智能汽车技术概论：复杂环境下车道检测图像预处理

2025-09-30 理论教育版权反馈

【摘要】：图像预处理是解决此问题的一种重要途径。直方图调节在Gamma处理后的像素灰度上进行调节。以上方法能较好地提高图像的对比度和信噪比，但前提是目标区域内像素灰度值存在差异。在实际环境下，摄像机获取的道路区域中存在大量的高、低光区域，此区域内的像素灰度呈现“纯色”效果，即不是全黑，就是全白。图像预处理方法必须简单快速，合成图像需平滑自然，产生合成痕迹少，这样才能显著提高摄像机动态灰度范围。

在实际道路行驶状况中，由于环境物体的相互遮挡，光源位置透射角度的变化，会造成摄像机外部环境的光照突然变化或光照程度不均匀，使得摄像机提取的图像中出现多块纯白色或纯黑色区域，即高、低光区域。这些高光或低光区域使得图像识别算法失去目标。图像预处理是解决此问题的一种重要途径。目前存在多种图像调节方法。Gamma调节和灰度映射调节主要通过使像素灰度值按一定函数进行映射变化，来提高图像的对比度和明暗度，其中Gamma调节法是直接在摄像机获取的原始像素灰度上进行调节。直方图调节在Gamma处理后的像素灰度上进行调节。直方图分析方法是对全部像素按灰度大小绘制直方图，并通过分析直方图分布特征对图像不同灰度层次的像素进行操作，通过减少某段灰度范围来提高特定灰度范围内的信噪比。光流分析法基于图像反射光强度是由光源强度和物体特性决定的假设，先对图像进行模糊化处理，提取图像的大致亮度分布，再加以反向的亮度处理，从而达到对图像明暗程度的减弱并提高对比度的效果。补色法针对高、低光区域的灰度细节丢失，先分析该区域周围的灰度分布趋势，并结合整个图像区域的光流分布，通过模拟函数在此区域设置不同的灰度值，提高区域的灰度细节和对比度。

以上方法能较好地提高图像的对比度和信噪比，但前提是目标区域内像素灰度值存在差异。在实际环境下，摄像机获取的道路区域中存在大量的高、低光区域，此区域内的像素灰度呈现“纯色”效果，即不是全黑，就是全白。这是由摄像机的拍摄灰度范围过窄，而不能有效地捕捉感应造成的，通过以上方法无法实现原始灰度信息量的提高。多重曝光方法可以获取摄像机在多个曝光值下的图像，分析和替换图像中过曝光或曝光不足的像素，将本是“纯色”区域的像素替换成包含灰度细节信息的新像素，加以图像处理后输出新图像。该方法通过设定摄像机不同的曝光参数，能有效地提高所感应的灰度范围；但处理过程复杂，处理时间长，且在合成图像中易出现噪点和合成痕迹，丧失了图像真实性。(https://www.chuimin.cn)

在车载视觉中，导航图像对图像的灰度信息范围、图像真实性、图像实时性有较高要求，因此图像预处理方法包括一系列步骤：设置长、短快门值进行多重曝光，在图层级上对图像进行合成、处理，并对合成权值和曝光参数进行动态调整。图像预处理方法必须简单快速，合成图像需平滑自然，产生合成痕迹少，这样才能显著提高摄像机动态灰度范围。为进一步提高实时性，还可将同一摄像机的交替变化曝光方式改进为在双目摄像机中的不同摄像机分别曝光的方式，以增加摄像机曝光变化的稳定性。

智能汽车技术概论：复杂环境下车道检测图像预处理

相关推荐