【文章內(nèi)容簡介】 圖 32 圖像灰度化比較石家莊鐵道學(xué)院畢業(yè)設(shè)計11??????otherwisGRCifgray2/)(/)(5提供的色彩信息，而是大致通用的一些方法，沒有考慮到圖像的特征。本設(shè)計設(shè)計采用的是下面一種彩色通道提取 [54]的方法。 彩色通道提取灰度化彩色通道提取的主要目的是根據(jù)車道標(biāo)志線的色彩信息，提取一定的顏色通道，形成突出車道標(biāo)志線塊狀結(jié)構(gòu)的灰度圖像。車道標(biāo)志線一般為黃色或白色，而路面多為瀝青表面。在彩色圖像中車道標(biāo)志線上的點成像后，其 R 和 G 通道的顏色值相對大于 B 通道，而瀝青表面的成像以灰色為主，其 RGB 三通道的顏色比較平均而且相對較小。因此試圖通過提取 R、G 通道的方法突出車道標(biāo)志線的塊狀結(jié)構(gòu)是可行的。 為了從提取的通道合成灰度圖像，在此將R、G 通道的顏色值相加。具體是R、 G通道顏色值之和在一定的閾值之上的像素點直接取灰度最大值 255。而低于這個閾值的像素點，則被弱化。，其在灰度圖像中的像素值取(R+G)/2。綜上所述，其變換原理如式(35)：式中，C 表示 ——閾值；。R、 G分別 ——表示像素顏色值的Red分量、Green分量；G——像素顏色值的Green分量。從式(35)中可以看出，對于R、G通道顏色值較大的車道邊緣點在灰度圖像中其灰度值得到強(qiáng)化。而對于R、G通道顏色值較小的瀝青路面其灰度值將被弱化。從而經(jīng)過R+G處理后，得到的是車道邊界強(qiáng)化的灰度圖像。對于閾值C的選取，目前沒有固定的方法，本設(shè)計文的做法是，在車輛采集到的圖像下方取一塊條形區(qū)域，搜索B通道相對大的像素點，并計算出它們平均的(R+G)/2值，把該值作為整個圖像處理時的閾值，使整個圖像尤其是遠(yuǎn)方的車道線得到增強(qiáng)。用MATLAB 對彩色通道提取法對道路圖像進(jìn)行仿真如圖33： (23)石家莊鐵道學(xué)院畢業(yè)設(shè)計12圖33 彩色通道提取灰度化從圖33 中可以看出，車道邊緣部分在灰度圖像中得到了有效的增強(qiáng)，由于255表示灰度圖像中的白色，因此圖中車道標(biāo)記部分基本都被染成了白色，起到了增強(qiáng)邊界的作用。本設(shè)計選用彩色通道提取的方法灰度化道路圖像。 圖像灰度變換道路圖像灰度化后，灰度值通常只是集中在某個范圍，為使圖像的動態(tài)范圍加大，圖像對比度擴(kuò)展，清晰度提高，特征明顯，進(jìn)行圖像灰度變換 [6]是必要的?；叶茸儞Q可以是線性變換，也可以是非線性變換。 圖像灰度線性變換首先，介紹線性變換。使用一個線性單值函數(shù)，對圖像中的每個像素點做線性擴(kuò)展，將有效的改善圖像的視覺效果，增強(qiáng)對比度，而且計算復(fù)雜度低，易于實現(xiàn)。基本原理如式(36)：令原始圖像 的灰度范圍為 [a,b]，線性變換后的圖像),(jif的灰度范圍為 [a39。,b39。]， 和 之間存在下列關(guān)系：),(39。jif 39。 ),(),(39。39。39。39。 ajifabjif ????另外一種情況，圖像中大部分像素的灰度值在[a,b]范圍內(nèi)，少部分像素在小于a 和大于 b 的區(qū)間。此時，可以做如式(37) 所示的變換：(36) 石家莊鐵道學(xué)院畢業(yè)設(shè)計13bjifajifbjifajif ??????????),(,)(,),(39。39。39。39。 39。39。這種兩端“截取式”的變換使小于灰度級 a 和大于灰度級 b 的像素強(qiáng)行壓縮為a39。和 b39。，顯然這樣將會造成一部分信息的丟失。不過，有時為了某種特殊的應(yīng)用，這種“犧牲”是值得的。道路圖像的大部分信息是路面，可以預(yù)見灰度值集中在某個區(qū)間，進(jìn)行該變換是具有實際意義的。但是在道路圖像處理中，壓縮區(qū)間范圍的不確定性，沒有得到很好的解決，因此該方法是今后進(jìn)一步研究的重點。 圖像灰度非線性變換圖像灰度非線性變換：原始圖像 的灰度范圍是[a,b]，可以通過自然對數(shù)),(jif變換到區(qū)間 [a39。,b39。] 上如式 (38)，從而求得圖像 ：),(39。jif )ln,lnl,39。39。39。39。 aabajif ????這一變換擴(kuò)展了輸入圖像的中低灰度區(qū)域的對比度，而壓縮了高灰度值。由于道路圖像大部分信息是路面，其灰度值主要集中在相對較高的范圍內(nèi)，所以采用此種方法，在處理道路圖像時可以預(yù)見效果是比較差的?；叶茸儞Q法圖像對比度增強(qiáng)的結(jié)果用 MATLAB 仿真如圖 34：圖 34 灰度線性變換 (38) (37) 石家莊鐵道學(xué)院畢業(yè)設(shè)計14通過此例可以看出雖然灰度線性變換可以增強(qiáng)圖像的對比度，但是對于一些道路圖像增強(qiáng)效果是不明顯的。根據(jù)圖(34)道路圖像灰度直方圖的特點可以看出灰度值是集中分布但范圍廣，從0255灰度級范圍內(nèi)均有對應(yīng)的像素存在。因此若對直方圖均衡化，可以預(yù)見圖像對比度能夠得到較大程度的增強(qiáng)。下面簡介介紹直方圖變換 [7]。 基于直方圖的灰度變換直方圖是表達(dá)一幅圖像灰度級分布情況的統(tǒng)計圖，表示出具有某一灰度的像素數(shù)，并不表示像素在圖像的具體位置。直方圖的橫坐標(biāo)是灰度，一般用 r 表示，對于數(shù)字圖像信號，直方圖的縱坐標(biāo)是某一灰度值 的像素個數(shù) 。對于數(shù)字圖像irin有如式(39)、式(310)所示關(guān)系： nrpiii?)( 110??kii其中式中， ——圖像的第 級灰度值；iri——圖像中第 級灰度的像素個數(shù)；ink——為圖像對應(yīng)的總灰度級數(shù)。直方圖均衡化 [1]技術(shù)是通過變換將原圖像的直方圖調(diào)整為平坦的直方圖，然后用此均衡的直方圖校正原圖像，增加圖像灰度值的動態(tài)范圍，從而達(dá)到增強(qiáng)圖像整體對比度的效果。直方圖均衡化增強(qiáng)了靠近直方圖極大值附近的亮度的對比度，減少了極小值附近的對比度。變換函數(shù)如式(311)： 1,0,)()(00i ?????kjrpnrTSjijiii ?ijijiii ?其中 是變換函數(shù)。由于變換函數(shù)需要滿足 2 個條件：TrS),(?(1) 范 圍 內(nèi) 是 個 單 調(diào) 函 數(shù) 。在 10??k(2) 。有對 )(r可以證明 r 的累積分布函數(shù)滿足上述兩個條件，能將 r 的分布轉(zhuǎn)換為 s 的均勻分布。用 MATLAB 仿真直方圖均衡化技術(shù)如圖 35：(39)(310)(311)石家莊鐵道學(xué)院畢業(yè)設(shè)計15通過此例可以發(fā)現(xiàn)，圖像的灰度值在變換后概率分布由于得到了歸一化均勻分布(在直方圖中有明顯的體現(xiàn))，圖像的對比度得到了增強(qiáng)。在主觀評價上，可以看出經(jīng)過變換之后突出了原圖像的細(xì)節(jié)，將使其具有更好的邊緣檢測效果。因此本設(shè)計采用直方圖均衡化技術(shù)增強(qiáng)圖像的對比度。圖 35 直方圖均衡化石家莊鐵道學(xué)院畢業(yè)設(shè)計16 圖像濾波任何一幅未經(jīng)處理的原始圖像，都存在著一定程度的噪聲干擾。噪聲會惡化圖像質(zhì)量，使圖像模糊，甚至淹沒需要檢測的特征，給圖像的分析帶來困難。在進(jìn)行進(jìn)一步的邊緣檢測、圖像分割、特征提取、模式識別等處理之前，采用適當(dāng)?shù)姆椒ūM量減少噪聲的干擾就顯的非常重要的。道路圖像濾波 [8]主要有兩大類方法：一類方法是在圖像空間域?qū)D像進(jìn)行各種濾波處理，即空域處理法；另一類方法是把空間域圖像 經(jīng)過正交變換，如經(jīng)過傅立葉變換，得到頻率域的變換圖像),(yxf ，在頻率域進(jìn)行各種濾波處理后得到頻率域處理圖像 。然后再變換),(vuF ),(yxG到圖像的空間域，形成處理后的圖像,即頻域處理法。顯然，頻域處理法附加了圖像正交變換的正變換和反變換，對于數(shù)據(jù)量較大的二維道路圖像需要較大的內(nèi)存，且運(yùn)算時間也較長，不能滿足視覺系統(tǒng)實時處理的要求。因此，本設(shè)計采用空間域圖像濾波處理方法。下面就常用的幾種空域濾波算法進(jìn)行介紹。 線性平滑濾波 圖像平滑濾波處理分為線性濾波與非線性濾波，線性濾波方法提出較早且具有較完備的理論基礎(chǔ)。針對線性濾波處理，本設(shè)計文主要嘗試了均值濾波 [1]、均值濾波是對圖像進(jìn)行局部均值運(yùn)算， 每一個像素值用其局部鄰域內(nèi)所有值的均值置換如式(312) ，即： ?????syxfMyxg,),(1),(式中， ——鄰域稱為濾波窗口；S， ——為 鄰域 中的像素點數(shù)。MS，窗口在水平和垂直兩個方向上都必須為奇數(shù)，否則圖像會產(chǎn)生偏移。均值濾波器可以通過卷積模板的等權(quán)值卷積運(yùn)算來實現(xiàn)，本設(shè)計文采用了 、 、3? 模板進(jìn)行濾波比較。7?9該算法在去除麻點噪聲方面比較有效，但它不能區(qū)分有效信號和噪聲信號，噪聲和圖像細(xì)節(jié)同時被削弱。為了改善鄰域平均法中圖像細(xì)節(jié)模糊問題，提出了一些改進(jìn)方法，如選擇平均法和加權(quán)平均法，選擇平均法只對灰度值相同或接近的像素進(jìn)行平均，加權(quán)平均法則按照灰度值的特殊程度來確定對應(yīng)像素的權(quán)值，模板中的權(quán)值并不相同，其數(shù)學(xué)表達(dá)式如式(313)：(312) 石家莊鐵道學(xué)院畢業(yè)設(shè)計17 ),(),),( ynxmfywnmgNyMx ????式中， 表示 ——對應(yīng)像素需要加權(quán)的值， ?？梢愿鶕?jù)需要進(jìn)行修正，為了使),(yxw處理后的圖像的平均灰度值不變，模板中的各個系數(shù)之和為 1。雖然這種改進(jìn)方法，可以在一定程度上改善細(xì)節(jié)模糊的問題，但是模板中的權(quán)值的確定，由于道路圖像的多樣性，復(fù)雜性而沒有固定的算法，因此具有很大的局限性。 非線性平滑濾波 理論和實驗證明，雖然線性濾波具有良好的抑制噪聲能力，但是對圖像平滑會造成圖像中的細(xì)節(jié)信息損失，從而使處理后的圖像產(chǎn)生模糊。所以本設(shè)計文也嘗試了采用非線性平滑濾波處理的方法—中值濾波 [1]，中值濾波是一種非線性的圖像濾波方法，它于 1971 年由 提出的，并首先應(yīng)用于一維信號處理技術(shù)中， 后來被二維圖像處理技術(shù)所采用。中值濾波的基本思想是用像素點鄰域灰度值的中值來代替該像素點的灰度值，該方法在去除脈沖噪聲、椒鹽噪聲的同時又能保留圖像邊緣細(xì)節(jié)，在一定條件下可以克服線性濾波所帶來的圖像細(xì)節(jié)模糊問題，同時在實際運(yùn)算過程中并不需要圖像的統(tǒng)計特征，也給計算帶來不少方便，數(shù)學(xué)表示為式(314)： ??),(),(yxfSmedianyxf?式中， 為 ——當(dāng)前點的鄰域。),(yxfS用 MATLAB 對加入椒鹽噪聲的圖像應(yīng)用平滑濾波法去噪 ，進(jìn)行仿真如圖 36：(313)(314)石家莊鐵道學(xué)院畢業(yè)設(shè)計18用 MATLAB 對加入椒鹽噪聲的圖像應(yīng)用中值濾波法去噪 ，進(jìn)行仿真如圖 37：圖 36 平滑濾波圖 36 平滑濾波圖 37 中值濾波石家莊鐵道學(xué)院畢業(yè)設(shè)計19對不同的濾波方法，如平滑濾波法、選擇平均平滑濾波法、中值濾波法，分別用MATLAB 進(jìn)行比較的仿真，結(jié)果如圖 38 所示：通過對比可以看出，平滑濾波的道路圖像細(xì)節(jié)變得模糊，使用改進(jìn)的選擇平均法平滑濾波，使濾波圖像得到了改善，但是針對不同道路圖像灰度值相同或接近的概念不能明確化，具有一定的模糊性，需要進(jìn)一步研究。而中值濾波，可以看出對圖像邊緣有保護(hù)作用，且去噪聲的同時可以較好地保留邊緣的銳度和圖像的細(xì)節(jié)。顯然,這一方法是比較適合本課題要求的,因為在后續(xù)的處理中我們將要提取物體的邊緣特征,所以在去噪的同時較好地保留邊緣的銳度和圖像細(xì)節(jié)是難能可貴的。但在實際應(yīng)用中，窗口大小選擇要適宜，因為從圖 37 中可以看出，隨著窗口的擴(kuò)大，也可能破壞了圖像的某些細(xì)節(jié)，從仿真結(jié)果中以選擇 模板中值濾波為宜。3? 圖像邊緣增強(qiáng)道路圖像濾波后，對要識別車道線來講仍存在大量的無用信息。一般有白色標(biāo)記的車道線對路面而言有較強(qiáng)的邊緣，體現(xiàn)在灰度或紋理結(jié)構(gòu)等信息。道路圖像的邊緣種類大致可以分為兩種 [9]：一種是階躍性邊緣，兩邊的像素灰度值有明顯的不同，另一種是屋頂狀邊緣，它位于灰度值從增加到減少的轉(zhuǎn)折點。由于 CCD 攝像機(jī)傳感器具有低頻特性,所以圖像中的邊緣灰度值的變化不是瞬間的,而是跨越一定距離的，圖 39 分別給出了這兩種邊緣的示意圖及相應(yīng)的一階方向?qū)?shù)和二階方向?qū)D 38 濾波比較Comment [微微微微1]: 這里用公式編寫人名行嗎？石家莊鐵道學(xué)院畢業(yè)設(shè)計20數(shù)。 圖 39 9 兩種常見邊緣一階導(dǎo)數(shù)和二階導(dǎo)數(shù)基于邊緣導(dǎo)數(shù)的特點，可以用微分算子檢測出來，通常用一階或二階導(dǎo)數(shù)來檢測邊緣。如如 ,這幾算 子 等算 子 和算 子 、算 子 、算 子 、 CanyLogewitSoblRertsPr種邊緣檢測算子的共同特點都是以梯度為基礎(chǔ)的，首先介紹圖像梯度的概念。 圖像的梯度和邊緣檢測算子梯度算子 [7]是一階導(dǎo)數(shù)算子。對于一幅副圖像 ，它的梯度定義為一個向),(yxf量如式(315)： ?????????yfGxfx][),(其幅值如式(316)： 2/1)()yxfmag?該向量的方向角為式(317)： )rctn(),(xyG??數(shù)字圖像的離散性，計算 時，常用差分來代替微分，為計算方便，常用yx和小區(qū)域模板和圖像卷積來近似計算梯度值。采用不同的模板計算 [6]時可以產(chǎn)yx和生不同的邊緣檢測算子。設(shè)圖像的模板鄰域如圖 310所示：(315)(317)(316) 理想信號 實際信號 一階導(dǎo)數(shù) 二階導(dǎo)數(shù)石家莊鐵道學(xué)院畢業(yè)設(shè)計211Z23456789 圖 310 圖像的鄰域邊緣檢測算子用如圖 311 所示模板，來近似計算圖像 對 的Roberts ),(yxf和偏導(dǎo)數(shù)：