CN109766831A - 一种道路色带识别方法、装置、计算机设备、及存储介质 - Google Patents
一种道路色带识别方法、装置、计算机设备、及存储介质 Download PDFInfo
- Publication number
- CN109766831A CN109766831A CN201910020580.3A CN201910020580A CN109766831A CN 109766831 A CN109766831 A CN 109766831A CN 201910020580 A CN201910020580 A CN 201910020580A CN 109766831 A CN109766831 A CN 109766831A
- Authority
- CN
- China
- Prior art keywords
- image
- colour band
- monochrome bitmap
- road
- road colour
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 41
- 238000012545 processing Methods 0.000 claims abstract description 21
- 230000003628 erosive effect Effects 0.000 claims abstract description 17
- 238000006243 chemical reaction Methods 0.000 claims description 32
- 238000004590 computer program Methods 0.000 claims description 8
- 230000010339 dilation Effects 0.000 claims description 6
- 235000021185 dessert Nutrition 0.000 claims 1
- 238000005286 illumination Methods 0.000 abstract description 5
- 239000000284 extract Substances 0.000 abstract description 2
- 238000003709 image segmentation Methods 0.000 abstract 1
- 238000010586 diagram Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 238000012935 Averaging Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 238000009499 grossing Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 239000003086 colorant Substances 0.000 description 2
- 238000005260 corrosion Methods 0.000 description 2
- 230000007797 corrosion Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000003672 processing method Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
Landscapes
- Image Analysis (AREA)
Abstract
本发明涉及图像识别领域,尤其涉及一种道路色带识别方法、装置、计算机设备、及存储介质,所述方法包括:获取待识别的道路色带的RGB图像并将其转换为HSI图像;将HSI图像每个像素点的色彩值二值化,得到第一单色位图;通过开运算对第一单色位图进行去噪,得到第二单色位图;对第二单色位图进行腐蚀运算,得到第三单色位图;将第二单色位图和第三单色位图做差运算,得到道路色带的两条边沿曲线;求两条边沿曲线坐标值的平均值,得到道路色带的中心曲线;输出中心曲线。本发明通过处理HSI图像,提高了图像分割的速度,能够更好的处理阴影或者光照变化大的图像,提取中心线的处理,能够有效的解决图像阈值化处理后边界平滑性、以及图像噪声的问题。
Description
技术领域
本发明涉及图像识别领域,尤其涉及一种道路色带识别方法、装置、计算机设备、及存储介质。
背景技术
图像识别现在是一个十分重要的研究方向,也是一个十分活跃的研究课题,而目标识别则是图像识别中比较重要的一种技术。
现有的目标识别技术在道路色识别中,大多数采用的是灰度图像法,或者基于RGB的阈值分割法,但是灰度图像法中提取的图像信息没有彩色图像的信息多,导致识别不够准确,RGB颜色图像是基于三基色原理对图像进行识别,适用于颜色的采集和显示,不适用于图像的分割,因为其三基色的分量会随着图像的亮度改变而改变,所以基于RGB的阈值分割法对图像的分割效果极差,尤其是在室外的道路色带采集上,采集到的图像不利于信息提取。
由此可见,现有的道路色带识别存在较多的技术问题,急需解决。
发明内容
基于此,有必要针对上述的问题,提供一种道路色带识别方法、装置、计算机设备、及存储介质。
在其中一个实施例中,本发明提供了一种道路色带识别方法,所述方法包括如下步骤:
获取待识别的道路色带的RGB图像;
通过转换公式将所述RGB图像转换HSI图像;
将所述HSI图像每个像素点的色彩值做二值化处理,得到第一单色位图;
通过开运算对所述第一单色位图进行去噪处理,得到第二单色位图;
对所述第二单色位图进行腐蚀运算,得到第三单色位图;
将所述第二单色位图和所述第三单色位图做差运算,得到所述道路色带的两条边沿曲线;
将所述道路色带的两条边沿曲线在同一直角坐标系下的坐标值求平均值,得到所述道路色带的中心曲线;
输出所述中心曲线。
在其中一个实施例中,本发明提供了一种道路色带识别装置,包括:
图像获取单元,所述图像获取单元用于获取待识别的道路色带的RGB图像;
图像处理单元,所述图像处理单元用于通过转换公式将所述RGB图像转换 HSI图像将所述HSI图像的色度和饱和值与预设的阈值进行比较,并进行二值化处理,得到第一单色位图;通过开运算方法对所述第一单色位图进行去燥处理,得到两个第二单色位图;将所述第一单色位图与所述第二单色位图做差运算,得到道路色带的边沿曲线;将所述道路色带的两条边沿曲线在同一直角坐标系下的坐标值求平均值,得到所述道路色带的中心曲线;
信息输出单元,所述信息输出单元用于输出所述中心曲线。
在其中一个实施例中,本发明还提供一种计算机设备,包括:存储器和处理器,所述存储器中存储有计算机程序,所述计算机程序被所述处理器执行时,使得所述处理器执行上述实施例所述一种道路识别方法的步骤。
在其中一个实施例中,本发明还提供一种存储介质,所述存储介质上存储有计算机程序,所述计算机程序被处理器执行时,使得所述处理器执行上述实施例所述一种道路识别方法的步骤。
本发明实施例中的道路识别方法、装置、计算机设备和存储介质,通过将采集到的道路色带的RGB图像转换为HSI图像进行处理,能够提高对图像的分割速度,并且能够更加有效的处理阴影或光照变化较大的图像,通过将HSI图像转换为单色位图,并先通过开运算再通过腐蚀运算对单色位图像进行处理后,再对道路色带做中心线提取,能够有效避免图像阈值化处理后存在的边界平滑性以及图像噪声的问题。
附图说明
图1为一个实施例中提供的一种道路色带识别方法的应用环境图;
图2为一个实施例中提供的一种道路色带识别方法的步骤图;
图3(a)为一个实施例中提供的第一单色位图;
图3(b)为一个实施例中提供的第二单色位图;
图4(a)为一个实施例中提供的道路色带边沿曲线图;
图4(b)为一个实施例中提供的道路色带中心线图;
图5为一个实施例中提供的一种道路色带识别装置的结构示意图;
图6为一个实施例中提供的一种计算机设备内部结构示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
可以理解,本申请所使用的术语“第一”、“第二”等可在本文中用于描述各种元件,但除非特别说明,这些元件不受这些术语限制。这些术语仅用于将第一个元件与另一个元件区分。举例来说,在不脱离本申请的范围的情况下,可以将第一xx单元称为第二xx单元,且类似地,可将第二xx单元称为第一xx单元。
图1为一个实施例中提供的一种道路色带识别方法的应用环境图,如图1 所示,在该应用环境中,包括图像获取装置110、计算机设备120。
图像获取装置110可以是网络摄像头,也可以是数码相机,还可以是带有摄像功能的智能手机、平板电脑等智能设备。
计算机设备120可以是独立的物理服务器或终端,也可以是多个物理服务器构成的服务器集群,可以是提供云服务器、云数据库、云存储和CDN(Content DeliveryNetwork,内容分发网络)等基础云计算服务的云服务器。
图2为一个实施例中提供的一种道路色带识别方法的步骤图,下面以计算机设备120为主体,对所述步骤做详细说明。
在步骤S201中,获取待识别的道路色带的RGB图像。
在本发明实施例中,获取待识别的道路色带的RGB图像的方式可以是直接通过采集摄像头实时采集,然后通过数据传输接口传输至计算机设备120中,也可以是计算机设备120直接获取存储介质中的图像,还可以是通过网络接收服务器或其他计算机设备发送的图片;道路色带的RGB图像至少应该包含完整的人眼能够识别的道路色带图像。
本发明实施例通过采集完整的人眼能识别的RGB图像,便于后期识别,可以通过摄像头采集图像,也可以通过数据接口接收图像,图像获取的方式多种多样。
在步骤S202中,通过转换公式将所述RGB图像转换HSI图像。
在本发明实施例中,转换公式是指将RGB图像数据转换为HSI图像数据的公式,其中RGB图像数据包括图像每个像素点的红色分量R、绿色分量G以及蓝色分量B,HSI图像数据包括图像的色调H、饱和度S以及亮度I,并且RGB 图像数据的三个参数与HSI图像数据的三个参数满足上述转换公式的关系,并且转换公式属于现有技术,并且不止一种,本发明不对具体采用哪种公式做限定。
本发明实施例通过将RGB图像转换为HSI图像,在对图像进行分割时,能够更快速的分割图像,并且对于阴影变化较大或者光照强度较大的图像,HSI图像会更容易处理。
在步骤S203中,将所述HSI图像每个像素点的色彩值做二值化处理,得到第一单色位图。
在本发明实施例中,将道路色带的RGB图像数据转换为HSI图像数据后,对HSI图像数据的每个像素点的色彩值做二值化处理,将HSI图像转换为单色位图,单色位图是指图像中所有像素点的色彩值只有0和1,降低色彩对图像识别的影响。
作为本发明一种实施例,对HSI图像每个像素点的参数与对应的阈值进行比较,并设定规则,将每个像素点的参数二值化处理,作为本发明一种优选的实施例,将所述HSI图像的是每个像素点的色调值和饱和度值与预设的色调阈值和饱和度阈值进行比较,按照以下公式对所述HSI图像做二值化处理:
其中,m为所述单色位图中像素点的色彩值,Hth为色调的阈值,Sth为饱和度的阈值;
将所有像素点的色彩值m经过上述二值化处理后,重新结合构成所述第一单色位图。
本发明实施例通过将HSI图像数据中每个像素点的色彩值按照预设的阈值进行二值化处理,得到第一单色位图,并与后续图像的识别。
在步骤S204中,通过开运算对所述第一单色位图进行去噪处理,得到第二单色位图。
在本发明实施例中,开运算在计算机视觉和图像处理领域中是基本的形态学噪点消除模块,是指对图像先进行腐蚀运算后进行膨胀运算的一种图像处理方法,能够对图像进行去噪。
作为本发明一种实施例,图3(a)为本发明实施例中道路色带的第一单色位图,先对第一单色位图进行膨胀运算,然后对膨胀后的第一单色位图进行腐蚀运算,即可得到第二单色位图,图3(b)为本发明实施例中道路色带的第二单色位图,其中具体的膨胀和腐蚀运算均未本领域现有的技术,本发明不再赘述。
本发明实施例通过开运算方法对第一单色位图进行处理,能有效去除图像中单独的点,得到去噪之后的单色位图,有效降低图像噪声对本发明图像识别的影响。
在步骤S205中,对所述第二单色位图进行腐蚀运算,得到第三单色位图。
在本发明实施例中,第二单色位图是第一单色位图经过开运算之后得到的不含噪声或者含有较少噪声的图像,其道路色带的变沿线较为明显,将第二单色位图再进行一次腐蚀运算,得到壁第二单色位图小一圈的第三但色位图。
本发明实施例通过腐蚀运算将第二单色位图的边缘缩小,便于后续求出道路色带的边沿曲线。
在步骤S206中,将所述第二单色位图和所述第三单色位图做差运算,得到所述道路色带的两条边沿曲线。
图4(a)为一个实施例中提供的边沿曲线图,在本发明实施例中,图像之间做差运算是指将图像上对应的像素点上的色彩值做差,即可将两张图像的不同之处显现出来,第三单色位图是第二单色位图经过腐蚀运算之后得到的,所以第二单色位图和第三单色位图之间的差别仅在于第二单色位图中道路色带的边沿线不第三单色位图的道路色带的边沿线突出一圈,将第二单色位图与第三单色位图做差,刚好得到道路色带的边沿曲线。
本发明实施例通过将第二单色位图和第三单色位图做差运算,得到图像中道路色带的边沿曲线,且结果准确、清晰。
在步骤S207中,将所述道路色带的两条边沿曲线在同一直角坐标系下的坐标值求平均值,得到所述道路色带的中心曲线。
图4(b)为一个实施例中提供的道路色带中心线示意图,在本发明实施例中,道路色带的边沿曲线有两条,展现了道路色带的宽度,在同一直接坐标下,将两条边沿曲线的坐标值取平均,得到道路色带的中心线,凸显道路色带的位置。
作为本发明一种实施例,将道路色带的两条边沿曲线投射到同一坐标系中,通过在边沿曲线上取合适的取样点,通过函数模拟出边沿曲线方程,然后将两个方程求平均,得到中心线的曲线方程,并在同一坐标系中得到该中心曲线,准确识别道路色带的位置在图片中的位置。
本发明实施例通过将道路色带的两条边沿曲线投射到同一直接坐系下,通过计算两条边沿曲线的平均值,得到道路色带的中线曲线,便于识别道路色带在所述图像场景中的位置,且识别结构准确,精度高。
在步骤S208中,输出所述中心曲线。
在本发明实施例中,得到道路色带的中心曲线后,将中心曲线输出。
作为本发明一种实施例,得到图像中道路色带的中线曲线后,通过显示装置将道路色带进行显示,可以是通过屏幕进行显示,也可以是通过AR设备与显示场景进行结合之后在进行显示,便于识别道路中的色带。
本发明实施例中的道路识别方法、装置、计算机设备和存储介质,通过将采集到的道路色带的RGB图像转换为HSI图像进行处理,能够提高对图像的分割速度,并且能够更加有效的处理阴影或光照变化较大的图像,通过将HSI图像转换为单色位图,并先通过开运算再通过腐蚀运算对单色位图像进行处理后,再对道路色带做中心线提取,能够有效避免图像阈值化处理后存在的边界平滑性以及图像噪声的问题。
本发明实施例提供的一种道路色带识别方法中,所述通过转换公式将所述 RGB图像转换为HSI图像,包括:
RGB图像的三个参数分别为R、G、B,HSI图像的三个参数分别为:H、 S、I,其中
其中,R表示RGB图像中红色的强度值,G表示RGB图像中绿色的强度值,B表示RGB图像中蓝色的强度值,H表示HSI图像的色调,S 表示HSI图像的饱和度,I表示HSI图像的亮度。
本发明实施例提供的一种道路色带识别方法中,所述将所述道路色带的两条边沿曲线在同一直角坐标系下的坐标值求平均值,得到所述道路色带的中心曲线,包括:
将所述道路色带的两条边沿曲线放置在同一直角中标系中;
对所述道路色带的两条边沿曲线的坐标值求平均值;
将所有平均值组成的图像作为所述道路色带的中线曲线。
作为本发明一种实施例,将道路色带的两条边沿曲线放置在同一直角坐标系中,可以通过在边沿曲线上取合适的取样点,将边沿曲线通过函数模拟出来,然后对两条边沿曲线的函数求平均,得到中心曲线的函数表达式,并在同一坐标系中通过图形表示出来,即可得到道路色带的中心曲线。
本发明实施例还提供一种道路色带识别装置,图5为本发明实施例中一种道路色带识别装置的结构示意图,详述如下:
图像获取单元510,所述图像获取单元510用于获取待识别的道路色带的 RGB图像。
在本发明实施例中,获取待识别的道路色带的RGB图像的方式可以是直接通过采集摄像头实时采集,然后通过数据传输接口传输至计算机设备120中,也可以是计算机设备120直接获取存储介质中的图像,还可以是通过网络接收服务器或其他计算机设备发送的图片;道路色带的RGB图像至少应该包含完整的人眼能够识别的道路色带图像。
本发明实施例通过采集完整的人眼能识别的RGB图像,便于后期识别,可以通过摄像头采集图像,也可以通过数据接口接收图像,图像获取的方式多种多样。
图像处理单元520,所述图像处理单元用于通过转换公式将所述RGB图像转换HSI图像将所述HSI图像的色度和饱和值与预设的阈值进行比较,并进行二值化处理,得到所第一单色位图;通过开运算方法对所述第一单色位图进行去燥处理,得到两个第二单色位图;将所述第一单色位图与所述第二单色位图做差运算,得到道路色带的边沿曲线;将所述道路色带的两条边沿曲线在同一直角坐标系下的坐标值求平均值,得到所述道路色带的中心曲线;
在本发明实施例中,转换公式是指将RGB图像数据转换为HSI图像数据的公式,其中RGB图像数据包括图像每个像素点的红色分量R、绿色分量G以及蓝色分量B,HSI图像数据包括图像的色调H、饱和度S以及亮度I,并且RGB 图像数据的三个参数与HSI图像数据的三个参数满足上述转换公式的关系,并且转换公式属于现有技术,并且不止一种,本发明不对具体采用哪种公式做限定。
将所述HSI图像每个像素点的色彩值做二值化处理,得到第一单色位图。
在本发明实施例中,将道路色带的RGB图像数据转换为HSI图像数据后,对HSI图像数据的每个像素点的色彩值做二值化处理,将HSI图像转换为单色位图,单色位图是指图像中所有像素点的色彩值只有0和1,降低色彩对图像识别的影响。
作为本发明一种实施例,对HSI图像每个像素点的参数与对应的阈值进行比较,并设定规则,将每个像素点的参数二值化处理,作为本发明一种优选的实施例,将所述HSI图像的是每个像素点的色调值和饱和度值与预设的色调阈值和饱和度阈值进行比较,按照以下公式对所述HSI图像做二值化处理:
其中,m为所述单色位图中像素点的色彩值,Hth为色调的阈值,Sth为饱和度的阈值;
将所有像素点的色彩值m经过上述二值化处理后,重新结合构成所述第一单色位图。
在本发明实施例中,开运算在计算机视觉和图像处理领域中是基本的形态学噪点消除模块,是指对图像先进行腐蚀运算后进行膨胀运算的一种图像处理方法,能够对图像进行去噪。
作为本发明一种实施例,图3(a)为本发明实施例中道路色带的第一单色位图,先对第一单色位图进行膨胀运算,然后对膨胀后的第一单色位图进行腐蚀运算,即可得到第二单色位图,图3(b)为本发明实施例中道路色带的第二单色位图,其中具体的膨胀和腐蚀运算均未本领域现有的技术,本发明不再赘述。
在本发明实施例中,第二单色位图是第一单色位图经过开运算之后得到的不含噪声或者含有较少噪声的图像,其道路色带的变沿线较为明显,将第二单色位图再进行一次腐蚀运算,得到比第二单色位图小一圈的第三但色位图。
图4(a)为一个实施例中提供的边沿曲线图,在本发明实施例中,图像之间做差运算是指将图像上对应的像素点上的色彩值做差,即可将两张图像的不同之处显现出来,第三单色位图是第二单色位图经过腐蚀运算之后得到的,所以第二单色位图和第三单色位图之间的差别仅在于第二单色位图中道路色带的边沿线不第三单色位图的道路色带的边沿线突出一圈,将第二单色位图与第三单色位图做差,刚好得到道路色带的边沿曲线。
图4(b)为一个实施例中提供的道路色带中心线示意图,在本发明实施例中,道路色带的边沿曲线有两条,展现了道路色带的宽度,在同一直接坐标下,将两条边沿曲线的坐标值取平均,得到道路色带的中心线,凸显道路色带的位置。
作为本发明一种实施例,将道路色带的两条边沿曲线投射到同一坐标系中,通过在边沿曲线上取合适的取样点,通过函数模拟出边沿曲线方程,然后将两个方程求平均,得到中心线的曲线方程,并在同一坐标系中得到该中心曲线,准确识别道路色带的位置在图片中的位置。
本发明实施例通过将道路色带的两条边沿曲线投射到同一直接坐系下,通过计算两条边沿曲线的平均值,得到道路色带的中线曲线,便于识别道路色带在所述图像场景中的位置,且识别结构准确,精度高
信息输出单元530,所述信息输出单元用于输出所述中心曲线。
在本发明实施例中,得到道路色带的中心曲线后,将中心曲线输出。
作为本发明一种实施例,得到图像中道路色带的中线曲线后,通过显示装置将道路色带进行显示,可以是通过屏幕进行显示,也可以是通过AR设备与显示场景进行结合之后在进行显示,便于识别道路中的色带。
本发明实施例中的道路识别方法、装置、计算机设备和存储介质,通过将采集到的道路色带的RGB图像转换为HSI图像进行处理,能够提高对图像的分割速度,并且能够更加有效的处理阴影或光照变化较大的图像,通过将HSI图像转换为单色位图,并先通过开运算再通过腐蚀运算对单色位图像进行处理后,再对道路色带做中心线提取,能够有效避免图像阈值化处理后存在的边界平滑性以及图像噪声的问题。
如图6所示,为本发明实施例提供的一种计算机设备的结构框图,本发明实施例提供的一种计算机设备,包括存储器601、处理器602、通信模块603和用户接口604。
存储器601中存储有操作系统605,用于处理各种基本系统服务和用于执行硬件相关任务的程序;还存储有应用软件606,用于实现本发明实施例中的道路色带识别方法的各个步骤。
在本发明实施例中,存储器601可以是高速随机存取存储器,诸如DRAM、 SRAM、DDR、RAM、或者其他随机存取固态存储设备,或者非易失性存储器,诸如一个或多个硬盘存储设备、光盘存储设备、内存设备等。
在本发明实施例中,处理器602可通过通信模块603接收和发送数据以实现区块链网络通信或者本地通信。
用户接口604可以包括一个或多个输入设备607,比如键盘、鼠标、触屏显示器,用户接口604还可以包括一个或者多个输出设备608,比如显示器、扩音器等。
另外,本发明实施例还提供了一种计算机可读存储介质,计算机可读存储介质上存储有计算机程序,计算机程序被处理器执行时,使得处理器执行上述道路识别方法的步骤。
应该理解的是,虽然本发明各实施例的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,各实施例中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些子步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的程序可存储于一非易失性计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路 (Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM) 等。
以上所述实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本发明的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求为准。
Claims (9)
1.一种道路色带识别方法,其特征在于,包括:
获取待识别的道路色带的RGB图像;
通过转换公式将所述RGB图像转换为HSI图像;
将所述HSI图像每个像素点的色彩值做二值化处理,得到第一单色位图;
通过开运算对所述第一单色位图进行去噪处理,得到第二单色位图;
对所述第二单色位图进行腐蚀运算,得到第三单色位图;
将所述第二单色位图和所述第三单色位图做差运算,得到所述道路色带的两条边沿曲线;
将所述道路色带的两条边沿曲线在同一直角坐标系下的坐标值求平均值,得到所述道路色带的中心曲线;
输出所述中心曲线。
2.根据权利要求1所述的方法,其特征在于,所述通过转换公式将所述RGB图像转换为HSI图像,包括:
RGB图像的三个参数分别为R、G、B,HSI图像的三个参数分别为:H、S、I,其中
其中,R表示RGB图像中红色的强度值,G表示RGB图像中绿色的强度值,B表示RGB图像中蓝色的强度值,H表示HSI图像的色调,S表示HSI图像的饱和度,I表示HSI图像的亮度。
3.根据权利要求1所述的一种方法,其特征在于,所述将所述HSI图像每个像素点的色彩值做二值化处理,得到第一单色位图,包括:
将所述HSI图像的是每个像素点的色调值和饱和度值与预设的色调阈值和饱和度阈值进行比较,按照以下公式对所述HSI图像做二值化处理:
其中,m为所述单色位图中像素点的色彩值,Hth为色调的阈值,Sth为饱和度的阈值;
将所有经过二值化处理的像素点组合形成所述第一单色位图。
4.根据权利要求1所述的方法,其特征在于,所述通过开运算对所述第一单色位图进行去噪处理,得到第二单色位图,包括:
先对所述第一单色位图进行膨胀运算,再对经过膨胀运算后的所述第一单色位图进行腐蚀运算,得到所述第二单色位图。
5.根据权利要求1所述的方法,其特征在于,所述将所述第二单色位图和所述第三单色位图做差运算,得到所述道路色带的两条边沿曲线,包括:
将所述第二单色位图与所述第三单色位图对应的像素点的色彩值做差,得到每个像素点新的色彩值,所述每个像素点心的色彩值构成所述道路色带的两条边沿曲线。
6.根据权利要求1所述的方法,其特征在于,所述将所述道路色带的两条边沿曲线在同一直角坐标系下的坐标值求平均值,得到所述道路色带的中心曲线,包括:
将所述道路色带的两条边沿曲线放置在同一直角中标系中;
对所述道路色带的两条边沿曲线的坐标值求平均值;
将所有平均值组成的图像作为所述道路色带的中线曲线。
7.一种道路色带识别装置,其特征在于,包括:
图像获取单元,所述图像获取单元用于获取待识别的道路色带的RGB图像;
图像处理单元,所述图像处理单元用于通过转换公式将所述RGB图像转换HSI图像将所述HSI图像的色度和饱和值与预设的阈值进行比较,并进行二值化处理,得到所第一单色位图;通过开运算方法对所述第一单色位图进行去燥处理,得到两个第二单色位图;将所述第一单色位图与所述第二单色位图做差运算,得到道路色带的边沿曲线;将所述道路色带的两条边沿曲线在同一直角坐标系下的坐标值求平均值,得到所述道路色带的中心曲线;
信息输出单元,所述信息输出单元用于输出所述中心曲线。
8.一种计算机设备,其特征在于,包括存储器和处理器,所述存储器中存储有计算机程序,所述计算机程序被所述处理器执行时,使得所述处理器执行权利要求1至6中任一项权利要求所述一种道路色带识别方法的步骤。
9.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时,使得所述处理器执行权利要求1至6中任一项权利要求所述一种道路色带识别方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910020580.3A CN109766831A (zh) | 2019-01-09 | 2019-01-09 | 一种道路色带识别方法、装置、计算机设备、及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910020580.3A CN109766831A (zh) | 2019-01-09 | 2019-01-09 | 一种道路色带识别方法、装置、计算机设备、及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109766831A true CN109766831A (zh) | 2019-05-17 |
Family
ID=66453761
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910020580.3A Pending CN109766831A (zh) | 2019-01-09 | 2019-01-09 | 一种道路色带识别方法、装置、计算机设备、及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109766831A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116502047A (zh) * | 2023-05-23 | 2023-07-28 | 成都市第四人民医院 | 神经医学数据处理方法及系统 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090141979A1 (en) * | 2006-07-10 | 2009-06-04 | Nikon Corporation | Image processing device and recording medium storing image processing program |
JP2013178732A (ja) * | 2012-01-31 | 2013-09-09 | Jvc Kenwood Corp | 画像処理装置及び画像処理方法 |
CN103400121A (zh) * | 2013-08-06 | 2013-11-20 | 河海大学 | 基于彩色二值化图像的车牌定位方法 |
CN103646249A (zh) * | 2013-12-12 | 2014-03-19 | 江苏大学 | 一种温室智能移动机器人视觉导航路径识别方法 |
CN103826102A (zh) * | 2014-02-24 | 2014-05-28 | 深圳市华宝电子科技有限公司 | 一种运动目标的识别方法、装置 |
CN104751487A (zh) * | 2015-03-26 | 2015-07-01 | 太原理工大学 | 一种基于彩色rgb三平面色变帧差的运动目标检测方法 |
CN105488492A (zh) * | 2015-12-25 | 2016-04-13 | 北京大学深圳研究生院 | 一种彩色图像预处理方法、道路识别方法及相关装置 |
CN106780438A (zh) * | 2016-11-11 | 2017-05-31 | 广东电网有限责任公司清远供电局 | 基于图像处理的绝缘子缺陷检测方法及系统 |
CN107133599A (zh) * | 2017-05-11 | 2017-09-05 | 南宁市正祥科技有限公司 | 一种田间道路检测方法 |
CN107491763A (zh) * | 2017-08-24 | 2017-12-19 | 歌尔科技有限公司 | 基于深度图像的手指区域分割方法及装置 |
CN107679498A (zh) * | 2017-10-11 | 2018-02-09 | 防灾科技学院 | 一种机载激光点云城区道路识别方法 |
CN108805023A (zh) * | 2018-04-28 | 2018-11-13 | 平安科技(深圳)有限公司 | 一种图像检测方法、装置、计算机设备及存储介质 |
-
2019
- 2019-01-09 CN CN201910020580.3A patent/CN109766831A/zh active Pending
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090141979A1 (en) * | 2006-07-10 | 2009-06-04 | Nikon Corporation | Image processing device and recording medium storing image processing program |
JP2013178732A (ja) * | 2012-01-31 | 2013-09-09 | Jvc Kenwood Corp | 画像処理装置及び画像処理方法 |
CN103400121A (zh) * | 2013-08-06 | 2013-11-20 | 河海大学 | 基于彩色二值化图像的车牌定位方法 |
CN103646249A (zh) * | 2013-12-12 | 2014-03-19 | 江苏大学 | 一种温室智能移动机器人视觉导航路径识别方法 |
CN103826102A (zh) * | 2014-02-24 | 2014-05-28 | 深圳市华宝电子科技有限公司 | 一种运动目标的识别方法、装置 |
CN104751487A (zh) * | 2015-03-26 | 2015-07-01 | 太原理工大学 | 一种基于彩色rgb三平面色变帧差的运动目标检测方法 |
CN105488492A (zh) * | 2015-12-25 | 2016-04-13 | 北京大学深圳研究生院 | 一种彩色图像预处理方法、道路识别方法及相关装置 |
CN106780438A (zh) * | 2016-11-11 | 2017-05-31 | 广东电网有限责任公司清远供电局 | 基于图像处理的绝缘子缺陷检测方法及系统 |
WO2018086299A1 (zh) * | 2016-11-11 | 2018-05-17 | 广东电网有限责任公司清远供电局 | 基于图像处理的绝缘子缺陷检测方法及系统 |
CN107133599A (zh) * | 2017-05-11 | 2017-09-05 | 南宁市正祥科技有限公司 | 一种田间道路检测方法 |
CN107491763A (zh) * | 2017-08-24 | 2017-12-19 | 歌尔科技有限公司 | 基于深度图像的手指区域分割方法及装置 |
CN107679498A (zh) * | 2017-10-11 | 2018-02-09 | 防灾科技学院 | 一种机载激光点云城区道路识别方法 |
CN108805023A (zh) * | 2018-04-28 | 2018-11-13 | 平安科技(深圳)有限公司 | 一种图像检测方法、装置、计算机设备及存储介质 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116502047A (zh) * | 2023-05-23 | 2023-07-28 | 成都市第四人民医院 | 神经医学数据处理方法及系统 |
CN116502047B (zh) * | 2023-05-23 | 2024-05-07 | 成都市第四人民医院 | 神经医学数据处理方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9639956B2 (en) | Image adjustment using texture mask | |
WO2022199583A1 (zh) | 图像处理方法、装置、计算机设备和存储介质 | |
US11354797B2 (en) | Method, device, and system for testing an image | |
US11216924B2 (en) | Method and apparatus for processing image | |
CN107622504B (zh) | 用于处理图片的方法和装置 | |
US9401027B2 (en) | Method and apparatus for scene segmentation from focal stack images | |
CN112949767B (zh) | 样本图像增量、图像检测模型训练及图像检测方法 | |
CN108830197A (zh) | 图像处理方法、装置、计算机设备和存储介质 | |
JP2021531571A (ja) | 証明書画像抽出方法及び端末機器 | |
CN112348828A (zh) | 基于神经网络的实例分割方法和装置以及存储介质 | |
CN108710837A (zh) | 吸烟行为识别方法、装置、计算机设备和存储介质 | |
CN103440674A (zh) | 一种数字图像蜡笔特效的快速生成方法 | |
CN111985281A (zh) | 图像生成模型的生成方法、装置及图像生成方法、装置 | |
CN113784171A (zh) | 视频数据处理方法、装置、计算机系统及可读存储介质 | |
CN110990617B (zh) | 一种图片标记方法、装置、设备及存储介质 | |
JP2021189527A (ja) | 情報処理装置、情報処理方法及びプログラム | |
AU2015259903B2 (en) | Segmentation based image transform | |
US9552531B2 (en) | Fast color-brightness-based methods for image segmentation | |
Panetta et al. | Novel multi-color transfer algorithms and quality measure | |
CN109766831A (zh) | 一种道路色带识别方法、装置、计算机设备、及存储介质 | |
Fathy et al. | Benchmarking of pre-processing methods employed in facial image analysis | |
Zhao et al. | Saliency map-aided generative adversarial network for raw to rgb mapping | |
Wang et al. | Edge detection of color image using vector morphological operators | |
CN109766832A (zh) | 一种图像预处理方法、装置、系统、设备和存储介质 | |
Peng et al. | Detail enhancement for infrared images based on propagated image filter |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190517 |
|
RJ01 | Rejection of invention patent application after publication |