【文章內容簡介】 干擾。所以，本文使用了一些圖像預處理的方法對拍攝的道路圖像進行處理。 道路圖像灰度化車道線檢測系統(tǒng)中，如何提高實時性是一個非常關鍵的技術要點。從車輛攝像頭采集的圖像一般為彩色圖像，但是圖像的邊緣檢測、平滑處理等問題，基本是在灰度圖像上完成，而且彩色圖像所含信息量較大，對其的處理也就需要很大的計算量和較長的時間，并且對硬件要求比較高，從而在各方面影響了系統(tǒng)的實時性。因此在車道線檢測系統(tǒng)中一般需要對攝像頭采集的彩色圖像進行灰度化處理，使之成為灰度圖，以達到提高實時性的目的[6]。圖像的灰度化是指把彩色圖像變換成灰度圖像的過程。紅色(Red)、綠色(Green)、藍色(Blue)三種色彩按不同比例構成了彩色圖像中的各個像素點。各自分量的亮度由灰度值表示，由于亮度信息由暗到明是連續(xù)變化的，所以要描述圖像的灰度圖，就需要把亮度值進行量化。通常劃分成 0 ~255 ，共256個級別，0 表示全黑，255 表示全白。1~254 則表示介于全黑和全白之間的不同亮度。一般有以下四種灰度化的方法：分量法：將彩色圖像中的三個分量R，G，B的值作為灰度圖像的灰度值，根據不同的情況選擇其中一種灰度圖像。公式： =，=, =。 (1)最大值法：選擇彩色圖像R，G，B中亮度的最大值最為灰度圖的灰度值。公式： =。 (2)平均值法：將彩色圖像中的三個分量R，G，B的值求和再求其平均值，并將此平均值設為新的灰度值。公式： = (3)加權平均法：根據R，G，B三個分量的重要性，將三個分量賦以不同的權值再進行平均。鑒于人眼對綠色敏感度最高而對藍色敏感度最低這一視覺特性，按照下式進行加權得到的灰度圖像較為合理，所以本文選擇加權平均法將彩色圖像灰度化。公式： =； (4)原圖灰度圖 道路圖像濾波圖像濾波處理用來消除圖像中的噪聲，濾波既可以在空域中進行也可以在變換域中實施，基本方法就是選取像素灰度的平均值或者中值。盡可能的保留圖像所需的特征條件而抑制圖像中的噪聲，減少后續(xù)處理的干擾并保證圖像處理的可靠性。二值化前后均可進行濾波處理。二值化前的濾波處理是基于灰度圖像進行，濾波后勢必導致灰度圖像有部分信息丟失但同時也抑制了噪聲的干擾。而在二值化以后，圖像仍然會出現(xiàn)一些散點，這是為了有利于后續(xù)的處理仍需進行一次濾波處理。本文采取的是對灰度圖像直接濾波。目前，圖像濾波的方法有很多，例如：中值濾波法、高通濾波、低通濾波、高斯濾波、均值濾波等。在此本文不一一介紹，只對幾種常用典型的濾波方法作簡要的介紹。平均鄰域法：假設相鄰的像素點之間具有相關性，這個像素點的值可以用相鄰像素點值的平均值來代替，以實現(xiàn)圖像濾波。數學表達式如下： (5)中值濾波法：中值濾波是基于排序統(tǒng)計理論的一種能有效抑制噪聲的非線性信號處理技術，其基本原理是把數字圖像或數字序列中一點的值用該點的一個鄰域中各點值的中值代替，讓周圍的像素值接近的真實值，從而消除孤立的噪聲點。同時，中值濾波法是一種非線性平滑技術，對脈沖噪聲有良好的濾除作用，特別是在濾除噪聲的同時，能夠保護信號的邊緣，使之不被模糊。這些優(yōu)良特性是線性濾波方法所不具有的。此外，中值濾波的算法比較簡單，也易于用硬件實現(xiàn)。所以，中值濾波方法一經提出后，便得到重要的應用。濾波效果圖31數學表達式如下： (6)高斯濾波：高斯濾波是一種線性平滑濾波，適用于消除高斯噪聲，廣泛應用于圖像處理的減噪過程。通俗的講，高斯濾波就是對整幅圖像進行加權平均的過程，每一個像素點的值，都由其本身和鄰域內的其他像素值經過加權平均后得到。高斯濾波的具體操作是：用一個模板（或稱卷積、掩模）掃描圖像中的每一個像素，用模板確定的鄰域內像素的加權平均灰度值去替代模板中心像素點的值。在圖像處理中，高斯濾波一般有兩種實現(xiàn)方式，一是用離散化窗口滑窗卷積，另一種通過傅里葉變換。最常見的就是第一種滑窗實現(xiàn)，只有當離散化的窗口非常大，用滑窗計算量非常大（即使用可分離濾波器的實現(xiàn)）的情況下，可能會考慮基于傅里葉變化的實現(xiàn)方法。車道線邊緣提取中有一個邊緣檢測的過程,這要求在圖像增強過程中要選擇一種在去除噪聲的同時能夠較好的保持圖像的邊緣和細節(jié)的圖像濾波方法,基于此要求,本課題進行大量的實驗對比,分析各種方法的優(yōu)缺點,最終選擇了中值濾波作為本課題圖像增強方法,因為在實驗過程中,發(fā)現(xiàn)中值濾波能在濾除圖像噪聲的同時可以較好的保存車道的邊緣特征。 圖31 中值濾波后的圖像 圖像邊緣檢測在圖像處理及應用中,圖像邊緣作為圖像的一個最基本特征起著舉足輕重的作用,它蘊含了圖像豐富的內在信息,廣泛應用于圖像分割、圖像分類、圖像配準和模式識別中。所謂邊緣是指圖像特征不連續(xù)的分割點組成的線,這里說的圖像特征的不連續(xù)包含有圖像灰度級的突變、紋理結構的突變、顏色的突變等。邊緣其實是圖像一個區(qū)域的開始,另一個區(qū)域的結束,利用該特性可以對圖像進行分割處理【7】。目前，常用的邊緣檢測的方法有Robert算子，Prewitt算子，Sobel算子，Canny算子等，但是本文結合實驗結果和實際應用采用自定義差分算子。以下將對各種算子進行簡要介紹。 Robert算子Roberts邊緣檢測算子是一種利用局部差分算子尋找邊緣的算子,Robert算子圖像處理后結果邊緣不是很平滑。經分析，由于Robert算子通常會在圖像邊緣附近的區(qū)域內 產生較寬的響應，故采用上述算子檢測的邊緣圖像常需做細化處理，邊緣定位的精度不是很高。該算子的計算公式如下： (7)其中，表示圖像點處的原灰度值，表示輸出的灰度值。以下是該算子的卷積核：、Robert邊緣檢測 Prewitt算子Prewitt算子是一種一階微分算子的邊緣檢測，利用像素點上下、左右鄰點的灰度差，在邊緣處達到極值檢測邊緣，去掉部分偽邊緣，對噪聲具有平滑作用 。其原理是在圖像空間利用兩個方向模板與圖像進行鄰域卷積來完成的，這兩個方向模板一個檢測水平邊緣，一個檢測垂直邊緣。經典Prewitt算子認為：凡灰度新值大于或等于閾值的像素點都是邊緣點。即選擇適當的閾值T，若，則為邊緣點，為邊緣圖像。這種判定是欠合理的，會造成邊緣點的誤判，因為許多噪聲點的灰度值也很大，而且對于幅值較小的邊緣點，其邊緣反而丟失了。下圖為Prewitt算子的邊緣檢測圖。Prewitt算子邊緣檢測圖 Sobel算子在邊緣檢測中，常用的一種模板是Sobel 算子。Sobel 算子有兩個，一個是檢測水平邊緣的 ；另一個是檢測垂直邊緣的 。與Prewitt算子相比，Sobel算子對于象素的位置的影響做了加權，可以降低邊緣模糊程度，因此效果更好。Sobel算子另一種形式是各向同性Sobel(Isotropic Sobel)算子，也有兩個，一個是檢測水平邊緣的 ，另一個是檢測垂直邊緣的 。各向同性Sobel算子和普通Sobel算子相比，它的位置加權系數更為準確，在檢測不同方向的邊沿時梯度的幅度一致。由于Sobel算子是濾波算子的形式，用于提取邊緣，可以利用快速卷積函數， 簡單有效，因此應用廣泛。美中不足的是，Sobel算子并沒有將圖像的主體與背景嚴格地區(qū)分開來，換言之就是Sobel算子沒有基于圖像灰度進行處理，由于Sobel算子沒有嚴格地模擬人的視覺生理特征，所以提取的圖像輪廓有時并不能令人滿意。該算法的模板如下：水平邊緣Sobel算子 垂直邊緣Sobel算子 Sobel邊緣檢測算子定義為： (8)其中和的計算公式如下： = (9)= (10)使用Sobel算子的邊緣檢測圖像如下：Sobel算子邊緣檢測圖 Canny算子Canny 邊緣檢測算子是 John F. Canny 在1986 年研究出來的一種多級檢測邊緣算子。Canny 算子[8]是一種比較理想的邊緣分割算子，從以下的三個標準意義來說，Canny 邊緣檢測算子對受到白噪聲影響的階躍型[9]邊緣是最優(yōu)的。Canny邊緣檢測算子的三個準則[10]：(1)檢測標準。不丟失重要的邊緣，不應有虛假的邊緣。(2)定位標準。實際邊緣與檢測到的邊緣位置之間的偏差最小。(3)單響應標準。將多個響應降低為單個邊緣響應。Canny 算子對一幅圖像進行邊緣檢測，一般可分為三個步驟：濾波、增強和檢測。Canny 算法在進行處理前，為去除噪聲，首先利用高斯平滑濾波器來平滑圖像。由于圖像中的噪聲在圖像傅里葉變換中對應高頻部分，所以要在頻域中通過濾波削弱噪聲的影響，設法濾除或減弱這部分的頻率分量。在實際工程應用中，人們往往采用低通濾波器來實現(xiàn)。但是大多數濾波器雖然能降低噪聲，但也導致了邊緣強度的損失，高頻部分對應著邊緣，所以要在邊緣與噪聲之間作一個中間處理。增強邊緣就是將鄰域或者局部強度值有顯著變化的點突出出來，通過計算梯度幅值來完成。Canny 分割算法是采用一階偏導的有限差分來計算梯度的方向和幅值。一個邊緣的一階導數在邊界處存在向上的階躍。一般的邊緣檢測是利用求導數來實現(xiàn)的，這是因為導數的計算對噪聲很敏感。在處理的過程中，Canny 算法將經過一個非極大值抑制的過程，最后連接邊緣是通過 Canny 算法采用兩個閾值來實現(xiàn)的[11]，下圖為Canny邊緣檢測圖。Canny邊緣檢測圖本文考慮到車道線的在圖像中的方向特征，即左右車道線傾斜角度一般分別是 45176。和 135176。方向，所以自定義了兩個差分算子。對平滑處理后的圖像用這兩個差分算子對道路圖像做微分計算，就得到了道路圖像的邊緣。本文提出的自定義差分算子在提高了車道線的邊緣像素點與周圍區(qū)域像素點的對比度的同時，又保證了車道線結構完整。左右卷積核分別如下圖所示：左卷積核和右卷積核自定義差分算子邊緣檢測圖如下：自定義差分算子邊緣檢測圖 本章小結在這一章節(jié)中，本文主要介紹了車道線檢測系統(tǒng)中所使用的圖像預處理技術。詳細的介紹了圖像灰度化的原理和