陽光算法簡介

陽光算法，其實(shí)應(yīng)該叫灰度圖像處理算法才對。灰度圖像轉(zhuǎn)二值化圖像，具體步驟什么的，不再介紹，不懂得可以去自學(xué)《數(shù)字圖像處理》和matlab。

OV7725硬件二值化與MT9V034比較

1.OV7725硬件二值化攝像頭

(1)基本原理:

當(dāng)掃描到某點(diǎn)時(shí)，該點(diǎn)處圖像的灰度值被攝像頭中的圖像傳感芯片換成與灰度值對應(yīng)的電壓值,不同的電壓值經(jīng)過硬件二值化電路的處理轉(zhuǎn)化成高低電壓，這樣就完成電壓值的二值化處理（高低電壓)。

最后將圖像信息數(shù)據(jù)通過數(shù)據(jù)端口輸出到控制器。

(2)優(yōu)勢

①由硬件自動進(jìn)行二值化，節(jié)約MCU運(yùn)算時(shí)間。 ②二值化后處理簡單，因?yàn)?就是黑，1就是白 ③一次傳輸8個(gè)像素，一個(gè)字節(jié)為8個(gè)像素，有效降低像素時(shí)鐘

(3）劣勢

由于二值化后信息量少，導(dǎo)致在復(fù)雜的場景可能無法正常判斷與識別。

2.灰度攝像頭MT9V034

(1)MT9V034優(yōu)勢：

①全局快門是MT9V034最大的優(yōu)勢，可以在MT9V034PDF中查看全局快門與卷簾快門的區(qū)別(OV7725為卷簾快門)

②攝像頭輸出灰度圖像，可以用于實(shí)現(xiàn)更加復(fù)雜的圖像識別。因?yàn)榘男畔⒘枯^多

③圖像輸出的速度較快，例如設(shè)置FPS為 60，分辨率為120*188，圖像輸出的時(shí)間只有3MS左右，有更多的時(shí)間去處理。

(2)劣勢

與二值化比較就是信息量比較大，使得運(yùn)算量也較大，同時(shí)處理起來需要更多的知識但是由于現(xiàn)在比賽的環(huán)境越來越復(fù)雜，簡單的攝像頭已經(jīng)開始難以滿意要求，因?yàn)槁倪@點(diǎn)已經(jīng)變得不再是缺點(diǎn)了

3.DMA傳輸

DMA轉(zhuǎn)移數(shù)據(jù)程序解析:當(dāng)攝像頭采集到圖像時(shí)，發(fā)出場中斷信號，控制器捕捉到這一場中斷信號，觸發(fā)中斷，進(jìn)入場中斷服務(wù)程序，場中斷標(biāo)志置1。

在場中斷服務(wù)程序中，初始化 DMA傳輸，并使能DMA傳輸。

之后控制器捕捉PCLK時(shí)鐘信號，PCLK時(shí)鐘信號為脈沖方波，它的每一個(gè)上升沿都將觸發(fā)一次DMA傳輸，每次DMA傳輸將一個(gè)字節(jié)的圖像信息送入控制器寄存器中，當(dāng)觸發(fā)n 次后停止DMA傳輸。

DMA傳輸停止時(shí)觸發(fā)中斷程進(jìn)入中斷復(fù)位函數(shù)，在中斷復(fù)位函數(shù)里禁止DMA傳輸關(guān)閉場中斷，同時(shí)標(biāo)記圖像采集完畢。

這樣就完成一場圖像信息的采集。

灰度圖像處理

提取到圖像數(shù)據(jù)后，需要對CMOS傳感器采集的數(shù)據(jù)進(jìn)行處理，把路況提取出來，這時(shí)需要確定圖像閾值的大小。

智能車采集到的圖像的灰度值是0-255，數(shù)值越高表示接近白色，數(shù)值越低接近黑線。

如果像素點(diǎn)灰度值小于某一閾值，則確定該點(diǎn)為黑點(diǎn)，否則，確定其為白點(diǎn)。但現(xiàn)在由于加入了陽光，所以綜合考慮陽光的影響。

確定闕值的方法有很多，這里介紹自動閾值法（大津(Ostu)法)。

(1)自動閾值法基本原理

是以圖像的灰度直方圖為依據(jù)，以目標(biāo)和背景的類間方差最大為閾值選取準(zhǔn)則，綜合考慮了像素鄰域以及圖像整體灰度分布等特征關(guān)系。

由直方統(tǒng)計(jì)圖確定被閾值t分離后的區(qū)域l、區(qū)域⒉所占整個(gè)圖像的面積比，以及整幅圖像、區(qū)域1、區(qū)域2的平均灰度。

(2)介紹一下灰度直方圖

灰度直方圖:描述圖像中每種灰度級像素的個(gè)數(shù)，反映圖像中每種灰度出現(xiàn)的頻率，橫坐標(biāo)是灰度級，縱坐標(biāo)是灰度級出現(xiàn)的頻率。

雙峰直方圖是指直方圖中出現(xiàn)兩個(gè)峰,也就是說有兩個(gè)頻率較高的灰度級，一個(gè)在較低灰度級部分，一個(gè)在較高灰度級部分。

以兩幅尺寸為256*256圖片為例，一幅是調(diào)車時(shí)的實(shí)際場地圖像，一幅是純藍(lán)白賽道圖。

用MATLAB統(tǒng)計(jì)灰度直方圖

灰度圖

灰度直方圖

由此實(shí)際賽道和理想賽道的灰度差異，智能車圖像直方圖就是一個(gè)多峰灰度圖。

（3）自動閾值法基本步驟

(4)閾值分割完圖像數(shù)組后，便是對其二值化，因?yàn)?a target="_blank">處理器只能識別二進(jìn)數(shù)О和1，因此小于或等于闕值的像素可以設(shè)定為黑色，以灰度值0表示，大于閾值的像素設(shè)定為白色，以灰度值1表示。

如果有連續(xù)均勻地灰度值，那么可以得到相當(dāng)好的二值化圖像。

MATLAB編程對上述測試圖片二值化

圖像不同部分灰度差別較大，勢必造成大津法閾值分割不準(zhǔn)確。圖片一運(yùn)行時(shí)間為0.017821 秒，圖片二為0.013891秒。

閾值不準(zhǔn)確的原因﹐在很大一部分上是由于光照不均引起的圖像噪聲所致，一幅完美的圖像，直方圖應(yīng)是谷寬雙峰的。

一幅較好的圖像，代表藍(lán)色底布和白色賽道的雙峰應(yīng)該是最明顯的，而圖片一的直方圖是三峰，而且前兩峰靠的很近，高度也近似，這就引入了極大的噪聲。因此我們需要濾除噪聲。

采用最簡單的均值濾波，得到以下圖像

可見最簡單的均值濾波并不能滿足濾波要求，但是均值濾波能很好地去掉由于地面反射引起的光斑。

中值濾波以后的圖像

中值濾波并沒有去掉光斑，但是將光斑區(qū)域明顯的聚集起來。濾波方法對噪聲是否有用，要看噪聲的類型，上述中值濾波和均值濾波呈現(xiàn)了不同的效果，說明含有的噪聲至少有高斯噪聲和椒鹽噪聲兩類。

綜合考慮均值濾波和中值濾波，得到以下圖像

(5）上述提到了三峰圖像，而我們采用的是單闕值分割，即只實(shí)現(xiàn)了兩峰之間的分割，第三峰被忽視了，因此可以考慮多峰閾值分割。

具體如下：

①使用OSTU求出第一個(gè)分割閾值t1，將小于等于t1的灰度值設(shè)為t1，其他保持不變，得到新圖像。

②再度適用OSTU得到第二個(gè)閾值t2、將圖像中像素灰度值小于等于t2的置為0，大于的置為255，得到所要處理的圖像。

運(yùn)用多峰闕值法，得到如下圖像:

步驟一以后

由此可知，第一次得到的閾值是前兩個(gè)峰之間的閾值。

步驟二以后

多閾值分割法的效果顯然好于單閥值，而且運(yùn)行時(shí)間為0.037678秒，時(shí)間上比起單閾值分割法多了0.02秒。

加入中值濾波得到的圖像

完全可以滿足尋線要求，但是時(shí)間上為0.112160秒，可見中值濾波很耗費(fèi)時(shí)間。

(6）對于陽光的濾除，模型優(yōu)化上，以信標(biāo)車為例

模糊OSTU

大津算法的閾值準(zhǔn)確度較高，但是遇見多峰圖像時(shí)，大津閾值法的分割可能無法滿足要求，需要判斷峰的數(shù)目，然后多次使用大津算法，這種情況下運(yùn)算量較大。

對智能車賽道來講，究其原因，是因?yàn)樗{(lán)色底布反光呈現(xiàn)的灰度值與白色賽道灰度值接近，使得圖像灰度值呈現(xiàn)模糊化的特點(diǎn)，因此可以運(yùn)用模糊數(shù)學(xué)的方法，在大津法的基礎(chǔ)上對其進(jìn)行改進(jìn)。

1、模糊大津閾值法基本原理

將賽道圖像灰度值分為三類，第一類A 藍(lán)色底布，選取較低的一部分灰度值L2，第二類B反光區(qū)域，選取中間的一部分灰度值Ll-L4，第三類C白色賽道，選取較高的一部分灰度值L3。

圖像被分割為三個(gè)區(qū)域ABC，圖像的每一個(gè)灰度值都有一個(gè)隸屬度或兩個(gè)隸屬度，比如L2點(diǎn)有兩個(gè)隸屬度u(L2)和u,(L2)且u(L2)+ ug(L2)=1，每個(gè)區(qū)域就相當(dāng)于一個(gè)模糊子集。

2、模糊大津閾值法基本步驟

設(shè)圖像灰度直方圖函數(shù)為h(k),h(k)表示當(dāng)灰度值為k時(shí)像素點(diǎn)的個(gè)數(shù)，如果整幅圖像的像素?cái)?shù)為N，那么在大津閾值法基礎(chǔ)上修改的各個(gè)區(qū)域的像素面積比為︰

由于區(qū)域劃分受到L1,L2,L3,L4的影響，通過遍歷灰度直方圖的谷點(diǎn)，求出均值谷點(diǎn)作為灰度直方圖分割點(diǎn)，分割點(diǎn)左方為α.區(qū)域，右方為β區(qū)域，取α區(qū)域頻率最高灰度值gray1 ，β區(qū)域頻率灰度最高值gray2 。

Ll = gray1

L2= gray1+20

L4= grav 2

L3滑動取值，比較不同L3下的類問最大方差，當(dāng)類問最大方差最大時(shí)，取闕值為

3、模糊大津閾值法MATLAB圖像處理

使用MATLAB編程，得到如下圖像。

五、方法比較

在反射光較強(qiáng)時(shí)，對不加任何濾波的OSTU、多闕值OSTU、模糊OSTU進(jìn)行比較

沒有反射光的圖像，不加任何濾波進(jìn)行比較

審核編輯：郭婷