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(xí)慣于以圖像去獲取信息，圖像處理技術(shù)應(yīng)運(yùn)而生。圖像分割是圖像處理中的一項(xiàng)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(biāo)準(zhǔn)。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(cè)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(jìn)行計(jì)算。閾值分割法的主要思想是利用一個(gè)灰度閾值將灰度分為兩類，其關(guān)鍵是找到一個(gè)最優(yōu)的分割閾值。根據(jù)圖像本身的特點(diǎn)和分割目的的最優(yōu)閾值的選擇準(zhǔn)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(yán)學(xué)強(qiáng)等人為了使算法計(jì)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(duì)最大類間方差進(jìn)行了改進(jìn)，運(yùn)用對(duì)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(cè)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(diǎn)來判斷圖像的邊緣，其中心思想是用構(gòu)造的對(duì)圖像灰度突變敏感的差分算子來進(jìn)行檢測(cè)邊緣，進(jìn)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(cè)，先用高斯濾波器對(duì)圖像進(jìn)行平滑操作以減少噪聲；其次用一階有限差分算子來計(jì)算梯度的幅值和方向；然后進(jìn)行非極大值抑制操作來保留局部梯度最大的點(diǎn)；最后用雙閾值限制找到邊緣并且連接?？偟膩碚f這種方法對(duì)邊緣區(qū)域比較明顯的圖像比較適用，但對(duì)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(shì)。

區(qū)域提取法是將有某種相似性質(zhì)的像素點(diǎn)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(biāo)區(qū)域的一個(gè)小塊，然后利用一定的規(guī)則判斷像素點(diǎn)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(zhǎng)，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(huì)造成圖像過度分割。王廣君等人將區(qū)域增長(zhǎng)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(duì)多個(gè)目標(biāo)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(duì)灰度圖和彩色信息分別處理，根據(jù)圖像的具體信息進(jìn)行自適應(yīng)分割。

但現(xiàn)實(shí)生活中即使在很好的天氣下拍的圖像都會(huì)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(shí)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(shí)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(gè)像素點(diǎn)的粗估計(jì)透過率，得到粗估計(jì)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(gè)像素點(diǎn)所對(duì)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(qiáng)度的值，根據(jù)暗原色先驗(yàn)條件計(jì)算圖像中各像素點(diǎn)的粗估計(jì)透過率得到粗估計(jì)透過率圖像；

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

步驟二、引導(dǎo)濾波優(yōu)化，對(duì)粗估計(jì)透過率圖像進(jìn)行細(xì)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(diǎn)的數(shù)量，Ω_k為以像素點(diǎn)k為中心的正方形滑動(dòng)窗口，Ω_w為所有包含待計(jì)算像素點(diǎn)x的滑動(dòng)窗口，表示某個(gè)像素點(diǎn)的粗估計(jì)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(duì)引導(dǎo)濾波透過率進(jìn)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(diǎn)的行坐標(biāo)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(duì)二值圖像進(jìn)行區(qū)域分割后實(shí)現(xiàn)路面區(qū)域的提?。?/p>

將修正前后的引導(dǎo)濾波透過率圖像進(jìn)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(jì)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(jì)算路面區(qū)域和非路面區(qū)域的分割閾值時(shí)，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(diǎn)數(shù)量占原始圖像像素點(diǎn)總數(shù)的比例，w₂為差值圖中非路面區(qū)域的像素點(diǎn)數(shù)量占原始圖像像素點(diǎn)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(shí)得到分隔閾值T，大于T的像素點(diǎn)屬于路面區(qū)域，小于T的像素點(diǎn)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(duì)圖像填孔、移除小對(duì)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(yàn)理論求取圖像的粗估計(jì)透過率圖像，對(duì)得到的粗估計(jì)透過率圖像進(jìn)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(diǎn)的行坐標(biāo)和亮度作為兩個(gè)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(shí)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(jìn)行區(qū)域提取，算法簡(jiǎn)便、效率較高，透過率圖中路面區(qū)域的透過率嚴(yán)重偏低，亮度小，通過將行坐標(biāo)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(zhǔn)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(jī)采集的數(shù)字圖像。

圖2b為利用暗原色理論得到的粗估計(jì)透過率圖像。

圖3a為對(duì)粗估計(jì)透過率圖像進(jìn)行引導(dǎo)濾波操作后的圖像。

圖3b為以像素行坐標(biāo)和亮度為約束條件對(duì)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(duì)初步二值圖像進(jìn)行填孔、移除邊緣對(duì)象得到的二值圖像，即路面區(qū)域圖像。

圖5b為標(biāo)明路面區(qū)域在輸入原圖像中的位置。

以下結(jié)合附圖對(duì)本發(fā)明的具體實(shí)施方式作進(jìn)一步詳細(xì)地說明。

具體實(shí)施方式

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

在下面的描述中闡述了很多具體細(xì)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(shí)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(shí)施例的限制。

圖1為本發(fā)明方法的流程圖，參照?qǐng)D1，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(gè)像素點(diǎn)的粗估計(jì)透過率得到粗估計(jì)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(jì)算像素點(diǎn)，Ω(x)表示以x為中心的正方形滑動(dòng)窗口，y為滑動(dòng)窗口內(nèi)x周圍(與x相鄰)的像素點(diǎn)，r、g、b表示圖像的三個(gè)顏色分量，I^c表示原始圖像I的一個(gè)顏色通道，本實(shí)施例的滑動(dòng)窗口Ω(x)邊長(zhǎng)為7個(gè)像素；

選出暗通道圖像I_dark(x)中像素亮度最大的前P個(gè)像素點(diǎn)所對(duì)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(qiáng)度A的值，P為區(qū)域閾值，本實(shí)施例的P＝0.001；

根據(jù)暗原色先驗(yàn)條件I_dark＝0計(jì)算圖像中各像素點(diǎn)的粗估計(jì)透過率得到粗估計(jì)透過率圖像：

其中，ω為修正系數(shù)，本實(shí)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(dòng)窗口內(nèi)原始圖像I的一個(gè)顏色分量值，A^c為大氣光強(qiáng)度A的一個(gè)顏色分量值；

原始圖像經(jīng)過上述計(jì)算后得到的粗估計(jì)透過率圖像如圖2b所示。

步驟二、對(duì)粗估計(jì)透過率圖像進(jìn)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(duì)粗估計(jì)透過率圖像進(jìn)行細(xì)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(diǎn)k為中心的正方形滑動(dòng)窗口，k為滑動(dòng)窗口中心位置處的像素點(diǎn)，|w|為Ω_k內(nèi)像素點(diǎn)的數(shù)量，Ω_w為所有包含待計(jì)算像素點(diǎn)x的滑動(dòng)窗口，表示某個(gè)像素點(diǎn)的粗估計(jì)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(shí)施例中ε＝0.001，I_x為引導(dǎo)圖，本實(shí)施例引導(dǎo)濾波優(yōu)化時(shí)滑動(dòng)窗口半徑Ω_k為步驟一中獲取暗通道圖像時(shí)滑動(dòng)窗口Ω(x)半徑的4倍；

粗估計(jì)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(duì)引導(dǎo)濾波透過率進(jìn)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(huì)發(fā)生景深灰度值反轉(zhuǎn)的現(xiàn)象，因此要對(duì)引導(dǎo)濾波處理過的透過率進(jìn)行修正，修正的過程中用到了透過率圖像中每個(gè)像素點(diǎn)的行坐標(biāo)和亮度兩個(gè)約束參數(shù)，修正操作是對(duì)引導(dǎo)濾波透過率圖中每一個(gè)像素點(diǎn)進(jìn)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(diǎn)的行坐標(biāo)和亮度，i和t_g(i,j)是修正操作的兩個(gè)約束參數(shù)，q為權(quán)重調(diào)整系數(shù)，用于調(diào)整像素點(diǎn)亮度對(duì)修正透過率的權(quán)重，本實(shí)施例中q取0.5，m為原始圖像的總行數(shù)；

對(duì)引導(dǎo)濾波透過率修正時(shí)主要針對(duì)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(diǎn)的行坐標(biāo)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(duì)二值圖像進(jìn)行區(qū)域分割后實(shí)現(xiàn)路面區(qū)域的提?。?/p>

將修正前后的引導(dǎo)濾波透過率圖像進(jìn)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?yàn)槁访鎱^(qū)域，像素亮度值較小的區(qū)域，即黑暗區(qū)域?yàn)榉锹访鎱^(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(jì)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(duì)象，對(duì)圖像填孔、移除小對(duì)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(jì)算路面區(qū)域和非路面區(qū)域的分割閾值時(shí)，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(diǎn)數(shù)量占原始圖像像素點(diǎn)總數(shù)的比例，w₂為差值圖中非路面區(qū)域的像素點(diǎn)數(shù)量占原始圖像像素點(diǎn)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(shí)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(diǎn)屬于路面區(qū)域，小于T的像素點(diǎn)屬于非路面區(qū)域。為更加精準(zhǔn)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(shí)施例，并非對(duì)本發(fā)明做任何形式上的限制，雖然本發(fā)明已以較佳實(shí)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(dāng)可利用上述揭示的技術(shù)內(nèi)容做出些許更動(dòng)或修飾為等同變化的等效實(shí)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(shí)質(zhì)對(duì)以上實(shí)施例所作的任何簡(jiǎn)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)。