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