郭志超，李一冰，李斌斌 Guo Zhichao，Li Yibing，Li Binbin

?

基于DSP的道路圖像分割方法

郭志超，李一冰，李斌斌 Guo Zhichao，Li Yibing，Li Binbin

（長安大學(xué) 汽車學(xué)院，陜西 西安 710064）

在眾多灰度閾值分割方法中，大津法運算最快，效果也比較理想。為滿足車道線提取的實時性要求，選擇大津法作為閾值分割的基礎(chǔ)，但大津法一般適用于對灰度直方圖為雙峰的圖像進行閾值分割，且對噪聲信號十分敏感，對灰度直方圖呈現(xiàn)三峰以上的圖像會產(chǎn)生錯誤的分割。因此首先采用均值濾波的方法消除道路圖像中的噪聲，為降低DSP的運算量，只選取圖像中的下半部分作為閾值分割對象，同時，為了盡量避免圖像灰度直方圖出現(xiàn)三峰或者三峰以上的灰度直方圖，通過大量試驗，白天時將閾值范圍設(shè)定為100～200，在此灰度等級范圍內(nèi)，道路圖像的灰度直方圖基本為雙峰狀態(tài)，分割效果比較理想。

DSP；閾值分割；均值濾波；大津法；灰度直方圖

0 引 言

自動駕駛絕對是當(dāng)今汽車領(lǐng)域最為火熱的技術(shù)之一，不管是傳統(tǒng)的汽車制造企業(yè)，還是最新入局的互聯(lián)網(wǎng)企業(yè)，紛紛加大投資，希望研究出一種高效、可靠、安全的自動駕駛技術(shù)。其中以機器視覺為基礎(chǔ)的車道偏離系統(tǒng)是自動駕駛技術(shù)中的重要環(huán)節(jié)，該系統(tǒng)最為核心的算法之一就是車道線的提取，為了確保車道線提取的準(zhǔn)確性，首先對攝像頭拍攝到的路面進行預(yù)處理，預(yù)處理包括彩色圖像的灰度轉(zhuǎn)化、噪聲平滑、閾值分割和二值化等，經(jīng)過預(yù)處理后的道路圖像是一副只有黑白兩種顏色的圖像，其中車道線呈白色，車道呈黑色；接著建立合適的數(shù)學(xué)模型模擬車道線，最后通過相應(yīng)的算法判斷車道線在圖像顯示設(shè)備上的相對位置，判斷出車輛是否偏移車道。

研究內(nèi)容在于獲得理想的預(yù)處理后的黑白圖像，同時兼顧DSP（Digital Signal Processing，數(shù)字信號處理）的能力，保證車道偏離系統(tǒng)決策的實時性，其中重點是選擇一種合適的灰度閾值分割方法。目前，比較常用的灰度閾值分割方法有最小誤差閾值法、最大類間方差閾值法（大律法）、最佳閾值法和差別分析法等，其中大津法的處理速度最快，效果比較理想，但是全局的大律法對噪聲敏感，對灰度直方圖為三峰及以上的圖像可能產(chǎn)生效果很不理想的閾值分割，文中在基本的大津法的基礎(chǔ)上，進行系列改進，達到較為理想的分割效果。

1 方法及原理

1.1 目標(biāo)平臺

選用的目標(biāo)平臺為某公司生產(chǎn)的TMS320DM 6437，為DSP芯片ICETEK-DM6437 -B評估版，這種嵌入式設(shè)備相比傳統(tǒng)的PC平臺，具有體積小、專業(yè)性強、運算速度快和實時性強的特點，其中核心芯片TMS320DM6437為第一批支持達芬奇技術(shù)的DSP產(chǎn)品，32位的定點DSP，處理速度高達600 MHz[1]。TMS320DM6437具有強大的視頻處理子系統(tǒng)模塊，同時，它為用戶提供了大量的外部接口，可供用戶進行相關(guān)的開發(fā)拓展。

將攝像頭固定在車內(nèi)后視鏡附近，調(diào)整好攝像頭角度，使得路面圖像大概占顯示設(shè)備的一半左右，且處于屏幕的下半部分，為降低DSP的數(shù)據(jù)處理量，只對圖像的下半部分進行處理，這樣就排除了天空對閾值分割的影響，降低了圖像的灰度直方圖出現(xiàn)三峰或三峰以上的可能性。

1.2 預(yù)處理流程

預(yù)處理方法的流程如圖1所示，包括圖像灰度轉(zhuǎn)化，均值濾波，灰度直方圖分析，確定灰度等級分割范圍，大津法確定閾值，二值分割。

1.3 均值濾波[2]

隨著使用年限的增加，路面會產(chǎn)生一些不可預(yù)料的損壞，如車道線漆面的破漆和路面的點蝕等，同時，路面不是絕對平整的，因此攝像頭拍攝的道路圖像會存在噪聲，而大津法對噪聲很敏感，所以在進行圖像分割前要進行濾波去噪。目前主要的去噪方法有均值濾波、中值濾波、維納濾波和圖像小波域濾波等，其中均值濾波算法簡單，勻速速度較快?？紤]到實時性的要求，采用均值濾波方法對道路圖像進行濾波處理。

均值濾波的原理是用噪聲像素點一定鄰域內(nèi)像素的平均值代替噪聲點的灰度值。設(shè)處理前像素點（，）的灰度值用（，）表示，處理后用（，）表示，則有

1.4 改進的大津法

大津法[3]又稱為最大類間方差法或otsu法，大津法所確定的閾值使得前景與背景這兩類之間的方差達到最大。某個灰度等級出現(xiàn)的概率為

粒子個數(shù)的選擇根據(jù)具體問題有所差別，粒子個數(shù)過少，優(yōu)化效果和速度難于保證；粒子個數(shù)過多，計算量大以及相應(yīng)的運算時間加長。因此，對于不太復(fù)雜的問題，粒子個數(shù)可以在20～40范圍內(nèi)進行選擇。本文粒子個數(shù)設(shè)為30，慣性權(quán)重ω從0.9隨迭代次數(shù)線性遞減到0.5，a1=2.7，a2=1.3。

式中，為圖像中像素的總數(shù)；n為灰度值為的像素個數(shù)；為圖像中所有可能的灰度級，值為256。假設(shè)閾值已經(jīng)選定，1是一組灰度級為0，1，2，…，的像素，2是一組灰度級為+1，…，-1的像素。首先，假設(shè)閾值為，根據(jù)式（3）求得此閾值下前景和背景之間的最大類間方差，最大類間方差為

()=1()[1()-]2+2()[2()-]2（3）

式中，1()是集合1發(fā)生的概率

如果設(shè)置=0，那么擁有值的任何像素1集合的概率為0，類似地，集合2發(fā)生的概率

2()=1-1() （5）

1()和2()分別為集合1和2中像素的平均灰度。是全局均值

（7）

（8）

將式（5）代入式（3），可以把類間方差寫成

求出閾值下前景和背景之間的方差，讓取0～255之間的整數(shù)值，求得256個類間方差值，選擇其中最大值作為最終閾值。

2 試驗結(jié)果與分析

2.1 均值濾波與未經(jīng)濾波的結(jié)果對比

如圖2所示，（a）為原始圖像，（b）為經(jīng)7×7模板均值濾波后的圖像，（c）為未經(jīng)濾波后的二值化圖像，（d）為經(jīng)7×7模板均值濾波并二值化后的圖像。

由于原圖中道路質(zhì)量一般，路面存在點蝕以及樹陰的情況，如果不經(jīng)過濾波處理，得到的二值化圖存在許多白斑點，不利于后續(xù)車道線的識別與車道偏離系統(tǒng)的決策。而從圖2（b）可以看出，圖像經(jīng)7×7模板均值濾波處理后變得模糊，但經(jīng)過二值化后，并不阻礙DSP對車道線的識別，對比圖2（c）、（d），可明顯發(fā)現(xiàn)白斑變少甚至消失，二值化后的車道線是清晰的。

（a）原圖????（b）經(jīng)過7×7模板均值濾波處理后的灰度圖

（c）未經(jīng)濾波處理的二值化圖像??（d）經(jīng)7×7模板均值濾波處理后的二值化圖像

圖2 濾波效果對比

2.2 改進后的大津法與原方法對比

為了說明改進后的大津法的優(yōu)化效果，通過Matlab對一張存在高架橋陰影的圖像進行試驗分析，結(jié)果如圖3所示，其中（a）為原始圖像，（b）為使用大津法直接進行圖像分割后的效果圖，（c）為應(yīng)用改進后的大津法進行圖像分割后的效果圖，（d）為原圖像的灰度直方圖。試驗數(shù)據(jù)見表1。

表1 兩個分割方法試驗數(shù)據(jù)對比

分割方法閾值范圍最終閾值分割效果 大津法（0，255）80很差 改進的大津法（100，200）173良好

（a）原圖??????（b）大津法處理的結(jié)果

（c）改進后的大津法處理結(jié)果??（d）灰度直方圖

圖3 改進后的大津法與原方法對比

原圖3（a）中由于高架橋以及路邊樹陰的存在，使得圖像大致形成了3塊灰度聚集區(qū)，即樹陰和高架橋陰影造成的低灰度值區(qū)域，路面形成的中等灰度值區(qū)域和車道線形成的高灰度值區(qū)域，這在灰度直方圖3（d）上能夠體現(xiàn)出來，灰度直方圖大致形成了低、中、高3個波峰。大津法對灰度直方圖呈三峰或者以上的圖像處理效果不是很理想。

由圖3（b）看出，直接由大津法進行閾值分割，車道線幾乎無法看到，從表1可知，此時的閾值為80，通過圖3（d）可知路面和車道線的灰度值均大于80，因此路面和車道線都被分在同一類，二值化后都變成白色。而改進后的大津法將閾值限定在100～200之間，在此灰度等級范圍內(nèi)，圖像大概形成2個波峰，改進后的大津法將閾值確定為173，由改進后的大津法處理效果圖3（c）可以看出，除了圖像上半部分有些模糊，車道線幾乎清晰可見，可以進行車道偏離系統(tǒng)的決策。

3 結(jié) 論

針對不同路面環(huán)境要求的路面圖像分割閾值不同，提出了一種基于DSP的道路圖像分割法，能夠針對圖像自身的特點進行自適應(yīng)閾值選擇和圖像分割，從而提取出車道線，同時兼顧車道偏離預(yù)警系統(tǒng)所要求的實時性。為減少DSP的運算量，同時排除天空對路面閾值選擇的影響，通過擺放好攝像頭的位置，使得地面圖像位于整個圖像的下半部分，使整個預(yù)處理過程只針對圖像的下半部分；隨后將圖像轉(zhuǎn)化為灰度圖像，進行均值濾波處理，平滑圖像中的噪聲，通過大量試驗，確定白天情況下閾值的選擇范圍為100～200之間，減少圖像的灰度直方圖中形成三峰的幾率，提高閾值選擇的合理性；最后，在所設(shè)定的閾值范圍內(nèi)采用大津法，選擇合適的閾值對圖像進行分割。核心算法包括均值濾波，閾值選擇范圍的確定，以及最終閾值的選取。

[1]TMS320DM6437 Digital Media Processor. Texas Instruments Incorporated, 2006.

[2]馬曉路，劉倩，胡開云，等. Matlab圖像處理從入門到精通[M]. 北京：中國鐵道出版社，2013：96-99.

[3]Rafael C, Gonzalez Richard E, Woods Steven L. 數(shù)字圖像處理的Matlab實現(xiàn)[M]. 阮秋琦，譯. 北京：清華大學(xué)出版社，2013：388-391.

2016-11-25

1002-4581（2017）02-0039-04

U491.2+22：TP274

A

10.14175/j.issn.1002-4581.2017.02.010