兴趣区域的提取
兴趣区域的提取过程分为以下几部分。首先,通过车载摄像头的拍摄以及数据的筛选, 我们得到一系列的实验结果图,取其中道路区域边界比较明显的结果图作为本章工作的模板 图。这里,我采用的几组图片如下:
图 2。1 不同的道路场景
兴趣区域(Regions of Interest )就是在一幅图像中最能引起用户的兴趣,最能代表整 幅图像的内容以及进行处理之后体现出来的效果最明显的区域。如果能够成功地提取到这些 兴趣区域,将会大大的提高图像处理过程中的分析效率以及分析的准确度。
在本次的试验中,我们使用了 opencv 自身提供的 cvSetImageROI 方法来完成试验中所需 的兴趣区域提取工作。提取的兴趣区域如图 2。3 所示:
图 2。2 实验中用到的兴趣区域
在上面一系列的操作中,虽然没有明确的说明,但是某些细节部分涉及到了另外一个概 念:边缘检测。边缘是指一副图像中局部性的强度变化最明显的部分。边缘主要是存在于各
类目标与目标、目标和背景、区域和区域(包括各类不同的颜色)之间,是图像分割 、纹理特
征和形状特征重要的基础。边缘检测往往是图像分析和理解的第一步。由于边缘检测这个阶 段十分重要。因此,它毫无疑问的成为了机器视觉研究领域内最活跃的课题之一。到此,兴 趣区域提取的部分已经完成,接下来是对兴趣区域进行 Canny 边缘检测的处理。
2。2。2 对兴趣区域进行 canny 检测
在对兴趣区域进行操作的过程中,首先想到了使用 opencv 提供的soble 边缘检测方法,并 且尝试着重新编写soble 算法的 C++代码使得其效果与 matlab 中的算法效果一致。但是,由于
soble 边缘检测算法是一种基于单一阔值的算法,所以在编写过程中没能兼顾到低阔值时候的
多值边缘以及高阔值时候的边缘的缺失这两个问题。所以,在寻求新的出路的时候,又发现 opencv 提供的 Canny 算子刚好弥补了上述算法的缺点。就现在的情况看来,Canny 边缘检测 是目前在边缘检测方面效果最好的边缘检测方算。文献综述
Canny 边缘检测方法采用双阈值法,其中,高阈值是用来检测实验图像中比较重要的、 较显著的线条、轮廓等图案,而低阈值则用来保证不丢失图片中的细节部分,所以,低阈值 法检测出来的边缘更加的丰富,但是并不是所有的边缘都是我们所关心的。所以最后,我们 采用一种新的查找算法,将低阈值算法中与高阈值算法的边缘部分有重叠的若干个线条保留 下来,删除其他所有无关的线条。经过上面的操作,我们成功在图片中提取到了相关的兴趣 区域的提取以及对其进行了 Canny 边缘检测。随后,我们在 Canny 检测后的图片里进行 Hough 变换得到的结果如下:
图 2。3 在兴趣区域进行 Canny 检测并且进行了分段的 Hough 变换
2。3 Hough 变换
2。3。1 Hough 变换的简单介绍
Hough变换是图像处理过程中从图像中提取各类几何图形的基本方法之一。Hough变换的 原理是利用点与线之间存在的对偶性,将原始图像中的某一个曲线(直线)变换为参数空间 的一个点。从而将原始图像中的检测问题转换为参数空间中的峰值的查找问题。即将检测特 性从整体转化为局部性。例如直线、椭圆等。
假设在某一副二值图像(黑白)上画了一条直线,现需要求出直线所在的位置。大家都 知道,直线的方程一般用 y k * x b 来表示,其中k和b都是常数参数表示斜率和截距。由点 Hough+Canny+SPRAY空间线模型的道路识别方法研究(4):http://www.youerw.com/jisuanji/lunwen_84812.html