田勝峰

（武漢輕工大學(xué) 湖北省武漢市 430048）

1 概述

伴隨社會(huì)經(jīng)濟(jì)的持續(xù)發(fā)展以及民眾生活水平的日益提高，機(jī)動(dòng)車日益普及，由此帶來(lái)嚴(yán)重的交通堵塞問(wèn)題。而在機(jī)器視覺(jué)的基礎(chǔ)上發(fā)展獲得的交通信號(hào)燈檢測(cè)系統(tǒng)，能夠?yàn)楦玫厥杞饨煌ǘ氯麊?wèn)題提供有效的應(yīng)對(duì)策略，與此相關(guān)的設(shè)計(jì)研究很有現(xiàn)實(shí)必要。

2 檢測(cè)控制方案設(shè)計(jì)

2.1 總體設(shè)計(jì)方案

本研究的步驟對(duì)應(yīng)是：

（1）采集圖像，重點(diǎn)實(shí)現(xiàn)所需檢測(cè)圖像的采集工作事項(xiàng)，留待后續(xù)分析使用；

（2）預(yù)處理，將彩色圖像內(nèi)的三個(gè)分量進(jìn)行提取處理。其中，黃色或者是紅色的信號(hào)燈，選擇的是min(r-g,r-b)提取，而綠色圖像則選擇的是min(g-r,g-b)。此處，r,g,b對(duì)應(yīng)著的就是彩圖內(nèi)的紅﹑綠﹑藍(lán)相關(guān)的分量情況。

（3）分割圖像，本設(shè)計(jì)選擇灰度閾值分割的方式來(lái)實(shí)現(xiàn)圖像的分割處理。

（4）平滑化，預(yù)處理獲得的圖像內(nèi)還有噪聲干擾的情況，如此就要求實(shí)施平滑化處理的方式達(dá)到降噪的效果。

（5）提取特征圖像，經(jīng)匹配法的方式確定圖形緊密度的1/4是否為1，進(jìn)而確定交通燈所處的區(qū)域。

2.2 總體設(shè)計(jì)分析

針對(duì)彩色圖像實(shí)現(xiàn)分割處理的方式能夠區(qū)分是直接分割以及灰度化后分割兩種形式。接下來(lái)對(duì)兩種分割方法展開對(duì)比分析，最后選擇最優(yōu)的方法完成本設(shè)計(jì)所需要的分割事項(xiàng)。交通燈原圖如圖1-3所示，處理后的灰度圖如圖4-6所示，彩色信號(hào)燈狀態(tài)區(qū)域像素平均值如表1-3所示，處理后的灰度圖像交通信號(hào)燈狀態(tài)區(qū)域像素平均值如表4所示。

表1：彩色圖像紅色交通信號(hào)燈狀態(tài)區(qū)域像素平均值

表2：彩色圖像綠色交通信號(hào)燈狀態(tài)區(qū)域像素平均值

表3：彩色圖像黃色交通信號(hào)燈狀態(tài)區(qū)域像素平均值

表4：灰度圖像交通信號(hào)燈狀態(tài)區(qū)域像素平均值

圖1：紅燈-原

圖2：綠燈-原圖

圖3：黃燈-原圖

圖4：紅燈-灰度圖

圖5：綠燈-灰度圖

圖6：黃燈-灰度圖

由上述數(shù)據(jù)信息明確，灰度圖像內(nèi)各種顏色的閾值相較彩色圖像而言表現(xiàn)出來(lái)的變化幅度處在相對(duì)穩(wěn)定的狀態(tài)。由此可知，利用閾值分割灰度圖的效果相較分割彩色圖來(lái)看更加突出。

3 交通信號(hào)燈圖像分割

3.1 交通圖像分割原理步驟

本文選擇圖像預(yù)處理方式完成 R、G、B 分量的運(yùn)算處理。

3.1.1 交通信號(hào)燈圖像預(yù)處理

本文內(nèi)選擇RGB彩圖灰度化處理的方式達(dá)到預(yù)處理的效果，此即將彩圖內(nèi)的 R、G、B 分量相等。按照3.1內(nèi)的兩個(gè)表信息能夠明確，灰度圖可以方便完成圖像分割處理。因此，實(shí)際圖像處理期間，通常選擇的是灰度圖來(lái)完成分析工作。

詳細(xì)步驟情況是：

（1）讀取彩色交通圖；

（2）提取彩圖內(nèi)的r,g,b分量；

（3）針對(duì)紅色以及黃色交通信號(hào)燈圖像選擇min(rg,r-b)完成灰度化處理，而綠色則選擇的是min(g-r,g-b)完成灰度化處理。

3.1.2 圖像預(yù)處理結(jié)果

紅、綠、黃等預(yù)處理后交通信號(hào)燈預(yù)處理結(jié)果如圖7-9所示。

圖7：預(yù)處理紅色交通信號(hào)燈

圖8：預(yù)處理綠色交通信號(hào)

圖9：預(yù)處理黃色交通信號(hào)燈

3.1.3 實(shí)驗(yàn)結(jié)果分析

經(jīng)由對(duì)彩圖進(jìn)行的三分量圖提取情況可知，三幅圖內(nèi)涵蓋信號(hào)燈狀態(tài)的分量圖內(nèi)，信號(hào)燈所處的區(qū)域亮度顯著超出其他地方。經(jīng)由閾值化實(shí)現(xiàn)的圖像分割期間，當(dāng)所選閾值不同的情況下，最終得到的處理結(jié)果也將呈現(xiàn)出很大的差異。當(dāng)閾值很高的情況下，則極易出現(xiàn)多提取的問(wèn)題；若是閾值太低的情況下，則目標(biāo)區(qū)域極易面臨丟失問(wèn)題。故而，為能夠取得最佳的分割成效，能夠合理選定閾值實(shí)現(xiàn)分割處理。

3.1.4 用閾值處理將交通信號(hào)燈前景與背景分離

考慮到自然條件下光照以及雨雪等天氣都會(huì)對(duì)圖像質(zhì)量帶來(lái)影響，如此也就會(huì)妨礙到最后交通燈識(shí)別的成效。為更好地應(yīng)對(duì)各種不確定性因素帶給識(shí)別分析的干擾影響，本設(shè)計(jì)在檢測(cè)工作前期需要執(zhí)行預(yù)處理的方式，來(lái)獲得更高的魯棒性。

由3.1.3明確，灰度化處理的情況下，圖像的前景以及背景像素值都進(jìn)一步分離到不相同的區(qū)域內(nèi)。故而，能夠針對(duì)直方圖進(jìn)行分析的方式，選擇區(qū)分前景以及背景的閾值來(lái)完成灰度圖的分割處理，一個(gè)顏色的交通燈圖像選擇一個(gè)閾值完成分割，獲得更好的魯棒性工作成效。

閾值分割流程是：

⑴讀入圖像信息；

⑵按照每組直方圖內(nèi)的閾值分布情況，手動(dòng)選取合適的閾值，完成圖像分割處理。

3.1.5 圖像分析結(jié)果

分割結(jié)果結(jié)果如圖10-12所示。

圖10：同閾值分割紅燈圖（35）

圖11：同閾值分割綠燈圖（25）

圖12：同閾值分割黃燈圖（35）

3.1.6 實(shí)驗(yàn)結(jié)果分析

經(jīng)由實(shí)驗(yàn)分析可知，經(jīng)由針對(duì)每組圖選擇適合的閾值，就能夠獲得前景與背景進(jìn)行有效分離的圖像。該圖像內(nèi)，圓形交通燈區(qū)域的面積以及形狀都與原圖相一致。然而，考慮到拍攝角度等影響，圖像所在的邊緣區(qū)域還表現(xiàn)出噪聲干擾的情況。

3.2 彩色圖像閾值分割圖像預(yù)處理原理步驟

考慮到直接實(shí)施彩圖的分割處理工作需要面臨較重的運(yùn)算量壓力，因此，基于RGB彩色向量來(lái)實(shí)現(xiàn)的彩圖分割就顯得很有現(xiàn)實(shí)必要。為確保分割獲得的前景區(qū)內(nèi)的色彩符合預(yù)期目標(biāo)，則需要定義RGBL列向量m的方式表征要求選定的區(qū)域色彩平均色。該分割處理的核心目標(biāo)就是能夠針對(duì)圖像內(nèi)的每RGB像素實(shí)現(xiàn)分類處理操作，確保在指定區(qū)域內(nèi)只存在一種顏色，或不存在顏色。此處引入歐幾里得距離的方式完成度量分析。假定z對(duì)應(yīng)著的是RGB空間內(nèi)所在的任意點(diǎn)。如果z以及m兩者的間距沒(méi)有超出預(yù)定閾值T，則明確z與m相似，求解兩者距離的詳細(xì)公式情況是：

由（3.2.1）可以得到一個(gè)歸納即：

下標(biāo)RGB表征的就是向量z以及m兩者的RGB分量。D(z,m)≤T的點(diǎn)得到的軌跡為T半徑的實(shí)心球體，其內(nèi)分布著的點(diǎn)符合特定彩色準(zhǔn)則，而外側(cè)的點(diǎn)則與該準(zhǔn)則不相符。如此，就能夠順利實(shí)現(xiàn)背景以及前景兩者的分離處理。

詳細(xì)的步驟信息是：

（1）讀取彩色圖像；

（2）手選交通燈狀態(tài)區(qū)域；

（3）計(jì)算選區(qū)內(nèi)點(diǎn)的均值向量及其協(xié)方差矩陣；

（4）經(jīng)計(jì)算確定T閾值；

（5）利用所選閾值完成彩圖分割處理。

3.2.1 分割結(jié)果

分割結(jié)果如圖13-15所示。

圖13：同閾值分割紅燈彩圖（40）

圖14：同閾值分割綠燈彩圖（60）

圖15：同閾值分割黃燈彩圖（40）

3.2.2 實(shí)驗(yàn)結(jié)果分析

經(jīng)由實(shí)驗(yàn)分析明確，直接針對(duì)彩圖實(shí)現(xiàn)的分割處理工作不僅需要承擔(dān)較大的運(yùn)算量壓力，而且最終獲得的分割效果也相對(duì)較差。而且，針對(duì)每組圖選擇相同閾值實(shí)現(xiàn)的圖像分割處理后，所得圖像對(duì)比原圖來(lái)看存在嚴(yán)重的失真現(xiàn)象。故而，本文選定3.2內(nèi)用到的灰度魚子分割法來(lái)實(shí)現(xiàn)信號(hào)燈檢測(cè)圖相關(guān)的分割處理。

4 數(shù)學(xué)形態(tài)學(xué)的交通信號(hào)燈提取

在幾何結(jié)構(gòu)以及形狀分析期間，數(shù)學(xué)形態(tài)學(xué)使用到相對(duì)較多的分析方法。利用該算子及相關(guān)組合的方式能夠?qū)崿F(xiàn)圖像分割以及特征提取等諸多處理，在實(shí)際圖像分析中有著很好的應(yīng)用表現(xiàn)。

本文針對(duì)交通信號(hào)燈實(shí)現(xiàn)的檢測(cè)工作流程情況參照?qǐng)D16。

圖16：交通信號(hào)燈檢測(cè)步驟

4.1 濾波平滑化圖像預(yù)處理后的交通信號(hào)燈圖像

閾值化處理獲得的圖像往往不具備相對(duì)平滑的邊界區(qū)域，背景內(nèi)分布著若干很小的噪聲點(diǎn)。如此，就要求進(jìn)行腐蝕以及膨脹等處理的情況下，最終取得相對(duì)理想的平滑成效。

4.1.1 濾波平滑化圖像的交通信號(hào)燈圖像方法

開運(yùn)算以及閉運(yùn)算屬于是數(shù)學(xué)形態(tài)學(xué)內(nèi)用到較多的運(yùn)算形式，其中，A被B的形態(tài)學(xué)開運(yùn)算表征是A°B，該運(yùn)算對(duì)應(yīng)就是A被B腐蝕的情況下再選擇B進(jìn)行膨脹處理后所得到的信息，詳細(xì)公式情況是：

本文選取的是膨脹以及腐蝕組合運(yùn)算的方式來(lái)達(dá)到平滑化處理的效果。首先，針對(duì)圖像實(shí)現(xiàn)膨脹的閉運(yùn)算處理，然后，針對(duì)獲得的圖像實(shí)現(xiàn)腐蝕的開運(yùn)算處理。換言之，就是在先將孔洞消除的情況下，然后在對(duì)信號(hào)等邊緣位置的毛刺進(jìn)行處理的過(guò)程。整體來(lái)看，本研究選定開運(yùn)算以及閉運(yùn)算相結(jié)合的形式達(dá)到濾波平滑處理的效果。

詳細(xì)實(shí)現(xiàn)步驟情況是：

（1）讀取3.1.5節(jié)內(nèi)的圖；

（2）選定方形結(jié)構(gòu)元素實(shí)現(xiàn)圖像相關(guān)的閉運(yùn)算處理操作；

（3）經(jīng)所選結(jié)構(gòu)勻速的支持實(shí)現(xiàn)閉運(yùn)算圖的開運(yùn)算處理。

4.1.2 圖像處理結(jié)果

平滑處理結(jié)果如圖17-19所示。

圖17：平滑化處理3.7內(nèi)的圖

圖18：平滑化處理3.8內(nèi)的圖

圖19：平滑化處理3.9內(nèi)的圖

4.1.3 結(jié)果分析

經(jīng)由選定適合結(jié)構(gòu)元素進(jìn)行開運(yùn)算以及閉運(yùn)算相結(jié)合的平滑化處理的情況下，可以將灰度閾值分割圖內(nèi)多數(shù)噪聲帶來(lái)的干擾影響進(jìn)行排除，將圖形內(nèi)的小物體進(jìn)行消除處理，實(shí)現(xiàn)細(xì)小孔洞部分的填充工作事項(xiàng)，而且邊界平滑處理期間，并不會(huì)使得原有圓形面積出現(xiàn)變動(dòng)。

4.2 提取并檢測(cè)交通信號(hào)燈原理步驟

在二維圖像內(nèi)的全部對(duì)象都能夠視作若干形狀以及大小等各不相同的區(qū)域構(gòu)成獲得，故而，能夠選擇基于邊界以及基于區(qū)域兩類方法完成提取以及檢測(cè)的工作事項(xiàng)。

針對(duì)圓形圖像來(lái)看，其圓面積s=πr，圓周長(zhǎng)l=2πr經(jīng)由計(jì)算的情況下，可知若是提取的目標(biāo)物體屬于是圓形狀態(tài)，則其能夠與下述式子相符：

此處e對(duì)應(yīng)的是緊密度的1/4。

考慮到選取緊密度性質(zhì)是圓周率是否接近理論值1，來(lái)對(duì)所提取目標(biāo)物體能否為圓形進(jìn)行判定。

詳細(xì)流程情況是：

（1）讀取經(jīng)由平滑化處理的圖；

（2）對(duì)圖像內(nèi)的各區(qū)域?qū)嵤?biāo)記處理；

（3）求得各區(qū)域內(nèi)的面積；

（4）求得各區(qū)域內(nèi)的周長(zhǎng)；

（5）按照e=l/4*s=1所得數(shù)據(jù)是否接近理論值1，來(lái)確定提取圖形是否圓形狀態(tài)。

4.3 實(shí)驗(yàn)結(jié)果

實(shí)驗(yàn)結(jié)果如表5-7所示。相關(guān)實(shí)驗(yàn)結(jié)果明確，本算法能夠?qū)崿F(xiàn)圖像內(nèi)交通信號(hào)燈位置的檢測(cè)處理工作，具有良好的實(shí)用效果。

表5：紅色交通信號(hào)燈的圓周長(zhǎng)圓面積和e值

表6：綠色交通信號(hào)燈的圓周長(zhǎng)圓面積和e值

表7：黃色交通信號(hào)燈的圓周長(zhǎng)圓面積和e值

5 結(jié)論

本課題設(shè)計(jì)獲得的是在自然情境下基于機(jī)器視覺(jué)的交通信號(hào)燈的檢測(cè)。但是，自然情景下，光照以及雨雪等諸多不確定因素的存在，很大程度上會(huì)使得圖像存在明顯的隨機(jī)變化現(xiàn)象，而這些都將會(huì)影響到最終交通標(biāo)志的識(shí)別成效。基于此，本設(shè)計(jì)獲得算法的魯棒性來(lái)完成交通信號(hào)燈位置的檢測(cè)處理，大體與設(shè)計(jì)要求相一致

本文著重完成的工作事項(xiàng)是：

（1）預(yù)處理原目標(biāo)圖像，優(yōu)化圖像質(zhì)量，達(dá)到后續(xù)閾值分割處理的工作要求。

（2）將三種交通信號(hào)燈由背景內(nèi)實(shí)現(xiàn)分割處理。

（3）依托模板匹配技術(shù)的支持，針對(duì)分割獲得的圖像實(shí)現(xiàn)分析，進(jìn)而實(shí)現(xiàn)對(duì)目標(biāo)的提取以及識(shí)別處理。