王詩元 呂子豪 田洪亮

摘 要：本文以大學(xué)生“飛思卡爾”杯智能汽車競賽攝像頭組比賽為背景，通過分析數(shù)字?jǐn)z像頭圖像采集原理，提出了幾種圖像預(yù)處理算法，提高了一般情況下智能車對圖像識別的準(zhǔn)確度。

關(guān)鍵詞：攝像頭組；智能車圖像；預(yù)處理算法

1 引言

“飛思卡爾”杯智能汽車大賽起源于韓國，是韓國漢陽大學(xué)汽車控制實(shí)驗(yàn)室在飛思卡爾半導(dǎo)體公司資助下舉辦的以HCS12單片機(jī)為核心的大學(xué)生課外科技競賽。組委會提供一個標(biāo)準(zhǔn)的汽車模型、直流電機(jī)和可充電式電池，參賽隊(duì)伍要制作一個能夠自主識別路徑的智能汽車。其設(shè)計內(nèi)容涵蓋了控制、模式識別、傳感技術(shù)、汽車電子、電氣、計算機(jī)、機(jī)械、能源等多個學(xué)科的知識，對學(xué)生的知識融合和實(shí)踐動手能力的培養(yǎng)，具有良好的推動作用。攝像頭組智能車通過數(shù)字或模擬攝像頭采集信號，單片機(jī)對采集到的圖像信息進(jìn)行處理，得到賽道的基本信息。因此，如何能正確的處理圖像信息，對于攝像頭組智能車能正確識別賽道起到至關(guān)重要的作用。本文首先分析了數(shù)字?jǐn)z像頭圖像采集原理，然后提出了幾種圖像預(yù)處理算法，提高了一般情況下智能車對圖像識別的準(zhǔn)確度。

2 OV7620數(shù)字?jǐn)z像頭圖像采集

OV7620攝像頭是基于Omnivision公司出品的一款彩色CMOS型圖像采集集成芯片，分辨率最大可以達(dá)到（H）664×（V）492，幀率可達(dá)30幀，內(nèi)置10位雙通道A/D轉(zhuǎn)換器，輸出8位像素點(diǎn)。采集OV7620攝像頭圖像時，可以根據(jù)行場中斷信號來區(qū)分一幅圖像和一行圖像。若不通SCCB協(xié)議設(shè)置OV7620的寄存器，默認(rèn)輸出有效像素（H）640×（V）480。因?yàn)椴捎酶粜袙呙璺绞剑址譃槠媾紙?，這樣計算的話，每秒鐘會產(chǎn)生60幅圖像，每幅圖有效像素為（H）320×（V）240。單片機(jī)全部采集則一幅圖像要占用75KB的內(nèi)存，而一般單片機(jī)是沒有這么大內(nèi)存的，雖然K60單片機(jī)有512KB的Flash，再加上后期圖像處理，所以不建議全部采集。

圖像采樣的方法很多，有均勻采樣和不均勻采樣。均勻采樣，主要是通過均勻間隔性的采集圖像。因?yàn)殚g距是固定的，所以整圖像比較均勻流暢，行與行之間的變化梯度沒有明顯劇升或者劇降，列如間隔為4行的采樣，1、5、9、···、240。相反不均勻采樣，采樣的間隔不是等距的，而是變化的。例如1、2、8、···、240。這樣的好處就是可以指定所要采集行數(shù)序號，圖像像素密集地方可以少采集幾行，圖像像素稀疏地方可以多采集幾行，比較有利賽道的識別。但缺點(diǎn)就是圖像行與行之間變化不是均勻的，有時候采樣不好，還會出現(xiàn)劇升或者劇降，也很容易丟失賽道信息。

3 圖像預(yù)處理算法

3.1 圖像平滑算法

圖像平滑（圖像濾波）是一類局部預(yù)處理方法，主要用于印制圖像噪聲，可以消除圖像噪聲對自主控制系統(tǒng)對賽道識別的準(zhǔn)確性。下面主要介紹高斯濾波和中值濾波的原理。

高斯濾波是一種線性平滑濾波，適用于消除高斯噪聲，廣泛應(yīng)用于圖像處理的減噪過程。通俗的講，高斯濾波就是對整幅圖像進(jìn)行加權(quán)平均的過程，每一個像素點(diǎn)的值，都由其本身和鄰域內(nèi)的其他像素值經(jīng)過加權(quán)平均后得到。高斯濾波的具體操作是：用一個模板（或稱卷積、掩模）掃描圖像中的每一個像素，用模板確定的鄰域內(nèi)像素的加權(quán)平均灰度值去替代模板中心像素點(diǎn)的值。高斯濾波沒有固定模板，模板是根據(jù)實(shí)際需求所選擇的。因?yàn)榭紤]到實(shí)際單片機(jī)的運(yùn)算能力，就以3×3的鄰域h作為模板對圖像進(jìn)行濾波為例介紹高斯濾波的方法。

把該模板放在選定像素點(diǎn)上計算中心像素的新值。把像素值于相應(yīng)的權(quán)重系數(shù)相乘，然后相加得到一個總和。這個總和可以計算中心像素的新值，得到新輸出圖像中的像素值。如果模板位置還沒有到達(dá)一行的終端，那么把模板沿水平方向逐個像素移動，并且重復(fù)上述處理。

最后要注意的是，我們無法給圖像邊界賦值。因?yàn)榘涯０宸旁谶吔缟蠒r，模板的一部分落在圖像外部，沒有信息用來計算新像素值。邊界寬度等于模板大小的一半。

高斯濾波被認(rèn)為對圖像平滑處理是最優(yōu)的，可以有效消除高斯噪聲平滑圖像，其缺陷是在平滑過程中造成圖像中邊緣明顯變的模糊，有些甚至不容易被識別。因此我們還要考慮能夠保持邊緣的平滑算法，而目前能基本解決這一問題莫過于中值濾波。

中值濾波是一種減少邊緣模糊的非線性平滑方法，它的思想是用鄰域中亮度的中值代替圖像當(dāng)前的點(diǎn)。鄰域中亮度的中值不受個別噪聲毛刺的影響，因此中值平滑相當(dāng)好地消除了沖擊噪聲。更進(jìn)一步，由于中值濾波并不明顯地模糊邊緣，因此可以迭代使用。顯然，在每個像素位置上都要對一個矩形內(nèi)部的所有像素進(jìn)行排序，這樣的開銷會變得很大，這也是導(dǎo)致中值濾波一大缺點(diǎn)。

3.2 Otsu法確定閥值

Otsu法是一種使類間方差最大的閥值確定方法，所以也稱為最大類間方差法。該方法具有簡單、處理速度快等特點(diǎn)，是一種常用的閥值選取方法。

基本思想是：把圖像中的像素按灰度值用閥值T分為兩類C1和C2，C1由灰度值在[0，T]之間的像素組成，C2由灰度值在[T+1，L-1]之間的像素組成，按下公式計算兩類之間的類間方差：

式中，ω1（t）為C1中包括含的像素數(shù)，ω2（t）為C2中包含的像素數(shù)，μ1（t）為C1中所有像素的平均灰度值，μ2（t）為C2中所有像素的平均灰度值。讓T在[0，L-1]范圍依次取值，使σ2最大的T即為Otsu法的最佳閥值。實(shí)際中賽道起跑線圖像通Otsu法計算出來的閥值約為118。通過使用Otsu法計算圖像最優(yōu)閥值，可以直接得到近似的值，很明顯要比靠經(jīng)驗(yàn)選擇閥值要快速準(zhǔn)確。若閥值偏小，會導(dǎo)致反光強(qiáng)的背景被分割成為了目標(biāo)，若閥值偏大，會導(dǎo)致灰度比較暗的目標(biāo)被劃分為背景區(qū)。

4 結(jié)語

通過分析OV7620數(shù)字式攝像頭的圖像采集原理，通過均勻采樣對攝像頭的圖像進(jìn)行隔行采樣，然后采用高斯濾波或中值濾波方法對圖像進(jìn)行平滑處理，然后用Otsu法對圖像中黑白閥值進(jìn)行二值化，得到預(yù)處理后的賽道圖像，經(jīng)實(shí)際檢驗(yàn)，上述方法的使用能提高一般情況下賽道信息識別的準(zhǔn)確度，為智能車穩(wěn)定運(yùn)行提供了保障。