[发明专利]一种基于灰度直方图的透视变换后车道线图像二值化方法

说明书

本发明涉及一种基于灰度直方图的透视变换后车道线图像二值化方法，将透视变换后的车道线图像进行灰度直方图统计；将像素0所对应的灰度直方图频次赋值为0；根据阈值选取方法，对灰度直方图进行阈值选取，得到全局阈值t1；将透视变换后的车道线图像截取感兴趣区域，形成感兴趣区域的灰度直方图；根据阈值选取方法，对感兴趣区域的灰度直方图进行阈值选取，得到局部阈值t2；根据全局阈值t1和局部阈值t2得到最优阈值；对最优阈值进行二值化，得到二值图。本发明通过差分灰度直方图确定最优阈值，成功的将单峰的车道线背景分离，通过采取双阈值的方法，成功的解决了由于透视变换图像上半部分背景比下半部分背景像素值高导致二值化效果不好的现象。

技术领域

本发明涉及一种智能汽车领域，具体地说是一种基于灰度直方图的透视变换后车道线图像二值化方法。

背景技术

随着汽车行业的不断发展，汽车的智能化是当前的主流趋势，智能驾驶也就成为了未来发展的主要目标。为了更好使汽车能够更好的主动适应路面信息，车道线检测成为重中之重。道路图像经透视变换后通常由于远端少量像素点插值拉伸导致远端像素值偏高，单纯的大津法等方法对该类图像不能自适应的计算出合适的阈值，导致二值化效果失败；另外路面车辆以及周边楼宇等造成的干扰，使得二值化阈值不准确，导致车道线不能够完全的和路面分离出来，导致二值化效果失败。这些原因均能导致之后的车道线检测程序干扰过多，直接导致车道线检测失败。

发明内容

针对现有技术的不足，本发明提供一种基于灰度直方图的透视变换后车道线图像二值化方法，通过对透视变换后车道线图像灰度直方图的分析，得到透视变换后车道线图像二值化的最优阈值，达到使透视变换后车道线与车道背景分离的目的。

本发明为实现上述目的所采用的技术方案是：

一种基于灰度直方图的透视变换后车道线图像二值化方法，包括以下步骤：

步骤1：将透视变换后的车道线图像进行灰度直方图统计；

步骤2：将像素0所对应的灰度直方图频次赋值为0；

步骤3：根据阈值选取方法，对灰度直方图进行阈值选取，得到全局阈值t1；

步骤4：将透视变换后的车道线图像截取感兴趣区域，形成感兴趣区域的灰度直方图；

步骤5：根据阈值选取方法，对感兴趣区域的灰度直方图进行阈值选取，得到局部阈值t2；

步骤6：根据全局阈值t1和局部阈值t2得到最优阈值；

步骤7：对最优阈值进行二值化，得到二值图。

所述阈值选取方法包括以下步骤：

步骤1：将灰度直方图纵坐标频次归一化；

步骤2：求取灰度直方图的最大值位置，该位置即峰值频次所对应的像素值iLocMax；

步骤3：将灰度直方图向量右移一位，像素值为0位置频率为0，像素值为256位置舍弃，与原始灰度直方图相减，得到差分灰度直方图；

步骤4：根据差分灰度直方图得到最优阈值。

所述根据差分灰度直方图得到最优阈值包括以下过程：

如果差分灰度直方图无正值，则感兴趣区域内全为背景区域，从iLocMax遍历至255，求取灰度直方图频率第一次到达零点所对应像素值位置iLoc1，则最优阈值为k×iLoc1，其中，k为调和系数，iLoc1为灰度直方图频率第一次到达零点所对应像素值位置；

如果差分直方图有正值，则从iLocMax遍历至255，如果差分直方图由负变正位置所对应归一化频率小于阈值thresh，则该位置所对应的像素值即为最优阈值，否则继续遍历。