唐陽山，徐忠?guī)洠S賢丞，朱停仃，李棟梁

?

基于Roberts算子的車道線圖像的邊緣檢測研究

唐陽山，徐忠?guī)洠S賢丞，朱停仃，李棟梁

（遼寧工業(yè)大學 汽車與交通工程學院，遼寧 錦州 121001）

圖像預處理是車道線識別的前提，其中邊緣檢測的作用十分關鍵。本文以良好道路條件下采集的車道線圖像為研究對象，進行了圖像處理實驗，在圖像灰度化和二值化基礎上，研究了不同的邊緣檢測算子的檢測效果，通過比較發(fā)現(xiàn)在同等條件下，對于道路車道線圖像的分割，Roberts算子邊緣檢測方法對車道線目標分割效果較優(yōu)，最后通過優(yōu)化邊緣檢測閾值參數(shù)進一步改進了Roberts算子的檢測效果。

圖像處理；邊緣檢測；Roberts算子；閾值

在圖像處理中，首先是對圖像進行平滑處理和二值化處理，然后對圖像進行邊緣檢測，邊緣檢測算子種類多，有Roberts、sobel、prewitt、canny[1]等，這幾種算子的檢測效果都各有優(yōu)劣。其中的Roberts算子采用對角線方向的相鄰像素之差近似梯度幅值檢測邊緣[2]，在水平和垂直方向的檢測效果好于斜向邊緣[3]，理論上適合線性化的圖像檢測，但對于車道線檢測還需進行大量實驗驗證，Roberts算子處理后的邊緣也需進行細化處理[4]。

本文進行了不同車道線圖像的邊緣檢測實驗，以確定較優(yōu)的檢測算子，再通過圖像平滑度的不同，選取最佳的閾值作為邊緣檢測的標準，用以提高車道線檢測的精確性。

1 車道線圖像的灰度化和二值化

1.1 車道線圖像的灰度化和去噪處理

1.1.1 圖像的灰度化

道路車道線圖像需要經過灰度化轉變成灰度圖像，對灰度圖像通過亮度區(qū)別出車道線和背景信息，使車道線容易識別出來。車道線灰度化時還要進行一定的增強，去除圖像噪聲。根據(jù)據(jù)灰度級確定黑白兩種像素點，即車道線用白色表示，其他背景目標像素為黑色，圖像灰度化、增強去噪和二值化是車道線圖像邊緣檢測前的必要步驟。圖1為圖像預處理過程。

圖1 圖像預處理流程圖

用CCD攝像機采集道路圖像，采集的車道線為實線和虛線兩種，然后對其進行灰度化處理，減少噪聲的干擾，灰度化采用如下計算方法計算。

1.1.2 圖像平滑處理

由于噪聲的干擾，需要對采集的圖像進行平滑處理，抑制噪聲和保證魯棒性，運用窗口大小為3*3的中值濾波的方法進行平滑處理。兩幅不同道路圖像的灰度化和平滑處理后的圖像見圖2所示。

圖2平滑處理后的效果圖

1.2 車道線圖像的二值化

為了突出車道線、淡化背景，需要對圖像進行二值化處理。圖像的分割主要是選取一個理想的閾值，將圖像分割成兩部分，將大于該閾值的劃分為一類，小于該閾值的劃分為一類，選擇一個閾值將圖像劃分為標線類和非標線類就是圖像的二值化處理[5]。本文選擇最常用、效果最佳的大津法進行二值化處理。

2 車道線圖像的邊緣檢測

物體的邊緣是以物體不連續(xù)性的局部特征的形式存在的，物體的邊緣是區(qū)分各個物體的標準，物體邊緣的亮暗程度、形狀不同、平滑效果都是評判物體的標準。而邊緣檢測技術利用物體邊緣亮暗程度的不同為前提，檢測出物體邊緣的不連續(xù)的點，然后將這些不連續(xù)的點連接起來，得到一個完整的邊緣線，這樣就可以取得分離圖像的效果[6]。圖像的邊緣就是目標圖像和背景圖像的分割線，邊緣檢測可以很好的將二者分割開來。

圖3 Roberts算子檢測流程

2.1 邊緣檢測算子

在圖像邊緣檢測時一般可以采用的算子較多，具體到某種圖像信息識別，又有不同的適應性。在實驗比較之前，首先從原理上來比較幾種典型算子。

2.1.1 Roberts檢測算子

該算子[6]首先計算像素點周圍斜向偏差分的梯度，像素的強度用梯度大小來表示，與梯度的方向垂直的方向即為邊緣，在像素坐標系下分別按照求取水平和垂直方向的梯度、，定義(,)表示經過計算的圖像的灰度值見式（1），計算流程見圖3。

經過簡化以及推導，(,)可以用式（2）來表示。

2.1.2 Sobel檢測算子

該檢測算子從不同的方向對圖像進行檢測，是一組方向算子。Sobel邊緣檢測算子將中心像素上、下、左、右四個方向的權重增加，而不是簡單的計算平均強度，這種檢測方法有雖有利于邊緣的尋找，但是不利于噪聲抑制。

2.1.3 Prwitte算子

這種檢測算子是利用像素點上下、左右鄰點灰度差在邊緣處達到極致的特性，比較有效地平滑處理圖像的噪聲，通常采用微分算子和模板匹配方法對圖像進行邊緣檢測。

2.1.4 Canny算子

該邊緣檢測算子采用二維高斯函數(shù)的任一方向上的一階方向倒數(shù)為噪聲濾波器，經過圖像強度卷積濾波后，找到圖像梯度的局部極大值，從而確定圖像邊緣。

2.2 檢測結果及改進

2.2.1 檢測效果分析

分別采用不同的算法對兩幅不同道路圖像進行了邊緣檢測實驗，檢測的效果分別如圖4、圖5所示。選取的閾值分別如表1和表2所示。

表1 邊緣檢測算子的閾值（圖像1）

圖5 道路圖像2的邊緣檢測效果圖

通過上述不同檢測方法的實驗效果比較發(fā)現(xiàn)，Roberts算子的邊緣檢測效果較好。因此，在車道線檢測時優(yōu)先采用Roberts算子的邊緣檢測方法。

表2 邊緣檢測算子的閾值（圖像2）

2.2.2 檢測方法改進

由于檢測的車道線仍然不夠平滑，在進行平滑度計算后通過調整閾值大小來進一步提高檢測效果。圖6為基于Roberts算子的改進的檢測流程。

圖6 改進的Roberts算子檢測流程

2.3 閾值的選取

為了在上述改進的檢測方法中合理變動閾值，減小計算量和不確定性，下面通過實驗來確定較佳閾值參數(shù)，以提高邊緣檢測算法速度和檢測質量。對兩幅車道線圖像分別進行Roberts算子檢測，實驗采用不同的閾值進行檢測。圖7是道路圖像1的實驗效果，圖8為道路圖像2的檢測效果比較。

從實驗的結果可以看出，選取的閾值小于自動閾值的圖像不相干元素比較多，干擾大；選取的閾值大于自動閾值時，道路周圍的不相干元素較少了，而閾值為0.20時的檢測效果較好，小于0.20的不相干元素清除不徹底，大于該閾值會將車道線清除，使車道線不連續(xù)。

圖8 道路圖像2閾值的選取

3 總結

本文針對實線和虛線兩種車道線的道路圖像，實驗結果表明Roberts算子對車道線的檢測效果較優(yōu)。然后采用Roberts邊緣檢測方法對車道線圖像進行進一步的實驗，改進了檢測方法，通過圖像的平滑度確定了相對較好的閾值，此時車道線檢測比較清晰、完整，干擾因素較少，噪聲低。這對于車道線的參數(shù)提取和識別具有關鍵的作用。

[1] 高勇鋼. 一種改進Roberts算子邊緣檢測[J]. 巢湖學院學報, 2009, 11(6): 31-32. DOI:10.15916/j.issn1674-3261.2017.06.010

[2] 殷曉雪. 車道偏離預警系統(tǒng)的研究與實現(xiàn)[D]. 哈爾濱:哈爾濱工業(yè)大學, 2014.

[3] 肖剛. 車道偏離預警系統(tǒng)的設計與實現(xiàn)[D]. 廣州: 廣東工業(yè)大學, 2011.

[4] 畢雁冰. 一種車道偏離預警系統(tǒng)的圖像處理方法[J]. 深圳信息職業(yè)技術學院學報, 2006, 4(3): 25-28.

[5] 圣華. 車道線檢測在車道偏離預警中的應用研究[D]. 合肥: 合肥工業(yè)大學, 2010.

[6] 賀桂嬌. 幾種經典的圖像邊緣檢測算子分析比較[J]. 計算機光盤軟件與應用, 2014(9): 182-183.

責任編校：劉亞兵

Research on Edge Detection for the Lane Line Image Based on Roberts Operator

TANG Yang-shan, XU Zhong-shuai, HUANG Xian-cheng, ZHU Ting-ding, LI Dong-liang

（School of Automobile & Traffic Engineering, Liaoning University of Technology, Jinzhou 121001, China）

Image preprocessing is the precondition of lane line identification in which the edge detection is very important. In this article, image processing experiments are carried out with the lane line image collected in good road conditions taken as the research object. On the basis of certain image graying and binaryzation, the effects of different edge detection operators are studied by comparison. It is found that the Roberts operator edge detection method is more effective for the partition of lane line object. At last, it improves edge detection method of Roberts operator by optimizing the ideal threshold parameters.

image processing; edge detection; Roberts operator; threshold

10.15916/j.issn1674-3261.2017.06.009

U491.3

A

1674-3261(2017)06-0383-04

2017-09-05

遼寧省科技廳聯(lián)合基金項目（201602375）

唐陽山(1972-)，男，遼寧鞍山人，教授，博士。