汽車在非結(jié)構(gòu)化道路中的偏離檢測(cè)講解

《汽車在非結(jié)構(gòu)化道路中的偏離檢測(cè)講解》由會(huì)員分享，可在線閱讀，更多相關(guān)《汽車在非結(jié)構(gòu)化道路中的偏離檢測(cè)講解（35頁珍藏版）》請(qǐng)?jiān)谘b配圖網(wǎng)上搜索。

1、第1章緒論 1 1.1 研究意義 1 1.2 國內(nèi)外發(fā)展現(xiàn)狀 1 1.3 研究的關(guān)鍵技術(shù) 2 1.3.1 圖像的獲取 2 1.3.2 圖像的處理 2 133預(yù)警系統(tǒng) 3 1.4 主要研究內(nèi)容 3 1.4.1 攝像頭的相關(guān)參數(shù) 3 1.4.2 圖像的處理 3 1.4.2.1 圖像分割 3 1.4.2.2 濾波處理 3 1.4.2.3 邊緣檢測(cè) 3 1.4.2.4 膨脹與腐蝕處理 3 1.4.2.5 車道標(biāo)志線識(shí)別與跟蹤 3 143預(yù)警系統(tǒng) 4 144建模與仿真 4 第2章系統(tǒng)介紹 5 2.1設(shè)計(jì)思路 5 22非結(jié)構(gòu)化道路的理解 5 第3章圖像收集與預(yù)處理

2、 6 3.1 圖像的收集 6 3.2 圖像的灰度化 6 3.3 圖像的灰度值調(diào)整 6 3.4 噪聲消除 7 3.4.1 中值濾波 8 342高斯濾波 9 343兩種濾波的比較 11 第4章圖像處理 12 4.1 圖像分割 12 4.1.1 圖像分割的作用 12 4.1.2 圖像分割的定義 12 4.1.3 圖像分割的方法 12 4.1.4 閥值分割法 13 4.1.5 .2 邊緣檢測(cè) 13 4.1.6 .3 區(qū)域分割法 15 4.2 形態(tài)學(xué)修正 15 4.2.1 膨脹 15 4.2.2 腐蝕 15 423開運(yùn)算 15 4.2.

3、4 閉運(yùn)算 16 4.3 邊緣檢測(cè) 16 431灰度梯度算子 16 4.3.2 Roberts 算子 16 4.3.3 Sobel 算子 17 4.3.4 Laplace 算子 19 4.3.5 幾種算子的比較和選擇 20 4.4 Hough 變換 21 第5章判斷是否偏離并預(yù)警 錯(cuò)誤！未定義書簽。 5.1 各種道路情況的討論 錯(cuò)誤！未定義書簽。 5.2判斷是否發(fā)生偏移并預(yù)警 錯(cuò)誤！未定義書簽。 5.3 基于simulink 的仿真 22 5.4 另一條道路的實(shí)驗(yàn)結(jié)果 22 總結(jié) 24 致謝 25 參考文獻(xiàn) 26 第1章緒論 1.1 研究意義

4、 從1886年德國著名的戴姆勒.奔馳汽車公司的創(chuàng)始人：卡爾 弗里特立奇本茨 造出世界上第一輛汽車到現(xiàn)在，汽車在改變這個(gè)世界，改變我們的生活。汽車給我們帶來 了很大便利的同時(shí)也帶來了很大的煩惱。 空氣污染，噪聲污染，能源的緊缺等很 多的問題，可是最煩惱的問題還是生命的問題，就是車禍的問題。根據(jù)有關(guān)報(bào)道：2012年 末中國的民用汽車保有量已經(jīng)達(dá)到12089萬輛。中國是世界上第二大汽車保有量國家。 越來越多的汽車走進(jìn)普通人家的家庭。汽車已經(jīng)是現(xiàn)代社會(huì)中人們工作、生活不可缺少 的一部分。隨著汽車的增多，車禍也越來越多。中國是世界上車禍死亡人數(shù)最多的國家， 根據(jù)國家官方數(shù)字統(tǒng)計(jì)有：2011年全國共接

5、報(bào)涉及人員傷亡的道路交通 事故210812 起，共造成62387人死亡。我國每年都超過10萬人在車禍中傷亡。車禍給人們帶來很大 的傷亡和財(cái)產(chǎn)損失。 在眾多的交通事故中，因?yàn)槠嚻x車道而發(fā)生車禍的概率很大。根據(jù)相關(guān)的調(diào)查 在發(fā)生有人員傷亡的車禍中將近有一半的車禍與汽車偏離車道有關(guān)。 在平時(shí)開車時(shí) 候受到側(cè)風(fēng)、爆胎等影響時(shí)候汽車可能會(huì)發(fā)生側(cè)翻。而在側(cè)翻車禍中車道偏離是最主要的 原因。每年車禍中有很大一部分車禍?zhǔn)怯捎隈{駛員疲勞駕駛和酒駕所造成的。 駕 駛員的疲勞駕駛和酒駕都很容易造成汽車無意識(shí)的車道偏離，是汽車安全行駛中最大的隱 患。所以車道偏離系統(tǒng)的存在將減少很多車禍的發(fā)生，減少不必要的人

6、員和財(cái)產(chǎn)損失。 而且隨著技術(shù)的發(fā)展和人們對(duì)于駕駛安全性和舒適性要求的不斷提高。無人駕駛 系統(tǒng)和輔助駕駛系統(tǒng)在汽車中應(yīng)用越來越廣泛。汽車的偏移檢測(cè)也是汽車輔助系統(tǒng)的一個(gè) 重要發(fā)展方向。 車道偏離預(yù)警系統(tǒng)是一種通過報(bào)警的方式輔助駕駛員減少汽車因車道偏離而發(fā)生交 通事故的系統(tǒng)。很多事故的發(fā)生是因?yàn)轳{駛員疲勞后無意識(shí)偏移而發(fā)生事故， 所 以如果偏移檢測(cè)系統(tǒng)在這時(shí)候向駕駛?cè)藛T發(fā)出預(yù)警就可以大大降低事故的發(fā)生率。該 系統(tǒng)是輔助駕駛系統(tǒng)，在減少駕駛?cè)藛T因?yàn)槠隈{駛而使汽車因車道偏離而發(fā)生交通事故 的同時(shí)也可以降低駕駛員實(shí)時(shí)的關(guān)注汽車是否偏離的頻率， 還降低了駕駛員的駕 駛疲勞。大大的提高了汽車的主動(dòng)安

7、全性。 1.2 國內(nèi)外發(fā)展現(xiàn)狀 車輛輔助駕駛和無人駕駛系統(tǒng)不斷的發(fā)展。無論是現(xiàn)在汽車中的ACC主動(dòng)巡航 系統(tǒng) 還是自動(dòng)剎車系統(tǒng)等輔助系統(tǒng)，處理的都是車輛行駛時(shí)縱向上的問題，而當(dāng)車輛發(fā)生橫 向上的位移時(shí)，它們是無能為力的。不過目前汽車廠商和一些技術(shù)廠商已經(jīng)研 發(fā)出可以部分解決橫向位移的配置 車道偏移輔助系統(tǒng)。目前各大汽車廠商都在 爭相研發(fā)自己的車道偏離預(yù)警系統(tǒng)系統(tǒng)，名稱也不盡相同，但是主體設(shè)計(jì)思想以及功 能都十分接近。這種系統(tǒng)的作用就是在車輛偏離車道時(shí)，傳感器檢測(cè)到車頭前方兩側(cè)的分 道線發(fā)生了變化，就會(huì)迅速判斷這個(gè)變化是否來自于駕駛者的真實(shí)意愿。 如果駕 駛者打開轉(zhuǎn)向燈，正常進(jìn)行變線行駛，

8、那么系統(tǒng)不會(huì)做出任何提示。而如果駕駛者既沒有 打開轉(zhuǎn)向燈，也沒有主動(dòng)減速、轉(zhuǎn)動(dòng)方向盤，那么系統(tǒng)就會(huì)使用視覺、聽覺甚至 振動(dòng)方向 盤來提醒駕駛者潛在的危險(xiǎn)， 但提醒不會(huì)直接影響到車輛的行駛狀態(tài)，這顯 然和未來的自動(dòng)駕駛有些差距。而現(xiàn)在汽車廠商在這方面又向未來的標(biāo)準(zhǔn)靠近了一步。在 對(duì)車輛控制介入程度更高的系統(tǒng)當(dāng)中， 車道偏離預(yù)警系統(tǒng)就被稱為車道保持輔 助系統(tǒng)，它能夠暫時(shí)接管并控制車輛主動(dòng)駛回原車道。 國外車道偏離預(yù)警系統(tǒng)有：1、AURORA系統(tǒng)；2、AutoVue系統(tǒng)；3、 Mobileye_AWS 系統(tǒng)；4、Driver Support System 系統(tǒng)。 國內(nèi)車道偏離預(yù)警系統(tǒng)有：1、

9、Jluva-1系統(tǒng)；2、基于DSP技術(shù)的嵌入式車道偏離 報(bào)警系統(tǒng)。 車道偏移系統(tǒng)對(duì)于應(yīng)用環(huán)境有著比較高的要求，比如行車速度、路面寬度以及分道 線的清晰程度，所以在我國恐怕只有路況較好的高速公路上才有施展才能的機(jī)會(huì)，而對(duì)于 山道省道或者路況較差的非結(jié)構(gòu)化道路面來說，這套系統(tǒng)恐怕也鞭長莫及了。同時(shí)如果因 為雨雪及大霧天氣造成路面被覆蓋或者辨識(shí)度不高時(shí)， 該系統(tǒng)也無法進(jìn)行 正常工作。在由于非結(jié)構(gòu)化道路的道路區(qū)域和非道路區(qū)域難以區(qū)分， 所以針對(duì)非結(jié)構(gòu) 化道路的道路檢測(cè)技術(shù)尚處于研究階段。 1?3研究的關(guān)鍵技術(shù) 1.3.1 圖像的獲取 在現(xiàn)在的汽車輔助駕駛中，為了解決駕駛員的盲區(qū)所帶來的危險(xiǎn)

10、，包括前置攝像 頭、后置攝像頭及全景攝像頭應(yīng)用越來越多。例如車輛中的泊車系統(tǒng)和倒車系統(tǒng)都用到 攝像頭。在偏移檢測(cè)中，攝像頭是關(guān)鍵的部件之一。攝像頭將汽車前方的實(shí)時(shí)道路通過拍 照，然后向車載計(jì)算機(jī)系統(tǒng)。 1.3.2 圖像的處理 圖像的處理是偏移檢測(cè)的關(guān)鍵，由攝像頭上傳的圖片要在車載計(jì)算機(jī)中進(jìn)行一系列 的處理。圖像先后要經(jīng)過分割，濾波處理，邊緣檢測(cè)，膨脹與腐蝕處理 hough變換 后才能得到道路的邊緣線。 1.3.3 預(yù)警系統(tǒng) 根據(jù)圖片處理后得到的道路邊緣線，計(jì)算出車道的中間線，再根據(jù)汽車中部和中 間線相差的距離而向駕駛員發(fā)出預(yù)警。 1- 4主要研究內(nèi)容 1.1.1 攝像頭的相關(guān)參數(shù)

11、 在攝像頭相關(guān)參數(shù)中包括攝像頭的內(nèi)參、外參。內(nèi)參即為攝像頭的性能參數(shù)，他 包括分辨率，刷新速度，開度角，掃描范圍。外參指攝像頭在安裝參數(shù)和相關(guān)的汽車參 數(shù)。 1.1.2 圖像的處理 圖像處理圖像先后要經(jīng)過分割，濾波處理，邊緣檢測(cè)，膨脹與腐蝕處理 hough 變換后才能得到道路的中間線。 1.1.2.1 圖像分害IJ 為了有效地進(jìn)行圖像描述和分析，往往需要先將圖像劃分成若干個(gè)有意義的區(qū)域。 圖像分割在圖像處理、分析和理解中是十分重要的技術(shù)環(huán)節(jié)， 圖像分割的質(zhì)量的 優(yōu)劣直接影響到后續(xù)的區(qū)域描述以及圖像的分析和理解。 L4.2.2濾波處理 由于環(huán)境等各方面條件的影響，經(jīng)過分割的圖像

12、還有很多的噪音，想得到比較清晰 的圖像并不是很容易的事，為了得到清晰的圖像要設(shè)計(jì)一個(gè)適合、匹配的濾波器和 恰當(dāng) 的閥值。 1.4.2.3邊緣檢測(cè) 非結(jié)構(gòu)化道路沒有車道線和清晰的道路邊界，道路形狀不規(guī)則，沒有明確的邊緣， 光照、天氣、景物復(fù)雜多變，但是經(jīng)過分割和濾波后的圖像，再用 laplace算子邊界 檢測(cè)出邊界。 L4.2.4膨脹與腐蝕處理 圖像在經(jīng)過濾波和邊緣檢測(cè)后，仍存在一些噪音，為了使后續(xù)的處理更加容易，減 少車道標(biāo)志線在檢測(cè)過程中受噪聲的干擾， matlab圖像處理采用了先膨脹后腐蝕的 處理過程來消除遺留噪音。 1.4.2.5車道標(biāo)志線識(shí)別與跟蹤 利用hough變換將原

13、始圖像中給定形狀的曲線或直線變換成參數(shù)空間里的一個(gè)點(diǎn)， 然后把這些點(diǎn)整合成車道標(biāo)志線。 1.4.3預(yù)警系統(tǒng) 當(dāng)車身偏移超過剩下寬度的30%時(shí)候，系統(tǒng)向駕駛?cè)藛T發(fā)出預(yù)警，提醒駕駛?cè)藛T及 時(shí)修正汽車行駛方向，以減少不必要的危險(xiǎn)發(fā)生。 L4.4建模與仿真 通過編寫相關(guān)程序?qū)Ψ墙Y(jié)構(gòu)道路數(shù)字圖像處理，和以simulink為基礎(chǔ)的視頻和圖 像處理模塊集對(duì)系統(tǒng)進(jìn)行仿真。 第2章系統(tǒng)介紹 2.1設(shè)計(jì)思路 根據(jù)調(diào)查統(tǒng)計(jì)，約有44%的汽車事故與汽車偏離車道行駛有關(guān)，主要原因是駕駛員 注意力不集中或者疲勞駕駛而造成汽車的無意識(shí)偏離。而偏移檢測(cè)系統(tǒng)正好可以在駕駛員 疲勞注意力不集中時(shí)候給駕駛員發(fā)出預(yù)警以

14、避免交通事故的發(fā)生。一定程度下可以降低駕 駛員的疲勞。 該系統(tǒng)基于Matlab的數(shù)字圖像處理。主要對(duì)汽車在非結(jié)構(gòu)化道路中行駛時(shí)的偏離檢 測(cè)。系統(tǒng)通過攝像頭對(duì)前方道路進(jìn)行實(shí)時(shí)拍照，然后把拍到的數(shù)字圖像上傳到車載計(jì)算機(jī) 系統(tǒng)，通過對(duì)圖像的處理檢測(cè)出兩側(cè)道路，再通過計(jì)算知道汽車是否發(fā)生偏 離而發(fā)出預(yù) 系統(tǒng)初始化 0 圖像收集 圖像預(yù)處理 n 區(qū)域分割 系統(tǒng)工作流程圖： 各種道路情況的討論 判斷是否發(fā)生偏離 發(fā)出預(yù)警 Hough變換 |邊緣檢測(cè)| ＜二〉形態(tài)學(xué)修正 22非結(jié)構(gòu)化道路的理解 實(shí)際的道路往往可以分為結(jié)構(gòu)化道路和非結(jié)

15、構(gòu)化道路兩類。結(jié)構(gòu)化道路一般是指 高速公路和部分結(jié)構(gòu)化好的道路，這類道路具有清晰的車道線或道路邊界，道路條件比較 好。而非結(jié)構(gòu)道路一般是指越野環(huán)境道路、鄉(xiāng)村道路或者一些結(jié)構(gòu)化較低的道路等。這類 道路沒有車道線和清晰的道路邊界，道路形狀不規(guī)則，沒有明確的邊緣，光照、天氣,、景 物復(fù)雜多變，道路區(qū)域和非道路區(qū)域難于區(qū)分。由于非結(jié)構(gòu)道路的特性，所以對(duì)非結(jié)構(gòu)道 路的檢測(cè)最好是對(duì)道路的邊緣進(jìn)行檢測(cè)。 但是道路的邊緣的景物、特 點(diǎn)一直是變化的，給檢測(cè)帶來很多的麻煩。相對(duì)于結(jié)構(gòu)化道路，非結(jié)構(gòu)化道路的檢測(cè)很 難。 第3章圖像收集與預(yù)處理 3.1 圖像的收集 該系統(tǒng)的圖像通過安裝在汽車后視鏡上的攝像頭進(jìn)

16、行收集。攝像頭以一定的參數(shù) 安裝在駕駛員右上方的后視鏡前面。攝像頭能清楚地記錄汽車前方所發(fā)生的一切。當(dāng) 汽車在道路上行駛時(shí)候，攝像頭按照一定的拍照頻率對(duì)汽車前方的道路進(jìn)行拍照， 并 把拍下來的數(shù)字圖像上傳到系統(tǒng)的車載計(jì)算機(jī)。 3.2 圖像的灰度化 把彩色的圖像轉(zhuǎn)化成灰度圖像的過程就是圖像的灰度化。彩色圖像的每一個(gè)像素點(diǎn) 都由三個(gè)分量來決定，而灰度圖像的像素點(diǎn)是由一個(gè)分量來決定，相對(duì)于彩色圖像，灰度圖 像和二值圖像更有利于圖像的后期處理，灰度圖像在后期處理中的計(jì)算量將大大的減少。 因?yàn)橄到y(tǒng)從攝像頭中得到的圖像是彩色圖像，所以在對(duì)圖像進(jìn)行處理之前要把彩色圖片轉(zhuǎn) 化成灰色圖片。 Matlab中

17、源程序?yàn)椋? a=imread(,11.jpg); b=rgb2gray(a); subplot(1,2,1),subimage(a) subplot(1,2,2),subimage(b) 圖3.1 圖3.2 上圖3.1為攝像頭拍下來的彩色圖像，圖3.2為灰度圖像。彩色經(jīng)過處理后轉(zhuǎn)變?yōu)橹?由黑白兩種顏色組成，轉(zhuǎn)化后的圖像就特征沒有任何的影響?；叶葓D像的每個(gè)像素點(diǎn)還是 用三個(gè)分量來表示，只是為后續(xù)的處理減少計(jì)算量而已。 3.3 圖像的灰度值調(diào)整 灰度化后的圖像雖然為后期處理減少了計(jì)算量，但是每個(gè)像素點(diǎn)分量范圍的減少影 響到了圖像之間的對(duì)比，很多圖像的對(duì)比程度較低不利于后期處理，所以

18、需要對(duì)圖像的對(duì) 比度增強(qiáng)或者均衡化。 X 1(/ xIO 圖3.3 圖3.4 上圖3.3、3.4為灰度化圖像的直方圖和均衡后的直方圖，由此圖3.3可知灰度化后的 的數(shù)字圖像的對(duì)比度相對(duì)之下還很低，絕大多數(shù)灰度級(jí)集中在20r 25的范圍內(nèi)，但 均衡 化后圖像的對(duì)比度有很大的提高。有利于圖像后期的處理。 3.4 噪聲消除 現(xiàn)實(shí)生活中的圖像通常都帶有噪聲，噪聲主要分為兩大類一一高斯噪聲和脈沖噪 聲。高斯噪聲是一種隨機(jī)噪聲，最主要是因?yàn)殡娐分械碾娏骱碗妷焊蓴_所產(chǎn)生， 他不 帶有圖像的信息，只會(huì)對(duì)圖像造成影響。脈沖噪聲是一種不連續(xù)的噪聲，最主要是外界的 干擾所引起的。脈沖噪聲通常是

19、突然的爆發(fā)然后在短時(shí)間內(nèi)消失， 一般是由振動(dòng) 等原因所引起的。在圖像的收集時(shí)候收到噪聲的影響是不可避免的， 我們不可能完全 消除噪聲的存在，只能通過其他的方法把圖像中的噪聲降低到最小，減少對(duì)圖像處理 的影 響。為了提高系統(tǒng)性能與準(zhǔn)確性，需要去除圖像中的噪聲成分，以便于我們能提取在更加 清晰的信息。圖像增強(qiáng)是數(shù)字圖像處理最基本方法之一。在圖像的處理中經(jīng)常會(huì)用到，它 是通過人為的增強(qiáng)圖像中的某部分、 某個(gè)區(qū)域或者消除某部分、某個(gè)區(qū) 域?qū)D像中重要信息的影響，以便有利于計(jì)算機(jī)或者一些識(shí)別系統(tǒng)能更加容易的讀取圖像 中的信息。 車輛在非結(jié)構(gòu)化道路上運(yùn)行時(shí)，由于非結(jié)構(gòu)化道路的路況較差，汽車會(huì)發(fā)生很明

20、顯的 振動(dòng)，安裝在汽車的攝像頭會(huì)跟著汽車一起發(fā)生振動(dòng)， 在加上光照等各方面的原 因的影響，攝像頭實(shí)時(shí)記錄下的圖像不可避免會(huì)含有很多噪聲的成分。 其中既有高斯 噪聲又有脈沖噪聲。但脈沖噪聲遠(yuǎn)大于高斯噪聲。我們要將圖像中的噪聲有效的去除即使 對(duì)圖像進(jìn)行圖像濾波。圖像濾波可分為空間域、頻域和小波域?yàn)V波。最常用的空間域去噪 濾波器有線性濾波和非線性濾波兩種。線性濾波器主要有均值濾波、線性加 權(quán)濾波、倒數(shù) 梯度加權(quán)濾波。非線性的濾波器主要是中值濾波。線性濾波主要用于消除高斯噪聲，而中 值濾波則用于消除脈沖噪聲。因?yàn)槠囋诜墙Y(jié)構(gòu)化道路上行駛時(shí)候脈沖噪聲遠(yuǎn)大于高斯噪 聲。所以系統(tǒng)選擇中值濾波對(duì)攝像頭上傳

21、來的數(shù)字圖像進(jìn)行去噪處理。 3.4.1 中值濾波 close all; clear all; a=imread(11 Jpg1); b=rgb2gray(a); k 仁 medfilt2(b); k2=medfilt2(b,[5,5]); subplot(1,2,1),subimage(k1); subplot(1,2,2),subimage(k2) 圖3.5 圖3.6 上圖3.5為3x3中值濾波，3.6為5x5中值濾波，從圖像中看不出他們之間的不 同， 但根據(jù)中值濾波的理論，右圖比左圖濾波的效果更加的平滑。即使兩幅圖像的后期處理一 樣，得到的結(jié)果也會(huì)用很大的

22、不同。 3.4.2 高斯濾波 高斯濾波源程序： close all clear all %生成高斯平滑濾波模板％ hg=zeros(3,3); %設(shè)定高斯平滑濾波模板的大小為3*3 delta=0.5; for x=1:1:3 for y=1:1:3 u=x-2; v=y-2; hg(x,y)=exp(-(UA2+VA2)/(2*pi*deltaA2)); end end h=hg/sum(hg(:)); f = imreadCIJpg1); %讀入圖像文件 f=rgb2gray(im2double(f)); [m, n]=size (f); ftemp=ze

23、ros(m, n); rowhigh=m-1; colhigh=n-1; %%%高斯濾波％%% for x=2:1 :rowhigh-1 for y=2:1 :colhigh-1 mod=[f(x-1 ,y-1) f(x-1 ,y) f(x-1 ,y+1); f(x,y-1) f(x,y) f(x+1 ,y) f(x,y+1);f(x+1 ,y-1) f(x+1,y+1)]; A=h.*mod; ftemp(x,y)=sum(A(:)); end end f=ftemp figure,imshow(f)； 下圖3.7為高斯濾波加過圖。 圖3.7 3?4.3

24、兩種濾波的比較 經(jīng)過高斯濾波后的圖像和中值濾波似乎沒有什么不同，但是后期的處理會(huì)有很大的 不同，高斯濾波去除了攝像頭和上傳時(shí)候電子系統(tǒng)對(duì)圖像所產(chǎn)生的噪聲，中值濾波去除了 圖像中的脈沖噪聲。 圖3.8 圖3.9 3.8圖是經(jīng)過高斯濾波后在經(jīng)過sobel邊緣檢測(cè)的圖像，圖3.9是經(jīng)過中值濾波后同樣 進(jìn)行sobel邊緣檢測(cè)的圖像。從兩幅圖像就很容易的看出兩種濾波對(duì)圖像后期處理的影 響。中值濾波已經(jīng)把道路兩邊緣當(dāng)成噪聲給去除了， 提取后續(xù)提取邊緣線有很 大的影響。 第4章圖像處理 4.1 圖像分割 4.1.1 圖像分割的作用 圖像分割是一種重要的圖像技術(shù)，也是一種基本的計(jì)算機(jī)視覺技

25、術(shù)，在實(shí)際中得到了 大量的應(yīng)用。數(shù)字圖像就是由很多的特征和區(qū)域組成.，區(qū)域分割就是把這些區(qū)域 分割區(qū)分 出來，這種將一副圖像分解為若干互補(bǔ)交疊的、有意義、具有相同性質(zhì)的區(qū)域，將圖像表 示為物理上有意義的連通區(qū)域的集合就是圖像的分割（1）。 圖像分割其作用就是把反映物體真實(shí)情況的占據(jù)不同領(lǐng)域的具有不同特征的目標(biāo)區(qū)域 給區(qū)分出來，并形成數(shù)學(xué)特征。在圖像處理、分析和理解中是十分重要的環(huán)節(jié)，圖像分割 的質(zhì)量的優(yōu)劣、區(qū)域界線定位的精度直接影響后續(xù)的區(qū)域描述以及圖像的分 析和理解，所 以圖像分割至關(guān)重要。 4.L2圖像分割的定義⑶ 圖像分割可以形式化定義如下：令有序集合R表示圖像區(qū)域（像點(diǎn)集），對(duì)R

26、分割 是將R分成若干個(gè)滿足下面5個(gè)條件的有序非空子集R.,R2/,Rn： （1） 、蚩 vR （2） ） 、R R」二，r, jj 口 （3） 、p （R） mRUE,-i （4） 、P （Rigj）才 ALSEj 為且 R 與 Rj相鄰。 （5） 、Ri是連通區(qū)域-i 式中，PR是對(duì)集合R中所有元素的邏輯謂詞，即屬性或特征均一性準(zhǔn)則， 是 空集。屬于 條件（1 ）表示圖像中任一個(gè)像點(diǎn)都某一子區(qū)域，即分割是徹底的；條件（2）表 示一個(gè)像點(diǎn)不能同時(shí)屬于兩個(gè)區(qū)域，即區(qū)域不能重疊；條件（ 3）表示區(qū)域內(nèi)各像點(diǎn) 屬性或特征是相近的；條件（4）表示相鄰的兩個(gè)區(qū)域?qū)傩曰蛱卣魇遣煌模?條件

27、（5） 表示同一區(qū)域中的像點(diǎn)是連通的。 4.1.3圖像分割的方法 圖像分割有很多的方法，依據(jù)分割時(shí)候所依據(jù)的圖像特性不同，大致可以分為三大 類：閥值方法、邊緣檢測(cè)法、區(qū)域分割法。閥值分割法是根據(jù)圖像的灰度值的分布 特性確 定某個(gè)閥值來進(jìn)行圖像分割。邊緣檢測(cè)法首先檢測(cè)出圖像局部特征的不連續(xù) 性，然后再將 不連續(xù)的邊緣連成完整的邊界。區(qū)域分割方法是利用圖像的空間性質(zhì)，認(rèn)為分割出來的屬 性同一區(qū)域的像素應(yīng)具有相似的性質(zhì)。 4.1.3.1 閥值分割法 閥值法是一種傳統(tǒng)的圖像分割方法。由于閥值處理直觀、實(shí)現(xiàn)簡單且計(jì)算速度快，因 此圖像閥值處理在圖像分割應(yīng)用中處于核心地位。 圖像閥值化的目地是要按

28、照灰度 級(jí)，對(duì)圖像集合進(jìn)行一個(gè)劃分，得到的每個(gè)子集形成一個(gè)與現(xiàn)實(shí)景物相對(duì)應(yīng)的區(qū)域，使得 各個(gè)區(qū)域內(nèi)部具有一致的屬性，而相鄰區(qū)域布局也有這樣一致屬性。其基本原理 是確定某 個(gè)閥值T,根據(jù)圖像中每個(gè)像素的灰度值大于或者小于該閥值T,來進(jìn)行圖像分割⑶。 閥值方法的數(shù)學(xué)模型如下： 設(shè)原始圖像為f(x,y)，首先以一定的準(zhǔn)則f(x,y)中找出一個(gè)灰度值T作為閥值，將圖像 分割為兩部分，即把大于等于該閥值的像素點(diǎn)的值置為1,小于該閥值的像素點(diǎn)的值置成 0?在經(jīng)過分割處理后的圖像為二值圖像g(X，y) 如下式表示： 1 f(x,y,T) g(x,y)=v 0 f(x,yAT) 根據(jù)上式可知，閥值

29、方法的核心就是閥值 T的確定，全局閥值T的選擇直接影 響分割效果。 圖4.1 4.L3.2邊緣檢測(cè) 在圖像中，相鄰的兩個(gè)類型區(qū)域的分界線稱為邊界。邊界線是分隔物體與物體之間的 線。現(xiàn)實(shí)中物體的不同棱角、界線、粗糙度、陰影等原因?qū)獾姆瓷涞某潭炔煌?，在?shù)字 圖像中都會(huì)以邊界的形式表示出來，特別是在灰度和二值圖像中，只有黑白兩種顏色，圖 像中的物體就是通過邊界線清晰的表示出來的。為了檢測(cè)出圖像中物體， 很多時(shí)候就是檢測(cè)物體的邊界線，通過檢測(cè)物體的邊緣線來識(shí)別物體，但是經(jīng)過預(yù)處理后 一些邊緣可能會(huì)很容易顯示出來，可是有些邊緣可能被消除掉。影響到物體的識(shí)別。 圖4.2

30、 圖4.3 上圖4.2為sobel邊緣分割，4.3為laplace邊緣分割。根據(jù)處理的圖像可看出sobel邊 緣右邊緣已經(jīng)消失，而laplace邊緣分割后邊緣還能清楚的看到。數(shù)字圖像即使是經(jīng)過一 樣，用不同算子的邊緣檢測(cè)就會(huì)得出不同的結(jié)果。從以上三幅圖像可以得知laplace邊緣分 割收到噪聲的影響是最明顯的。圖像中道路部分出現(xiàn)了很多的白點(diǎn)，對(duì)后續(xù)的處理有很大 的影響?？墒窍鄬?duì)與sobel算子，laplace邊緣分割后道路兩側(cè)的邊緣線還存在。 4.1.3.3區(qū)域分割法 區(qū)域分割法最常用的就是區(qū)域生長法。區(qū)域生長法是根據(jù)預(yù)先定義好的的生長準(zhǔn) 則將像素或子區(qū)域組合為更大的區(qū)域的過程?；?/p>

31、本方法就是先定義一組種子，從定義 好的種子開始，將與預(yù)先定義還的種子性質(zhì)、特性相似的那些領(lǐng)域像素添加到每個(gè)種 子上 來而形成這些生長區(qū)域。 1.1.1 學(xué)修正 數(shù)學(xué)形態(tài)學(xué)是一門建立在數(shù)學(xué)理論上的科學(xué)。是一種非線性圖像處理與分析的理 論。數(shù)學(xué)形態(tài)學(xué)是由一組形態(tài)學(xué)的代數(shù)運(yùn)算子組成的，他的基本運(yùn)算有 4個(gè)：膨脹、 腐蝕、開啟和閉合。 1.1.2 膨脹 假設(shè)A和B是Z?中的集合，那么B對(duì)A的膨脹A二B定義是0： A 二 B 二{z|(b)zA —} (4-2) 這個(gè)公式是以B關(guān)于它的原點(diǎn)的映像，并且以Z對(duì)映像進(jìn)行平移為基礎(chǔ)的。上面的式子還 可以寫成： A A=B={z|[(B)zA]

32、-A} 《3) 圖像的膨脹其實(shí)就是就是用結(jié)構(gòu)元素與圖像中的元素做 “與”運(yùn)算。結(jié)構(gòu)元素就 是圖像中的邊緣元素，通過做“與”元算增強(qiáng)邊緣，以增加邊緣的連續(xù)性。 1.1.3 腐蝕 作為Z2中的集合A和B，表示為AOB的B對(duì)A的腐蝕為⑶： AOB ={z|(B)z-A} (4-4) 該式指出B對(duì)A的腐蝕是一個(gè)用z平移的B包含在A中的所有的點(diǎn)z的集合。式子的另外 一種表達(dá)是： AOB={z|(B)zG 心外 (4-5) 其中N是A的補(bǔ)集，??是空集。 從式子可以看出膨脹和腐蝕都是對(duì)圖像做“與”運(yùn)算。不同的是結(jié)構(gòu)元素，膨脹是集 合里的非B元素，而腐蝕是集合中的B元素。 1.1.4 開

33、運(yùn)算 開運(yùn)算一般會(huì)平滑物體的輪廓、斷開較窄的狹頸并消除細(xì)的突出物。 結(jié)構(gòu)元B對(duì)集合A的開操作，表示為A B,其定義如下⑷： A B =(AOB)二 B (4-6) 因此，B對(duì)A的開操作就是B對(duì)A的腐蝕，緊接著用B對(duì)結(jié)果進(jìn)行膨脹。 1.1.5 閉運(yùn)算 閉運(yùn)算會(huì)平滑輪廓的一部分，但與開操作相反，它通常會(huì)彌合較窄的間斷和細(xì)長的溝 壑，消除小的空間，填補(bǔ)輪廓中的斷裂。用結(jié)構(gòu)元 B對(duì)集合A的閉操作，表 示為在*b,定義如下【勺： A*B= (ATB) L-iB (牛 7) B對(duì)集合A的閉操作就是簡單地用B對(duì)A膨脹，緊接著用B對(duì)結(jié)果進(jìn)行腐蝕。 4.3邊緣檢測(cè) 圖像邊緣是一種重要的視

34、覺信息，在日常生活中我們可以根據(jù)邊緣很容易分辨出不同 的物件，而在數(shù)字圖像處理中計(jì)算機(jī)可以根據(jù)邊緣來識(shí)別不同物件。 從而圖像邊 緣檢測(cè)是圖像處理、圖像分析。模式識(shí)別、計(jì)算機(jī)視覺以及人類視覺的基本步驟。經(jīng)過預(yù) 處理后的數(shù)字圖像邊緣會(huì)明顯的很多， 且收到噪音影響變得較小。這時(shí)候?qū)D像 進(jìn)行邊緣檢測(cè)所得到的結(jié)果較為準(zhǔn)確和可靠，對(duì)圖像的后續(xù)處理和分析較為有利。為 了得到更加準(zhǔn)確和可靠的結(jié)果，邊緣檢測(cè)一直在研究中，實(shí)現(xiàn)邊緣檢測(cè)的方法也有很 多， 經(jīng)典的算子有：灰度梯度算子、 Roberts算子、sobe算子、Laplace算子等。 4.3.1 灰度梯度算子 梯度算子又稱為一階微分算子，圖像的梯度

35、函數(shù)既是函數(shù)灰度變化的速率，它在邊 緣處為局部極大值。通過梯度算子估計(jì)圖像灰度變化的方向，增強(qiáng)圖像中的灰度變化區(qū) 域，然后對(duì)增強(qiáng)的區(qū)域進(jìn)一部判斷邊緣。 對(duì)圖像進(jìn)行微分運(yùn)算后，每一個(gè)像素點(diǎn)都有一梯度值反映該點(diǎn)的邊緣強(qiáng)度叫 相應(yīng)的幅值: Wx,y)」(x/)i, f(x/)j ex cy u (x,y) ) 2〃 (x,y) ) 2 I ex &y (4-8) (4-9) 相應(yīng)的方向： (4-10) E2tanH”,y))(f(x,y))] cy / ex 4.3.2 Roberts 算子 灰度算子一般是用來檢測(cè)水平和垂直邊緣的，因此灰度

36、算子對(duì)水平和垂直的邊緣比較 敏感。Roberts算子一般是用來檢測(cè)45度和135度邊緣。 | i f (x, y) | = max{| f (x, y) - f (x 1, y 1) |,| f (x 1,yA f (x,y 1) |} ( 4- 11) 所以灰度算子和Roberts算子可以根據(jù)圖像邊緣的特征來選擇使用 圖4.4 圖4.5 4.3.3Sobel算子 sobe算子對(duì)圖像進(jìn)行處理時(shí)候，對(duì)圖像中的任何一點(diǎn)都會(huì)產(chǎn)生對(duì)應(yīng)的梯度矢量和相應(yīng) 的法向矢量，sobe算子另一種檢測(cè)形式是各向同性sobe算子，它對(duì)圖像邊緣不的檢測(cè)也 是檢測(cè)圖像水平和圖像的垂直邊緣。與普通的sobe

37、算子相比較，各向同性sobe算子具有 加權(quán)作用，所以對(duì)邊緣的檢測(cè)更加的準(zhǔn)確。 - 10-1 1 2 1 - 2 0 2 o 0 0 - 1 0 -1 -1 也-1 (a (b 上圖(a)為Sobe算子垂直方向上模版，(b)為Sobe算子水平方向模版。 對(duì)于水平 方向模版有： (4-12) q(X, y)引 f (X T, y -1) *2 f (x —1, y) + f (x -1, y +1)]- 1 [f (x 十 1,y-1) +2f(x +1,y) + f (x +1, y +1)]| 如果m，y)T，則認(rèn)為當(dāng)前中心像素點(diǎn)為垂直邊緣上的點(diǎn)。對(duì)于垂直方向模版有: g

38、〈x, y) - [f (x_1 ,y +1) +2f(x,y +1) + f (x+1 ,y+1)]. (4-13) [f(x-1,y-1)2f(x,y-1)f(x1,y-1)] 如果有g(shù)m y)T ,則認(rèn)為當(dāng)前中心像素點(diǎn)為水平邊緣的點(diǎn)。如果不考慮邊緣的方向 s(x,y) =g,x,y) g2(x,y)T 。⑷ 則認(rèn)為當(dāng)前中心像素點(diǎn)為圖像邊緣上的點(diǎn)。T是門限值。 圖4.6 水平囹f桀邊緣檢測(cè) 圖4.7 圖4.8 4.3>4Laplace 算子 Laplace算子是一種重要的邊緣檢測(cè)算子，灰度梯度算子是對(duì)圖像一階導(dǎo)數(shù)。 Laplace算子是對(duì)圖像

39、二階導(dǎo)。 22 X ； y (4-15) 用二階差分方程表示為： 彳 f (x, y) = f (x -1,y) f (x, y-1) f (x, y 1) f (x 1, y) -4 f (x, y) (4-16) Laplace算子還可以用矩陣來表示，它有下圖幾個(gè)模版: 0 -1 0 -1 4 -1 -1 -1 -1 -1 8 -1 1 -2 -1 -2 4 -2 0-10 -1 -1 -1 1 -2 1 圖4.9 4.3.5幾種算子的比較和選擇 圖4.4到圖4.9展示了幾種邊緣檢測(cè)算子對(duì)圖像邊緣檢測(cè)的結(jié)果。從圖中我們可以很 容易看到這幅圖像的Robe

40、rts算子檢測(cè)相對(duì)其他幾種道路的邊緣是最完整的清晰的，但同 時(shí)路邊的其他景物的邊緣也很清晰。 Sobel算子的垂直檢測(cè)幾乎看不到道路 的邊緣，水平檢測(cè)中的邊緣線也是斷斷續(xù)續(xù)，而疊加后的效果同樣很不明顯，道路兩 邊的其他景物的邊緣一樣不是很清楚。Laplace算子檢測(cè)雖然很能顯示出邊緣線，但是道 路中間出現(xiàn)很多的小白點(diǎn)，說明Laplace算子對(duì)噪聲很敏感，受噪聲影響很大。 從5.4小節(jié)的另一種道路實(shí)驗(yàn)圖5.9到圖5.13可以看出不一樣的結(jié)果，Roberts算子 還是清晰的檢測(cè)出邊緣線。Sobel算子也能檢測(cè)出邊緣線。Lap lace算子也能檢測(cè) 出邊緣 線但噪聲影響還是很大。根據(jù)原圖比較可知

41、兩張?jiān)瓐D的光照強(qiáng)度差別很大。 給 邊緣檢測(cè)造成很大的影響。 從實(shí)驗(yàn)結(jié)果比較，Roberts邊緣效果是最好的。但其他景物的邊緣也很清晰，后續(xù)處 理叫麻煩。而在光照條件好的條件下 sobel同樣很好，且sobel的相對(duì)計(jì)算量小， 且其他景物、噪聲影響較均勻。所以大多數(shù)時(shí)候選擇 sobel算子檢測(cè)。在一些特殊條 件可以選擇其他幾種算子進(jìn)行檢測(cè)。 幾種算子都有自己的優(yōu)點(diǎn)和缺點(diǎn)。而且圖像之前的任何一個(gè)處理都會(huì)對(duì)邊緣的檢測(cè)造 成不同的影響，且每種次環(huán)境的變化而使拍攝時(shí)候都會(huì)引進(jìn)不同的多種多樣的噪 聲，所以算子的選擇很關(guān)鍵?？梢园迅鞣N不同的狀態(tài)加以討論而使用不同的算子， 以 達(dá)到最好的邊緣檢測(cè)。

42、 4.4 Hough 變換 經(jīng)過邊緣檢測(cè)處理后圖像邊緣出現(xiàn)了很多不相連的和很雜亂的白點(diǎn)。為了得到非結(jié) 構(gòu)道路的邊緣線，需要從這些雜亂的白點(diǎn)中提取出些點(diǎn)，然后通過這些點(diǎn)整合出道路邊 緣線。 Hough變換是圖像處理中從圖像中識(shí)別幾何形狀的基本方法之一。一般物體平面圖 像的輪廓可近似為直線及弧的組合，因此，對(duì)物體輪廓的檢測(cè)與識(shí)別可以轉(zhuǎn)化為對(duì)這些基 元的檢測(cè)與提取。 Hough變換是一種利用圖像的全局特征將特定形狀的邊緣連接起來，形成連續(xù)平滑 邊緣的一種方法。它通過將源圖像上的點(diǎn)映射到用于累加的參數(shù)空間， 實(shí)現(xiàn)對(duì)已知 解析式曲線的識(shí)別。Hough變換是利用點(diǎn)與線的對(duì)偶性，將原始圖像空間的給

43、定的曲線通 過曲線表達(dá)式變?yōu)閰?shù)空間的一個(gè)點(diǎn)。 Hough變換的定義⑹：設(shè)圖像中有一條直線，要求出這條直線在坐標(biāo)系中的位置。 在坐標(biāo)系里任何一條直線都會(huì)經(jīng)過坐標(biāo)系的一個(gè)點(diǎn)，而對(duì)于這和點(diǎn)來說，經(jīng)過這個(gè)點(diǎn) 的有無數(shù)條直線。假設(shè)在坐標(biāo)系O-XY坐標(biāo)系中有一條直線，用方程表示為y = kx - b o其 中k和b是參數(shù)，分別是方程的斜率和截距。在直線y = kx, b中有無數(shù)個(gè)點(diǎn)，這些點(diǎn)在 他們相應(yīng)的參數(shù)坐標(biāo)系中都可以用無數(shù)的直線方程來表示。 但表示每個(gè)點(diǎn)的直線 在在坐標(biāo)系。-XY中都會(huì)交于一點(diǎn)（k，b）。Hough變換就是檢測(cè)圖像中坐標(biāo)系里的一些 點(diǎn)，根據(jù)這些點(diǎn)的交點(diǎn)而求出相應(yīng)的直線方程，即把原

44、來數(shù)字圖像平面中的一些特 殊的 點(diǎn)通過變換轉(zhuǎn)成相應(yīng)的參數(shù)平面坐標(biāo)系中的線，最后通過統(tǒng)計(jì)得到直線的參數(shù)k， b而得 到方程。 簡而言之，Hough變換思想為：在原始圖像坐標(biāo)系下的一個(gè)點(diǎn)對(duì)應(yīng)了參數(shù)坐標(biāo)系中 的一條直線，同樣參數(shù)坐標(biāo)系的一條直線對(duì)應(yīng)了原始坐標(biāo)系下的一個(gè)點(diǎn)， 然后，原 始坐標(biāo)系下呈現(xiàn)直線的所有點(diǎn)，它們的斜率和截距是相同的，所以它們?cè)趨?shù)坐標(biāo)系下 對(duì)應(yīng)于同一個(gè)點(diǎn)。這樣在將原始坐標(biāo)系下的各個(gè)點(diǎn)投影到參數(shù)坐標(biāo)系下之后， 看 參數(shù)坐標(biāo)系下有沒有聚集點(diǎn)，這樣的聚集點(diǎn)就對(duì)應(yīng)了原始坐標(biāo)系下的直線。 5.3基于simulink的仿真 —am File Ccior Space Convemon

45、 - WGB so 8 ViOW VWW cm DUaticn Bobel V 加“ Vi， -U力 Tfamslvm 圖5.3 上圖5.3為基于matlab中的simulink的仿真的模型圖。模型圖中的image from file為 數(shù)字圖像輸入模塊，使用的是從文檔中輸入； Color space conv ersion模塊為把彩色 的圖像轉(zhuǎn)化為灰度圖像；Median filter模塊為中值濾波；dilate模塊為膨脹。Edge detect ion 模塊為邊緣檢測(cè)，可選擇 sobel edge prewitt edge、roberts edge canny

46、edge 四種邊緣檢測(cè)；hough transform為hough變換模塊。Video viewer為顯示模塊，模型圖 中Video viewer顯示灰度化圖像，Video viewerl顯示邊緣檢測(cè)后的圖像，Video viewer2 顯示hough變換的圖像。 5.4另一條道路的實(shí)驗(yàn)結(jié)果 圖5.4原圖像 圖5.6直方圖 圖5.5灰度化圖像 圖5.7均衡化直方圖 圖5.8中值濾波

47、圖5.9 Laplace邊緣檢測(cè) 圖5.10 Roberts邊緣檢測(cè)圖 5.11 sobel垂直邊緣檢測(cè) 圖5.12sobel水平邊緣檢測(cè) 圖5.13 sobel邊緣檢測(cè) 總結(jié) 本文基于matlab的圖像處理對(duì)非結(jié)構(gòu)化道路進(jìn)行檢測(cè)，通過對(duì)檢測(cè)結(jié)果進(jìn)行計(jì)算對(duì) 汽車是否發(fā)生偏移做出判斷并向駕駛?cè)藛T發(fā)出預(yù)警。 系統(tǒng)的優(yōu)點(diǎn)： 1 ?從汽車主動(dòng)安全的角

48、度出發(fā)。該系統(tǒng)可以提高汽車的主動(dòng)安全性能，他能降低 駕 駛員駕駛疲勞。汽車在給我們的生活帶來方便的同時(shí)，車禍的發(fā)生也給我們帶來很 多的 痛苦。因?yàn)檐嚨榔x而發(fā)生車禍占有很大的比率。所以該系統(tǒng)很有存在必要。他 可以減 少駕駛員因?yàn)槠诨蛘邿o意識(shí)偏離道路時(shí)而發(fā)生車禍。 特別是在非結(jié)構(gòu)化道路 中，道路的環(huán)境很復(fù)雜。駕駛員要集中注意力觀察道路中的情況，很容易發(fā)生疲勞。該 系統(tǒng)雖然不能完全代替人員，但可以給駕駛員提供一定的參考和幫助。 2?從系統(tǒng)的成本角度出發(fā)。系統(tǒng)選擇了一般的攝像頭、車載電腦。和一般的預(yù)警音 響。成本比較便宜。相對(duì)于現(xiàn)在的偏離系統(tǒng)，成本有很大的降低。 系統(tǒng)的缺點(diǎn)： 系統(tǒng)是基于圖

49、像的處理，他受到光照、振動(dòng)等來自外界的影響很多，上傳到車載計(jì)算 機(jī)的數(shù)字圖像中噪聲太多，經(jīng)過不同的預(yù)處理有不同的結(jié)果，很多時(shí)候 Hough 變換難以檢測(cè)出道路的兩邊緣線，系統(tǒng)工作不穩(wěn)定。 系統(tǒng)的提高：系統(tǒng)可以使用不同的圖像預(yù)處理，不同的邊緣檢測(cè)等圖像后期處理， 把非結(jié)構(gòu)化道路的邊緣盡量清楚的提取出來。同時(shí)系統(tǒng)可以在車輛的側(cè)邊安裝輔助攝像 頭，當(dāng)前方攝像頭傳送的信息確定為偏離后再經(jīng)過側(cè)邊攝像頭的確定再發(fā)出預(yù)警，提高 檢測(cè)的準(zhǔn)確性。 致謝 這次畢業(yè)設(shè)計(jì)能夠順利完成，最想感謝我的導(dǎo)師朱淑亮老師，感謝老師期間給我 做 指導(dǎo)和建議。 感謝學(xué)校四年來的培養(yǎng)，感謝幾年以來傳授給我知識(shí)的老師。 最

50、后，感謝父母對(duì)我學(xué)習(xí)的支持，使我擁有了上大學(xué)的條件，能夠?qū)W習(xí)這么多的知 識(shí)。馬上將要踏上工作崗位，我會(huì)時(shí)刻銘記老師的教導(dǎo)，會(huì)以同樣的工作熱情和踏實(shí)的 工作態(tài)度回報(bào)社會(huì)。 參考文獻(xiàn) [1]孫即祥，圖像分析，科學(xué)出版社，2005 [2]楊高波、杜青松，MATLAB圖像/視頻處理應(yīng)用及實(shí)例，電子工業(yè)出版社， 2010 [3] Rafael C. Gonzalez、Richard E. Woods，數(shù)字圖像處理（第三版），電子工業(yè)出版社， 2011 [4] Rafael C. Gonzalez、Richard E. Woods，數(shù)字圖像處理（第三版），電子工業(yè)出版社， 2011 （5）閆敬文，數(shù)字圖像處理（MATLAB版）,國防工業(yè)出版社，2007