CN108073884A

CN108073884A - 一种用于车道线检测的图像预处理方法

Info

Publication number: CN108073884A
Application number: CN201611040412.3A
Authority: CN
Inventors: 陈卫刚; 彭浩宇; 王勋
Original assignee: Zhejiang Gongshang University
Current assignee: Zhejiang Uniview Technologies Co Ltd
Priority date: 2016-11-17
Filing date: 2016-11-17
Publication date: 2018-05-25

Abstract

本发明公开了一种用于车道线检测的图像预处理方法，该方法将输入图像划分成具有重叠区域的子块，对子块图像计算灰度直方图，根据灰度直方图构造一个分段均匀的直方图，并且由上述两个直方图计算合成直方图，由合成直方图采用直方图均衡化算法计算灰度值映射表，将根据映射表变换后的像素值累积到结果图像的相应位置；在完成所有子块的处理以后，每个像素累积的像素值除以累积次数作为输出结果。本发明通过直方图均衡化算法压缩图像中较小灰度值部分的对比度，提高较大灰度值部分的对比度，达到提高道线与道路中的其它部分的对比度的目的。

Description

一种用于车道线检测的图像预处理方法

技术领域

本发明涉及图像处理领域，特别涉及一种用于车道线检测的图像预处理方法。

背景技术

随着传感器技术和电子技术的发展，先进驾驶辅助系统(ADAS)成为汽车工业发展的一个重要方向。在ADAS系统中，道线检测是车道偏离预警、车道跟随、前车防撞预警等应用的重要基础。基于机器视觉的车道线检测技术具有系统体积小、易于设置、成本低廉、图像处理拥有较普及的基础技术平台等优点。与此同时，ADAS系统的摄像机安装在行驶的车辆中，其成像环境干差万别，可能是阴雨天、逆光、强光、夜晚等，在这些场合图像中道线区域与背景图像很难辨别。此时，那些在良好光照条件下能很好工作的检测技术的性能将大打折扣。

中国专利CN 104268859 A公开了一种针对夜间图像的预处理方法，首先以阈值化的方法将输入图像区分为道线区域和背景区域，然后对这两部分区域分别进行局部直方图均衡化处理。这种方法很大程度取决于上述阈值化分割方法是否可靠。然而，想在逆光、强光等光照环境下获取的图像中快速而可靠地分割出道线区域并不是一个简单的任务。

本发明以道线区域在图像中具有较高的灰度值这样的简单假设为基础，由图像直方图和一个分段均匀的直方图构造一个混合直方图，以此直方图为输入，采用直方图均衡化算法压缩图像中较小灰度值部分的对比度，提高较大灰度值部分的对比度，从而达到提高道线与道路中的其它部分的对比度的目的。得益于这两部分区域对比度的提高，使得后续的车道线检测算法能更可靠地工作。

发明内容

本发明实施例提供一种用于车道线检测的图像预处理方法，以增强图像中的道线区域和道路的其它部分的对比度，从而使得车道线检测算法在逆光、强光等复杂光照条件下也能具有较好的性能。

一种用于车道线检测的图像预处理方法，如下：

(1)将输入图像划分成具有重叠区域的子块，对每个子块计算归一化的灰度直方图H_i；

(2)根据直方图H_i构造一个分段均匀的直方图H_u；

(3)由直方图H_i和H_u按如下的计算方式获取合成直方图H_m：

H_m(k)＝bH_i(k)+(1-b)H_u(k)

其中b为一个预设的大于0小于1的系数；

(4)由直方图H_m采用直方图均衡化算法计算灰度值映射表T，具体地，对于n位灰度图像，映射表T包含2ⁿ个表项，第x个(其中，x＝0，1，…，2ⁿ-1)表项的值为T(x)，表示对于输入的灰度值x，经过变换后被映射成T(x)，按如下的方式计算：

其中，L_max表示可能的最大灰度值，对于n位灰度图像，L_max＝2ⁿ-1；

(5)根据灰度映射表计算变换后的图像；

(6)所述步骤(1)到(5)是对输入图像逐个子块地进行处理的，由于子块与子块之间存在重叠区域，会有多个变换后的像素值累积到结果图像的同一个像素，在完成所有子块的处理以后，以每个像素累积的像素值除以累积次数作为输出的结果。

所述步骤(2)中H_u的具体计算步骤为：首先，由直方图H_i确定满足以下公式的最小的灰度作为阈值Z，

其中α为一个预设的大于0.5且小于1的数；然后，上述直方图H_u中所有不大于阈值Z的灰度值所对应的元素设成相同的值大于阈值Z的灰度值所对应的元素则设成相同的值其中β为一个预设的大于0小于0.5的数。

附图说明

图1为本发明用于车道线检测的图像预处理方法具体实施方式框图；

图2为本发明实施例的子块划分示意图；

图3为本发明实施例构造分段均匀直方图的示意图。

具体实施方式

本发明针对由车载摄像机采集的视频图像在逆光、强光、阴影等光照条件下，可能导致车道线区域在图像中与背景部分对比不明显，从而影响车道线检测算法的性能的事实，提供一种图像预处理方法，以提高图像中道线区域和路面区域的对比度，使得车道线检测算法能方便地从输入图像中检测道线区域。

本发明实施例可以以块数据为单位处理输入图像，子块与子块之间可以存在重叠区域。

图1示出了本发明实施例中的一种用于车道线检测的图像预处理方法的流程示意图，如图1，该流程可以包括：

步骤101，设定子块的高和宽、X和Y方向扫描的递进步长等参数，初始化结果图像的各个像素值为0。

步骤102，将输入图像划分成存在重叠区域的子块，图2示出了本发明实施例子块划分和逐个子块处理的示意图，如图2所示的示例，其子块的宽度可以等于图像宽度，子块的高度为h，相邻子块存在h/2的交叠区域。

步骤103，计算子块图像的直方图，且作归一化处理，得到图像直方图H_i。

步骤104，根据直方图H_i构造一个分段均匀的直方图H_u。

在包含道线的图像区域中，道线部分通常具有比其它部分更大的灰度值。根据这个特点，由直方图H_i确定满足公式(1)的最小的灰度作为阈值Z，对小于该阈值的像素压缩其灰度分布范围，对于大于该阈值的像素则提升其灰度分布范围。

其中α为一个预设的大于0.5且小于1的数。

可选的，上述直方图H_u中所有不大于阈值Z的灰度值所对应的元素设成相同的值大于阈值T的灰度值所对应的元素则设成相同的值其中β为一个预设的大于0小于0.5的数。图3示出了构造直方图H_u的一个示意图，图3(a)是输入到车道线检测模块的低对比度图像，白色矩形框标示了待处理区域，图3(b)是待处理区域的归一化直方图H_i，图3(c)是步骤104构造所得的直方图H_u，其中的参数设置为α＝0.75，β＝0.2。

步骤105，由直方图H_i和H_u计算修正后的直方图H_m，具体实现时，本发明实施例可以采用如下的方式计算H_m：

H_m(k)＝bH_i(k)+(1-b)H_u(k) (2)

其中b为一个预设的大于0小于1的系数。

步骤106，由直方图H_m采用直方图均衡化算法计算灰度映射表T，具体地，对于n位灰度图像，映射表T包含2ⁿ个表项。第x个表项的值为T(x)，表示对于输入的灰度值x，经过变换后被映射成T(x)。具体实现时，本发明实施例可以采用如下的方式计算T(x)：

其中，L_max表示可能的最大灰度值，L_max＝2ⁿ-1。

步骤107，根据映射表T，计算变换后的子块图像，对像素(m，n)，若其灰度值为I(m，n)，则变换后的灰度值为T(I(m，n))。参照图2，在本发明实施例中，以逐个子块处理的方式计算直方图H_i、H_u、H_m和映射表T，并作映射变换。子块与子块之间存在重叠部分，所以图像中的一个像素会产生多个变换后的灰度值，本发明的一个实施例将这些变换后的灰度值累积到结果图像，并且，采用一个与输入图像相同大小的计数图C记录灰度值的累积次数。具体地，计数图C在像素(m，n)的值等于被子块覆盖的次数。

步骤108，设结果图像中像素位置(m，n)的累积灰度值为I′(m，n)，以I′(m，n)/C(m，n)作为增强后的输出结果。

以上所述仅为本发明的较佳实施例，但本发明的保护范围并不局限于此，凡在本发明的精神和原则之内，所做的任何修改或替换等，都应涵盖在本发明的保护范围内。

Claims

1.一种用于车道线检测的图像预处理方法，其特征在于，该方法包括：

将待处理的图像划分成彼此存在重叠部分的子块，对每个子块图像执行如下操作：

计算子块图像的归一化灰度直方图H_i，其中的第k个元素是子块图像中灰度值为k的像素数目除以子块图像总的像素数目；

根据归一化灰度直方图H_i构造一个分段均匀的直方图H_u；

由H_i和H_u按下式计算合成直方图H_m：

H_m(n)＝bH_i(n)+(1-b)H_u(n)

其中b为一个预设的大于0小于1的系数；

由合成直方图H_m，采用直方图均衡化算法计算灰度值映射表T；

对于子块图像中灰度值为x的像素，由灰度值映射表将其映射成T(x)，将变换后的像素值累积到结果图像的相应位置；

处理完所有的子块后，结果图像每个像素累积所得的像素值除以累积次数作为输出。

2.如权利要求1所述的方法，其特征在于，所述根据归一化灰度直方图H_i构造一个分段均匀的直方图H_u，包括：

由直方图H_i确定满足以下公式的最小的灰度作为阈值Z，

<mrow> <munderover> <mo>&Sigma;</mo> <mrow> <mi>k</mi> <mo>=</mo> <mn>0</mn> </mrow> <mi>Z</mi> </munderover> <msub> <mi>H</mi> <mi>i</mi> </msub> <mrow> <mo>(</mo> <mi>k</mi> <mo>)</mo> </mrow> <mo>&le;</mo> <mi>&alpha;</mi> </mrow>

其中α为一个预设的大于0.5且小于1的数；

上述直方图H_u中所有不大于阈值Z的灰度值所对应的元素设成相同的值所有大于阈值Z的灰度值所对应的元素则设成相同的值其中β为一个预设的大于0小于0.5的数，L_max表示可能的最大灰度值，对于n位灰度图像，L_max＝2ⁿ-1。

3.如权利要求1所述的方法，其特征在于，所述由合成直方图H_m采用直方图均衡化算法计算灰度值映射表T，对于n位灰度图像，映射表T包含2ⁿ个表项，第x个表项的值为T(x)，按如下的方式计算：

<mrow> <mi>T</mi> <mrow> <mo>(</mo> <mi>x</mi> <mo>)</mo> </mrow> <mo>=</mo> <msub> <mi>L</mi> <mrow> <mi>m</mi> <mi>a</mi> <mi>x</mi> </mrow> </msub> <munderover> <mo>&Sigma;</mo> <mrow> <mi>i</mi> <mo>=</mo> <mn>0</mn> </mrow> <mi>x</mi> </munderover> <msub> <mi>H</mi> <mi>m</mi> </msub> <mrow> <mo>(</mo> <mi>i</mi> <mo>)</mo> </mrow> </mrow>

其中x＝0，1，…，2ⁿ-1。