本發(fā)明屬于圖像處理技術(shù)領(lǐng)域，特別涉及一種提取圖像中部分區(qū)域的方法，尤其適用于提取圖像中的路面等邊緣信息不明顯的區(qū)域。

背景技術(shù)：

生活中成像設(shè)備越來越多，人們也越來越習慣于以圖像去獲取信息，圖像處理技術(shù)應(yīng)運而生。圖像分割是圖像處理中的一項重要技術(shù)，由于圖像的多樣性，至今也沒有一種分割算法能夠應(yīng)用到所有圖像上，也沒有制定出一種能夠判斷分割算法好壞的標準。由于算法通用性上的限制，只能在解決具體的問題上提出特定的方法。目前，圖像的分割算法主要有閾值分割法、邊緣檢測法和區(qū)域提取法三大類。

閾值分割法是最早提出來的，是基于圖像的灰度進行計算。閾值分割法的主要思想是利用一個灰度閾值將灰度分為兩類，其關(guān)鍵是找到一個最優(yōu)的分割閾值。根據(jù)圖像本身的特點和分割目的的最優(yōu)閾值的選擇準則有直方圖法、最大熵法、最小誤差法、最大類間方差法等。基于此許多人也提出了新方法，如嚴學強等人為了使算法計算量減小，提出了基于量化直方圖的最大熵閾值算法，采用最大熵閾值算法處理量化后的直方圖；程杰等人對最大類間方差進行了改進，運用對直方圖的預(yù)處理和輪廓追蹤，找到了最佳分割閾值。總之，這類方法的中心思想就是利用一系列工具找到最優(yōu)閾值。

邊緣檢測法是利用圖像的一階導(dǎo)數(shù)極值或者二階導(dǎo)數(shù)的零點來判斷圖像的邊緣，其中心思想是用構(gòu)造的對圖像灰度突變敏感的差分算子來進行檢測邊緣，進而分割圖像。這類算子有Sobel算子、Canny算子、Prewitt算子等。例如Canny邊緣檢測，先用高斯濾波器對圖像進行平滑操作以減少噪聲；其次用一階有限差分算子來計算梯度的幅值和方向；然后進行非極大值抑制操作來保留局部梯度最大的點；最后用雙閾值限制找到邊緣并且連接。總的來說這種方法對邊緣區(qū)域比較明顯的圖像比較適用，但對邊緣信息不明顯的區(qū)域，如路面等區(qū)域，這種方法將失去優(yōu)勢。

區(qū)域提取法是將有某種相似性質(zhì)的像素點聯(lián)通起來構(gòu)成最終的分割區(qū)域。其基本思想是選取目標區(qū)域的一個小塊，然后利用一定的規(guī)則判斷像素點是否與既定像素有相似的性質(zhì)，若是加入其中，令其不斷生長，最終形成區(qū)域。采用這種方法分割后的圖像在空間上是連續(xù)的，但會造成圖像過度分割。王廣君等人將區(qū)域增長和人工智能結(jié)合起來，提出了基于四叉樹結(jié)構(gòu)的分割方法，對多個目標的圖像分割有很好的適用性。王楠等人充分利用了彩色圖像的顏色信息，對灰度圖和彩色信息分別處理，根據(jù)圖像的具體信息進行自適應(yīng)分割。

但現(xiàn)實生活中即使在很好的天氣下拍的圖像都會含有少量霧的存在，加上圖像中的路面區(qū)域邊緣信息本來就不明顯，目前還沒有特別適用于提取圖像中諸如地面等邊緣信息不明顯區(qū)域的方法。

技術(shù)實現(xiàn)要素：

本發(fā)明的目的是提供一種圖像中路面區(qū)域的提取方法，可以克服路面邊緣信息不明顯的問題，利用亮度信息提取出路面區(qū)域。

為了實現(xiàn)上述目的，本發(fā)明采取如下的技術(shù)解決方案：

圖像中路面區(qū)域的提取方法，包括以下步驟：輸入原始圖像，

步驟一、獲取原始圖像中各個像素點的粗估計透過率，得到粗估計透過率圖像：

獲取原始圖像的暗通道圖像，選出暗通道圖像中像素亮度最大的前P個像素點所對應(yīng)的區(qū)域，將該區(qū)域與原始圖像相應(yīng)區(qū)域內(nèi)最大的像素灰度值作為大氣光強度的值，根據(jù)暗原色先驗條件計算圖像中各像素點的粗估計透過率得到粗估計透過率圖像；

其中，ω為修正系數(shù)，x為待計算像素點，Ω(x)表示以x為中心的正方形滑動窗口，y為滑動窗口內(nèi)x周圍的像素點，I^c(y)表示滑動窗口內(nèi)原始圖像I的一個顏色分量值，A^c表示大氣光強度的一個顏色分量值；

步驟二、引導(dǎo)濾波優(yōu)化，對粗估計透過率圖像進行細化、平滑處理，得到具有保邊效果的引導(dǎo)濾波圖像；

其中，t_g(x)為引導(dǎo)濾波透過率，|w|為Ω_k內(nèi)像素點的數(shù)量，Ω_k為以像素點k為中心的正方形滑動窗口，Ω_w為所有包含待計算像素點x的滑動窗口，表示某個像素點的粗估計透過率，和μ_k分別為原始圖像I在Ω_k內(nèi)像素灰度值的方差和均值，ε為調(diào)節(jié)參數(shù)，I_x為引導(dǎo)圖；

步驟三、對引導(dǎo)濾波透過率進行修正；

式中的t_c(i,j)為修正后的透過率，i和t_g(i,j)分別表示某一像素點的行坐標和亮度，q為權(quán)重調(diào)整系數(shù)，m為原始圖像的總行數(shù)；

步驟四、通過差值操作得到差值圖并轉(zhuǎn)換為二值圖像，對二值圖像進行區(qū)域分割后實現(xiàn)路面區(qū)域的提取；

將修正前后的引導(dǎo)濾波透過率圖像進行減操作得到差值圖，利用最大類間方差法將差值圖轉(zhuǎn)換為二值圖像并計算路面區(qū)域和非路面區(qū)域的分割閾值，得到分割出路面區(qū)域的圖像。

更具體的，步驟一中的P為0.1％。

更具體的，步驟二中的ε為0.001。

更具體的，步驟四中利用最大類間方差法計算路面區(qū)域和非路面區(qū)域的分割閾值時，類間方差var＝w₁×(u₁-u)²+w₂×(u₂-u)²，其中，w₁為差值圖中路面區(qū)域的像素點數(shù)量占原始圖像像素點總數(shù)的比例，w₂為差值圖中非路面區(qū)域的像素點數(shù)量占原始圖像像素點總數(shù)的比例，u₁為差值圖中路面區(qū)域的灰度均值，u₂為差值圖中非路面區(qū)域的灰度均值，u＝u₁×w₁+u₂×w₂為差值圖的平均灰度值；var值最大時得到分隔閾值T，大于T的像素點屬于路面區(qū)域，小于T的像素點屬于非路面區(qū)域。

更具體的，分割閾值為T-0.025。

更具體的，步驟四中得到分割出路面區(qū)域的圖像后，對圖像填孔、移除小對象以及取反的優(yōu)化處理。

由以上技術(shù)方案可知，本發(fā)明方法利用暗原色先驗理論求取圖像的粗估計透過率圖像，對得到的粗估計透過率圖像進行引導(dǎo)濾波處理，由于路面區(qū)域一般處于圖像的下方，而且在透過率圖像中表現(xiàn)為亮度偏小，因此采取透過率圖像像素點的行坐標和亮度作為兩個約束因子來處理圖像，遍歷整張透過率圖像，得到路面區(qū)域亮度明顯提高的透過率圖像；將處理前后的透過率圖像相減得到差值圖像，路面區(qū)域的像素差值比其他區(qū)域要大，表現(xiàn)在差值圖像中路面區(qū)域的亮度比其他區(qū)域亮；再利用最大類間方差法得到分割閾值，從而得到二值圖像，實現(xiàn)路面區(qū)域的提取。本發(fā)明方法是基于圖像透過率的基礎(chǔ)上進行區(qū)域提取，算法簡便、效率較高，透過率圖中路面區(qū)域的透過率嚴重偏低，亮度小，通過將行坐標作為約束因子，減小了其他暗色區(qū)域(特別是天空區(qū)域)的影響，將亮度作為另一約束因子，保證了差值圖中路面區(qū)域亮度明顯，易于分割，在路面邊緣不是很明顯的情況下仍然能夠快速準確地提取路面區(qū)域。

附圖說明

圖1為本發(fā)明方法的流程圖。

圖2a為用數(shù)碼相機采集的數(shù)字圖像。

圖2b為利用暗原色理論得到的粗估計透過率圖像。

圖3a為對粗估計透過率圖像進行引導(dǎo)濾波操作后的圖像。

圖3b為以像素行坐標和亮度為約束條件對引導(dǎo)濾波透過率處理后得到的修正透過率圖像。

圖4a為以修正透過率減去引導(dǎo)濾波透過率得到的差值透過率圖像。

圖4b為利用最大類間方差法作用于差值透過率圖像得到的初步二值圖像。

圖5a為通過對初步二值圖像進行填孔、移除邊緣對象得到的二值圖像，即路面區(qū)域圖像。

圖5b為標明路面區(qū)域在輸入原圖像中的位置。

以下結(jié)合附圖對本發(fā)明的具體實施方式作進一步詳細地說明。

具體實施方式

下面將結(jié)合本發(fā)明實施例中的附圖，對本發(fā)明實施例的技術(shù)方案進行清楚、完整地描述，顯然，所描述的實施例僅僅是本發(fā)明一部分實施例，而不是全部的實施例。基于本發(fā)明中的實施例，本領(lǐng)域普通技術(shù)人員在沒有做出創(chuàng)造性勞動前提下獲得的所有其他實施例，都屬于本發(fā)明保護的范圍。

在下面的描述中闡述了很多具體細節(jié)以便于充分理解本發(fā)明，但是本發(fā)明還可以采用其它不同于在此描述的其它方式來實施，本領(lǐng)域技術(shù)人員可以在不違背本發(fā)明內(nèi)涵的情況下做類似推廣，因此本發(fā)明不受下面公開的具體實施例的限制。

圖1為本發(fā)明方法的流程圖，參照圖1，本發(fā)明的圖像中路面區(qū)域的提取方法包括以下步驟：輸入原始圖像I，如圖2a所示，

步驟一、獲取原始圖像中各個像素點的粗估計透過率得到粗估計透過率圖像，具體如下：

首先獲取原始圖像I的暗通道圖像式中的x為待計算像素點，Ω(x)表示以x為中心的正方形滑動窗口，y為滑動窗口內(nèi)x周圍(與x相鄰)的像素點，r、g、b表示圖像的三個顏色分量，I^c表示原始圖像I的一個顏色通道，本實施例的滑動窗口Ω(x)邊長為7個像素；

選出暗通道圖像I_dark(x)中像素亮度最大的前P個像素點所對應(yīng)的區(qū)域，將該區(qū)域與原始圖像相應(yīng)區(qū)域內(nèi)最大的像素灰度值作為大氣光強度A的值，P為區(qū)域閾值，本實施例的P＝0.001；

根據(jù)暗原色先驗條件I_dark＝0計算圖像中各像素點的粗估計透過率得到粗估計透過率圖像：

其中，ω為修正系數(shù)，本實施例的ω為0.95，c為rgb顏色分量中的任一分量，I^c(y)為滑動窗口內(nèi)原始圖像I的一個顏色分量值，A^c為大氣光強度A的一個顏色分量值；

原始圖像經(jīng)過上述計算后得到的粗估計透過率圖像如圖2b所示。

步驟二、對粗估計透過率圖像進行引導(dǎo)濾波優(yōu)化；

以原始圖像I(圖像的某一顏色通道，如R通道)作為引導(dǎo)圖，利用引導(dǎo)濾波對粗估計透過率圖像進行細化、平滑處理，得到具有保邊效果的引導(dǎo)濾波圖像，引導(dǎo)濾波圖像與輸出圖像保持線性關(guān)系；

其中，t_g(x)為引導(dǎo)濾波透過率，Ω_k為以像素點k為中心的正方形滑動窗口，k為滑動窗口中心位置處的像素點，|w|為Ω_k內(nèi)像素點的數(shù)量，Ω_w為所有包含待計算像素點x的滑動窗口，表示某個像素點的粗估計透過率，和μ_k分別為原始圖像I在Ω_k內(nèi)像素灰度值的方差和均值，ε為調(diào)節(jié)參數(shù)，用于防止a_k的值過大，本實施例中ε＝0.001，I_x為引導(dǎo)圖，本實施例引導(dǎo)濾波優(yōu)化時滑動窗口半徑Ω_k為步驟一中獲取暗通道圖像時滑動窗口Ω(x)半徑的4倍；

粗估計透過率圖像圖(2b)經(jīng)過引導(dǎo)濾波處理得到引導(dǎo)濾波透過率圖像如圖3a所示。

步驟三、對引導(dǎo)濾波透過率進行修正；由于絕大多數(shù)含有路面區(qū)域的透過率圖像在路面區(qū)域會發(fā)生景深灰度值反轉(zhuǎn)的現(xiàn)象，因此要對引導(dǎo)濾波處理過的透過率進行修正，修正的過程中用到了透過率圖像中每個像素點的行坐標和亮度兩個約束參數(shù)，修正操作是對引導(dǎo)濾波透過率圖中每一個像素點進行：

式中t_c(i,j)為修正后的透過率，i和t_g(i,j)分別表示某一像素點的行坐標和亮度，i和t_g(i,j)是修正操作的兩個約束參數(shù)，q為權(quán)重調(diào)整系數(shù)，用于調(diào)整像素點亮度對修正透過率的權(quán)重，本實施例中q取0.5，m為原始圖像的總行數(shù)；

對引導(dǎo)濾波透過率修正時主要針對邊緣信息不明顯的路面區(qū)域透過率像素亮度偏小，在保證其他區(qū)域透過率變化盡量小的基礎(chǔ)上著重增加這一區(qū)域的像素值，如路面區(qū)域一般位于圖像的偏下方，因此規(guī)定整幅透射率圖像中像素點的行坐標越大，亮度越小，其像素值增加的幅度就越大；

引導(dǎo)濾波透過率圖像(圖3a)經(jīng)過修正處理得到修正透過率圖像如圖3b所示。

步驟四、通過差值操作得到差值圖并轉(zhuǎn)換為二值圖像，對二值圖像進行區(qū)域分割后實現(xiàn)路面區(qū)域的提取；

將修正前后的引導(dǎo)濾波透過率圖像進行減操作，即Δt＝t_c(i,j)-t_g(x)，相減后的圖像中像素亮度值較大的區(qū)域，即明亮區(qū)域為路面區(qū)域，像素亮度值較小的區(qū)域，即黑暗區(qū)域為非路面區(qū)域，如圖4a所示，然后利用最大類間方差法將差值圖轉(zhuǎn)換為更直觀的二值圖像，計算路面區(qū)域和非路面區(qū)域的分割閾值，得到分割出路面區(qū)域的圖像(圖4b)，由于二值圖像還存在一些孔洞以及邊緣等小對象，對圖像填孔、移除小對象以及取反等優(yōu)化處理操作(圖5a)，最終完成圖像中路面區(qū)域的提取，圖5b顯示了路面區(qū)域在原始圖像中的位置。

得到差值圖后利用最大類間方差法計算路面區(qū)域和非路面區(qū)域的分割閾值時，類間方差var＝w₁×(u₁-u)²+w₂×(u₂-u)²，其中，w₁為差值圖(相減后的圖像)中路面區(qū)域的像素點數(shù)量占原始圖像像素點總數(shù)的比例，w₂為差值圖中非路面區(qū)域的像素點數(shù)量占原始圖像像素點總數(shù)的比例，u₁為差值圖中路面區(qū)域的灰度均值，u₂為差值圖中非路面區(qū)域的灰度均值，u＝u₁×w₁+u₂×w₂為差值圖的平均灰度值；var值最大時得到分隔閾值T，即分隔閾值T處于差值圖的灰度直方圖兩波峰之間的波谷位置，大于T的像素點屬于路面區(qū)域，小于T的像素點屬于非路面區(qū)域。為更加精準起見，將路面區(qū)域向邊緣方向延伸少許，分割閾值可優(yōu)選為T-0.025。

以上所述僅是本發(fā)明的較佳實施例，并非對本發(fā)明做任何形式上的限制，雖然本發(fā)明已以較佳實施例揭露如上，然而并非用以限定本發(fā)明，任何熟悉本專業(yè)的技術(shù)人員，在不脫離本發(fā)明技術(shù)方案范圍內(nèi)，當可利用上述揭示的技術(shù)內(nèi)容做出些許更動或修飾為等同變化的等效實施例，但凡是未脫離本發(fā)明技術(shù)方案的內(nèi)容，依據(jù)本發(fā)明的技術(shù)實質(zhì)對以上實施例所作的任何簡單修改、等同變化與修飾，均仍屬于本發(fā)明技術(shù)方案的范圍內(nèi)。