述。

本申请实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时可实现图1至图2所对应实施例中描述的图像处理方法中的部分或全部步骤，也可实现本申请图3或图4所示实施例的图像处理设备的功能，此处不赘述。

本申请实施例还提供了一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行上述方法中的部分或全部步骤。

所述计算机可读存储介质可以是前述任一实施例所述的图像处理设备的内部存储单元，例如图像处理设备的硬盘或内存。所述计算机可读存储介质也可以是所述图像处理设备的外部存储设备，例如所述图像处理设备上配备的插接式硬盘，智能存储卡(SmartMedia Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)等。

在本申请中，术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系。

在本申请的各种实施例中，上述各过程的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本申请实施例的实施过程构成任何限定。

以上所述，仅为本申请的部分实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本申请的保护范围之内。

Claims (10)

1.一种图像处理方法，其特征在于，包括：

获取车辆图像，所述车辆图像为vin码图像或车牌图像，所述vin码图像为包括车辆的vin码区域的图像，所述车牌图像为包括车辆的车牌区域的图像；

按照预设的识别规则对所述车辆图像进行识别，以识别出所述车辆图像的类型，所述车辆图像的类型为vin码图像类型或车牌图像类型；

如果确定所述车辆图像的类型为vin码图像类型，按照预设的vin码图像处理规则对所述vin码图像进行处理，以得到所述车辆的vin码；

如果确定所述车辆图像的类型为车牌图像类型，按照预设的车牌图像处理规则对所述车牌图像进行处理，以得到所述车辆的车牌。

2.根据权利要求1所述的方法，其特征在于，所述按照预设的识别规则对所述车辆图像进行识别，以识别出所述车辆图像的类型，包括：

将所述车辆图像输入预置的图像检测模型，以得到所述图像检测模型的输出结果，所述输出结果用于指示所述车辆图像的类型；

其中，所述图像检测模型是根据预先选取的多个图像样本以及每个图像样本的类型训练得到的，所述多个图像样本包括第一数量的vin码图像样本以及第二数量的车牌图像样本，且所述第一数量和所述第二数量的差值的绝对值不超过预设数目阈值。

3.根据权利要求1或2所述的方法，其特征在于，所述按照预设的vin码图像处理规则对所述vin码图像进行处理，以得到所述车辆的vin码，包括：

对所述vin码图像进行顶帽变换，以得到顶帽变换后的vin码图像；

对所述顶帽变换后的vin码图像进行边缘检测，以得到边缘检测后的第一边缘图像；

对所述第一边缘图像进行形态学闭运算，以得到第一闭运算图像；

对所述第一闭运算图像进行形态学开运算，以得到第一开运算图像；

确定所述第一开运算图像中vin码区域的最小外接矩形，并将所述最小外接矩形确定的区域确定为所述vin码图像包括的vin码区域；

对所述vin码区域进行识别，以识别出所述车辆的vin码。

4.根据权利要求3所述的方法，其特征在于，在所述对所述vin码图像进行顶帽变换，以得到顶帽变换后的vin码图像之前，所述方法还包括：

检测所述vin码图像的亮度是否处于预设的亮度区间范围内；

如果所述vin码图像的亮度不处于所述亮度区间范围内，触发所述对所述vin码图像进行顶帽变换，以得到顶帽变换后的vin码图像的步骤。

5.根据权利要求3所述的方法，其特征在于，所述形态学闭运算使用的结构元素是1*N的行向量结构元素，所述N为列数，所述N大于0；

其中，所述N是根据所述vin码图像的分辨率设置得到的；和/或，

所述N是根据所述vin码图像中vin码区域的尺寸设置得到的，所述尺寸包括长度或宽度；和/或，

所述N是根据所述vin码区域中字符间距与所述vin码图像的尺寸的比值设置得到的；和/或，

所述N是根据所述vin码图像的宽度设置得到的。

6.根据权利要求1或2所述的方法，其特征在于，所述按照预设的车牌图像处理规则对所述车牌图像进行处理，以得到所述车辆的车牌，包括：

对所述车牌图像进行边缘检测，以得到边缘检测后的第二边缘图像；

对所述第二边缘图像进行形态学闭运算，以得到第二闭运算图像；

对所述第二闭运算图像进行形态学开运算，以得到第二开运算图像；

确定所述第二开运算图像中车牌区域的最小外接矩形，并将所述最小外接矩形确定的区域确定为所述车牌图像包括的车牌区域；

对所述车牌区域进行识别，以识别出所述车辆的车牌。

7.根据权利要求6所述的方法，其特征在于，所述形态学闭运算使用的结构元素是M*N的向量结构元素，所述M为行数，所述N为列数，所述M和N大于0；

其中，所述M和N是根据所述车牌图像的分辨率设置得到的；或者，

所述M和N是根据所述车牌图像中车牌区域的尺寸设置得到的，所述尺寸包括长度和/或宽度；或者，

所述M和N是根据所述车牌区域中字符间距与所述车牌图像的尺寸的比值设置得到的；或者，

所述M是根据所述车牌图像的长度设置得到的，N是根据所述车牌图像的宽度设置得到的。

8.一种图像处理设备，其特征在于，包括用于执行如权利要求1-7任一项权利要求所述的方法的单元。

9.一种图像处理设备，其特征在于，包括处理器和存储器，所述处理器和存储器相互连接，其中，所述存储器用于存储计算机程序，所述计算机程序包括程序指令，所述处理器被配置用于调用所述程序指令，执行如权利要求1-7任一项所述的方法。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机程序，所述计算机程序包括程序指令，所述程序指令当被处理器执行时使所述处理器执行如权利要求1-7任一项所述的方法。