1.2     研究现状
2    道路图像预处理及图像分割技术
2.1     引言
由于道路表面的复杂性，以及存在大量的干扰因素，例如：由于雨雪气候引起的强光反射，各种光照条件，阴影，杂物，行人和道路的不平坦，由于下雨，下雪天气条件的干扰，路标线的污染和破坏是的得到的路标线不完整，对数字图像质量的最终输出存在不同程度的影响。因此，有必要把在数字图像中的噪声给去除，对图像的修整和图像质量的改善。此外，有必要在图像中删除一些其他环境的干扰，保留并突出对得出道路有用的信息，这些都是需要图像预处理工作来完成的。
图像处理方法可以分为区域处理和点处理。点处理输出像素值只取决于图像处理方法的输入像素值；在区域处理中，其像素值不但要根据我们输入的像素值的取决与否，而且还跟该像素一定范围内相邻像素的取值有关。图像处理可通过对图像的分析，从而达到改善图像的质量，即提高图像原有的可视度，这种处理方法也可以运用到点处理和区域处理里，对很多方法都有涉及到。
局部图像处理算法突出图像中局部信息。在同一时间，删除掉不需要的信息的处理方法。图像通过局部处理算法后可以得到特定的效果，与原始图像相比，更方便的帮助计算机和人类视觉对于图像的理解和分析，通过最简单的方式增强计算机的处理能力和方法，大大改善图像存在的诸多问题和弊端。
图像处理算法有两种主要类型：第一，图像增强，图像渲染效果的改善；第二，为了能够方便计算的处理运算，我们通常都会先突显出图像的特征。其中空间域和变化域的模糊处理方法比较常用，这种方法直接通过操作图像的像素灰度值来突出图像的特征，方便后面的计算机处理。对于不同要求的灰度值和空间滤波方法的应用不同。首先，将要处理的图像映射到这个变换域的其中一个区域内，再通过对该图像的变化域的局部进行处理，而后突显出该图像的特征数据。而模糊处理法则不然，它通过将图像进行模糊处理后再映射到图像上，这样来得到图像平面上相对应的模糊图像的特征数据，这样通过图像逆映射的处理后，可以很好的增强图像的特征数据，达到图像增强的效果。
2.2     道路图像预处理
2.2.1    道路图像特征
道路的图像特征主要包括物理与几何的，其基本特征主要有以下几种：
（1）    几何特征。道路是长条状的，它的长度大于宽度，道路的宽度改变的会比较小，以及曲率是有限的；
（2）    辐射特征。一般的道路上会有明显的边缘，道路平面的灰度是均匀的，与相邻区域的灰度差异还是比较大的；
（3）    拓扑特征。从拓扑结构来看，道路是相连的，可以形成一个网络状；
（4）    上下文特征。上下文特征是指与道路相关的信息和特征，比如道路旁边的树木和建筑物和以及其他环境等，其是局部上下文和全局上下线文所提供的全局信息，如是在城市或农村的图像区域。
本文主要是在图像中提取道路信息，提取的流程如图2.1所示。
 道路图像分割流程图
首先，先载入要处理的道路图像，然后在进行图像的灰度化处理过程，根据得到灰度化后的图像后再进行图像的边缘检测，完成边缘检测后，进行图像的二值化处理，紧接着定位道路的边缘信息，最后将分割数据信息和边缘数据信息加以融合，得到的将是一个完整的道路图像。
2.2.2    图像灰度化 基于图像的道路分割技术算法研究(3):http://www.youerw.com/tongxin/lunwen_33708.html