基于opencv的車道線檢測的圖像預(yù)處理分析案例目錄TOC\o"1-3"\h\u11524基于opencv的車道線檢測的圖像預(yù)處理分析案例 [11]。原圖像里面的直線經(jīng)過透視變換后仍為直線。圖2-6透視變換原理圖透視變換的公式為： x'y其中透視變換矩陣為： A=a透視變換矩陣可以拆開來看，a11a12a21（u，v）為原圖像的坐標(biāo)，（x=x'w'，y=y'仿射變換（AffineTransformation）可以認為是透視變換的一種特殊形式。透視變換的數(shù)學(xué)表達式為： x=x y=y實現(xiàn)透視變換主要有g(shù)etPerspectiveTransform（）函數(shù)和warpPerspective()函數(shù)。其中，getPerspectiveTransform（）函數(shù)根據(jù)輸入坐標(biāo)和輸出坐標(biāo)獲得透視變換矩陣；而warpPerspective()函數(shù)是用來實現(xiàn)透視變換的，函數(shù)的參數(shù)有兩個，分別是原圖像四個點的坐標(biāo)和目標(biāo)圖像四個點的坐標(biāo)，這個函數(shù)就可以自動完成透視變換。透視變換的一般步驟就是通過getPerspectiveTransform（）函數(shù)獲得變換矩陣，在根據(jù)warpPerspective()函數(shù)獲得的變換矩陣得到輸出的圖像。1.5感興趣區(qū)域的選取在圖像處理中，從待處理的圖像中，用規(guī)則多邊形或者不規(guī)則多邊形等方式找到要進行處理的區(qū)域，這個區(qū)域稱為感興趣區(qū)域（ROI）。設(shè)置感興趣區(qū)域可以減少要處理的圖像的數(shù)據(jù)量，減少處理一幀圖像的時間，從而提高圖像識別的實時性，如圖2-7所示。圖像感興趣區(qū)域的提取主要是依靠掩膜進行的。掩模實質(zhì)是一個二值圖像，對感興趣的部分，像素值設(shè)為1，其他部分的掩模值為0。選擇感興趣區(qū)域的方法大致有三種：（1）、使用Rect函數(shù)，選擇的roi區(qū)域就是一個矩形區(qū)域，這個矩形區(qū)域需要矩形的左上角坐標(biāo)、矩形的高度以及矩形的寬度，MatimageROI=image(Rectx，y，widt?，?eigt?（2）、利用Range畫出感興趣區(qū)域的行、列范圍，MatimageROI=image(Range(y，y+imageROI.rows)，Range(x，x+image.ROI.cols))；（3）、直接利用鼠標(biāo)圈選感興趣區(qū)域。圖2-7感興趣區(qū)域1.6二值化圖像中基本形態(tài)學(xué)運算在上述章節(jié)中已經(jīng)簡要闡述了二值化圖像，下面介紹在車道線檢測中常用的幾種二值化圖像基本形態(tài)學(xué)運算；它分為膨脹、腐蝕、開運算與閉運算等，以下將主要分析這幾個運算的原理與作用。1.6.1膨脹運算與腐蝕運算膨脹和腐蝕操作都是對于圖像中的白色部分而言的，是一對相反的操作。腐蝕指的是，在待處理的圖像中，只有當(dāng)與卷積核對應(yīng)的像素點的亮度值全部都為1時，其中心點的像素值才為1，否則中心點的值為0?；蛘哒f，經(jīng)過某個位置時，該位置周圍（與卷積核相對應(yīng)）的像素點的值全部是255，這個位置才會是白色，否則就是黑色。圖像經(jīng)過腐蝕后白色區(qū)域會變小。如圖2-8所示。膨脹與腐蝕的操作相反，在待處理的圖像中，當(dāng)與卷積核對應(yīng)的像素點的亮度值有一個是1時，其中心點的像素值就是1，否則中心點的值為0；也就是說，經(jīng)過某個位置時，該位置周圍（與卷積核相對應(yīng)）的像素點的值都為0時，中心點的值才會是0。所以說，膨脹操作會使圖像中的白色區(qū)域擴大。進行圖像平滑時，一般是先腐蝕再膨脹，消失的噪聲就不會再出現(xiàn)了，但是白色區(qū)域還在并且范圍會擴大。如圖2-9所示。圖2-8腐蝕之前（左邊）與腐蝕之后（右邊）圖2-9膨脹之前（左邊）與膨脹之后（右邊）1.6.2開運算與閉運算根據(jù)先是腐蝕運算再是膨脹運算和先是膨脹運算再是腐蝕運算的順序不同，得到的新運算也不同。開運算就是先進行腐蝕運算后進行膨脹運算的過程，用來消除背景中的小點前景色噪聲、平滑形狀邊界、斷開物體之間的細小連接，用不同的核矩陣效果會不同，有效元素為圓的核矩陣可以平滑邊界、去除突刺。運用開運算可以保證車道線原始的圖像軌跡，同時還可以消除道路上的一些干擾。在數(shù)學(xué)形態(tài)學(xué)中，開運算可以描述為：A°B=A?B圖2-10給出了開運算的模擬效果，從中可以看出開運算具有消除細小噪聲的作用。a)b)圖2-10開運算之前a)與開運算之后b)閉運算就是先進行膨脹運算然后進行腐蝕運算的一種運算。閉運算可以將邊界的噪聲消除，消除細小的裂縫和小孔，并且不會改變圖形所處的位置，也不會改變圖形的形狀。與開運算的不同是，它對物體圖像內(nèi)部進行連通和相關(guān)噪聲的去除，對車道線的連續(xù)性和邊界檢測的準(zhǔn)確性有所提高。在數(shù)學(xué)上，閉運算可以描述為：A?B=A⊕B圖1.11中給出了閉運算的模擬效果，從中可以看出閉運算具有連接細微間斷點的作用。a）b）圖2-11閉運算之前a)與閉運算之后b)1.7圖像增強處理圖像增強可以通過某種手段，改變原始圖像的數(shù)據(jù)，從而改變圖像的視覺效果。圖像增強處理一般來說可以大致的劃分為基于空域的圖像增強和基于頻域的圖像增強(這兩個的區(qū)別主要是處理圖過程圖像所在的空間是否相同)：基于空域的圖像增強是直接對圖像進行處理（在同一個空間）；基于頻域的是改變圖像在某個空間（不是原空間）內(nèi)變換系數(shù)，再映射到其原來的空間。圖像增強有兩個主要目的，一個是為了讓圖像看的更清楚；另一方面是針對給定的場景，增強感興趣的部分，抑制不感興趣的部分，以擴大圖像中不同物體特征之間的差別。在圖像增強方法當(dāng)中，直方圖均衡化是常用的方法之一。直方圖均衡化是通過改變圖像中每一個像素的灰度值，提高圖像的對比度。所以，對于原來的圖像背景太亮或者太暗等情況，使用直方圖均衡化可以使感興趣的部分在背景中更加突出，直方圖均衡化的主要要點之一就是把原來的圖像中灰度值比較集中的部分分散到整個灰度范圍內(nèi)。直方圖均衡化算法主要有四個步驟，一是通過統(tǒng)計每個灰度值在圖像出現(xiàn)的次數(shù)，計算各個灰度值的概率;二是通過第一步得到的概率，計算灰度級值累計概率，如圖2-12所示;三是根據(jù)函數(shù)求映射后的灰度值；四是將求得的灰度值取整。直方圖均衡化方法