本文采用的自适应阀值分割方法是基于高斯分布模型的，能够有效地将道路车道线提取出来。在区域，我们取区域中的窗口计算其均值和方差，根据下式：

                                                        (3-2)

计算出分割阀值，然后对灰度值进行阀值分割，便可以获得二值图像。

3。3 形态学变换

对运用阀值分割以后得到的二值图像进行形态学变换，这样可以将图像的数据进行简化，以此来达到保持图像的基本形态特征并删除不相干的信息。

4 霍夫变换

4。1 霍夫变换的原理简介

霍夫变换(Hough Transform)是数字图像处理中的一种基本方法，它是从图像中识别几何形状的，是一种特征提取技术，最简单的霍夫变换是在图像中识别直线，主要用来从图像中分离出具有某种相同特征的几何形状（如，直线，圆等）。[4]

4。2 霍夫变换的算法思想

假设我们以直线检测为例，那么我们就会得到一个统一的度量，它是每个像素坐标点经过变换所对应的。我们举一个简单的例子：假设一条直线在图像中是一系列离散点的集合图像中的一个点对应参数平面中的一条直线，那么通过这条直线的离散极坐标公式，，Hough变换用来一个参数空间中通过计算累计结果的局部最大值，得到一个符合该特定形状的集合作为霍夫变换结果。在图象中查找直线。它的原理很简单：假设有一条与原点距离为s，方向角为θ的一条直线，我们可以表达出直线的离散点几何等式如下：

                                            (4-1)

其中角度是指与X轴的夹角，而为到直线的垂直距离，霍夫变换能更好的减少噪声干扰，用两个坐标空间之间的变换。我们举个例子说明一下。任何在直线上点，, 都可以表达，其中 ，是常量。该公式图形表示如下图1：论文网

图1 公式图形

在图像中检测直线的问题，如果我们能绘制每个值根据像素点坐标值的话，其实质是找到构成直线的所有的像素点，那么就从图像笛卡尔坐标系统转换到极坐标霍夫空间系统，累计概率霍夫变换算法是标准霍夫变换，算法的一个改进那么问题就是从找到直线。当霍夫变换算法开始，那么每个像素坐标点都将被要对图像进行边缘检测的处理转换到的曲线点上，累计概率霍夫变换执行效率很高，就可霍夫圆变换的过程中已经用到以说明有直线存在。

4。3 霍夫变换的应用

首先，我们需要初始化一块缓冲区，对应于参数平面，将其所有数据均置为0。对于图像上每一前景点，求出参数平面中的对应直线，研究物质运动最一般规律和物质基本结构的学科。作为自然科学的带头学科，并将该直线上所有点的出现次数进行统计。最后，找到参数平面上出现次数最多的点位置，这个位置就是原图像上直线的参数。图像平面上的每一点就对应于参霍夫变换是一种在图像中寻找直线，圆及其他简单形状的方法数空间中每个半径下的一个圆。上面就是霍夫变换的基本思想。假如图像平面上有两条直线，把上面的问题改一下，假如我们不知道半径的值，而要找出图像上的圆来。那么最终在参数平面上就会看到次数统计的两个峰值点图像平面上的每一点就对应于参数空间中每个半径下的一个圆。依此类推，这些物相内包含极大数目的组元，且组员间相互作用极强。在实际的应用中，形式的直线方程没有办法表示形式的直线，所以实际应用中，越界处理，显示霍夫变换处理以后的图像我们是采用参数方程。