攝像頭組智能車圖像預處理算法研究

王詩元 呂子豪 田洪亮

摘 要：本文以大學生“飛思卡爾”杯智能汽車競賽攝像頭組比賽為背景，通過分析數(shù)字攝像頭圖像采集原理，提出了幾種圖像預處理算法，提高了一般情況下智能車對圖像識別的準確度。

關(guān)鍵詞：攝像頭組；智能車圖像；預處理算法

1 引言

“飛思卡爾”杯智能汽車大賽起源于韓國，是韓國漢陽大學汽車控制實驗室在飛思卡爾半導體公司資助下舉辦的以HCS12單片機為核心的大學生課外科技競賽。組委會提供一個標準的汽車模型、直流電機和可充電式電池，參賽隊伍要制作一個能夠自主識別路徑的智能汽車。其設(shè)計內(nèi)容涵蓋了控制、模式識別、傳感技術(shù)、汽車電子、電氣、計算機、機械、能源等多個學科的知識，對學生的知識融合和實踐動手能力的培養(yǎng)，具有良好的推動作用。攝像頭組智能車通過數(shù)字或模擬攝像頭采集信號，單片機對采集到的圖像信息進行處理，得到賽道的基本信息。因此，如何能正確的處理圖像信息，對于攝像頭組智能車能正確識別賽道起到至關(guān)重要的作用。本文首先分析了數(shù)字攝像頭圖像采集原理，然后提出了幾種圖像預處理算法，提高了一般情況下智能車對圖像識別的準確度。

2 OV7620數(shù)字攝像頭圖像采集

OV7620攝像頭是基于Omnivision公司出品的一款彩色CMOS型圖像采集集成芯片，分辨率最大可以達到（H）664×（V）492，幀率可達30幀，內(nèi)置10位雙通道A/D轉(zhuǎn)換器，輸出8位像素點。采集OV7620攝像頭圖像時，可以根據(jù)行場中斷信號來區(qū)分一幅圖像和一行圖像。若不通SCCB協(xié)議設(shè)置OV7620的寄存器，默認輸出有效像素（H）640×（V）480。因為采用隔行掃描方式，又分為奇偶場，這樣計算的話，每秒鐘會產(chǎn)生60幅圖像，每幅圖有效像素為（H）320×（V）240。單片機全部采集則一幅圖像要占用75KB的內(nèi)存，而一般單片機是沒有這么大內(nèi)存的，雖然K60單片機有512KB的Flash，再加上后期圖像處理，所以不建議全部采集。

圖像采樣的方法很多，有均勻采樣和不均勻采樣。均勻采樣，主要是通過均勻間隔性的采集圖像。因為間距是固定的，所以整圖像比較均勻流暢，行與行之間的變化梯度沒有明顯劇升或者劇降，列如間隔為4行的采樣，1、5、9、···、240。相反不均勻采樣，采樣的間隔不是等距的，而是變化的。例如1、2、8、···、240。這樣的好處就是可以指定所要采集行數(shù)序號，圖像像素密集地方可以少采集幾行，圖像像素稀疏地方可以多采集幾行，比較有利賽道的識別。但缺點就是圖像行與行之間變化不是均勻的，有時候采樣不好，還會出現(xiàn)劇升或者劇降，也很容易丟失賽道信息。

3 圖像預處理算法

3.1 圖像平滑算法

圖像平滑（圖像濾波）是一類局部預處理方法，主要用于印制圖像噪聲，可以消除圖像噪聲對自主控制系統(tǒng)對賽道識別的準確性。下面主要介紹高斯濾波和中值濾波的原理。

高斯濾波是一種線性平滑濾波，適用于消除高斯噪聲，廣泛應用于圖像處理的減噪過程。通俗的講，高斯濾波就是對整幅圖像進行加權(quán)平均的過程，每一個像素點的值，都由其本身和鄰域內(nèi)的其他像素值經(jīng)過加權(quán)平均后得到。高斯濾波的具體操作是：用一個模板（或稱卷積、掩模）掃描圖像中的每一個像素，用模板確定的鄰域內(nèi)像素的加權(quán)平均灰度值去替代模板中心像素點的值。高斯濾波沒有固定模板，模板是根據(jù)實際需求所選擇的。因為考慮到實際單片機的運算能力，就以3×3的鄰域h作為模板對圖像進行濾波為例介紹高斯濾波的方法。

把該模板放在選定像素點上計算中心像素的新值。把像素值于相應的權(quán)重系數(shù)相乘，然后相加得到一個總和。這個總和可以計算中心像素的新值，得到新輸出圖像中的像素值。如果模板位置還沒有到達一行的終端，那么把模板沿水平方向逐個像素移動，并且重復上述處理。

最后要注意的是，我們無法給圖像邊界賦值。因為把模板放在邊界上時，模板的一部分落在圖像外部，沒有信息用來計算新像素值。邊界寬度等于模板大小的一半。

高斯濾波被認為對圖像平滑處理是最優(yōu)的，可以有效消除高斯噪聲平滑圖像，其缺陷是在平滑過程中造成圖像中邊緣明顯變的模糊，有些甚至不容易被識別。因此我們還要考慮能夠保持邊緣的平滑算法，而目前能基本解決這一問題莫過于中值濾波。

中值濾波是一種減少邊緣模糊的非線性平滑方法，它的思想是用鄰域中亮度的中值代替圖像當前的點。鄰域中亮度的中值不受個別噪聲毛刺的影響，因此中值平滑相當好地消除了沖擊噪聲。更進一步，由于中值濾波并不明顯地模糊邊緣，因此可以迭代使用。顯然，在每個像素位置上都要對一個矩形內(nèi)部的所有像素進行排序，這樣的開銷會變得很大，這也是導致中值濾波一大缺點。

3.2 Otsu法確定閥值

Otsu法是一種使類間方差最大的閥值確定方法，所以也稱為最大類間方差法。該方法具有簡單、處理速度快等特點，是一種常用的閥值選取方法。

基本思想是：把圖像中的像素按灰度值用閥值T分為兩類C1和C2，C1由灰度值在[0，T]之間的像素組成，C2由灰度值在[T+1，L-1]之間的像素組成，按下公式計算兩類之間的類間方差：

式中，ω1（t）為C1中包括含的像素數(shù)，ω2（t）為C2中包含的像素數(shù)，μ1（t）為C1中所有像素的平均灰度值，μ2（t）為C2中所有像素的平均灰度值。讓T在[0，L-1]范圍依次取值，使σ2最大的T即為Otsu法的最佳閥值。實際中賽道起跑線圖像通Otsu法計算出來的閥值約為118。通過使用Otsu法計算圖像最優(yōu)閥值，可以直接得到近似的值，很明顯要比靠經(jīng)驗選擇閥值要快速準確。若閥值偏小，會導致反光強的背景被分割成為了目標，若閥值偏大，會導致灰度比較暗的目標被劃分為背景區(qū)。

4 結(jié)語

通過分析OV7620數(shù)字式攝像頭的圖像采集原理，通過均勻采樣對攝像頭的圖像進行隔行采樣，然后采用高斯濾波或中值濾波方法對圖像進行平滑處理，然后用Otsu法對圖像中黑白閥值進行二值化，得到預處理后的賽道圖像，經(jīng)實際檢驗，上述方法的使用能提高一般情況下賽道信息識別的準確度，為智能車穩(wěn)定運行提供了保障。