一種基于圖像處理的快速車輛空載率估算方法

胡志輝 陳書樵 黃茜 陳宏燔

摘要：在道路上核定車輛的載重通常需經(jīng)過(guò)稱重、核載、計(jì)算等步驟，效率較低使得交通不夠順暢。本文利用軟X射線對(duì)低密度物體的穿透能力，對(duì)貨車的貨箱部分進(jìn)行掃描，獲得包含車箱及貨物的16位射線圖像，設(shè)計(jì)了窗寬窗位自動(dòng)調(diào)整算法，在調(diào)窗的8位圖像上進(jìn)行空載率分析。設(shè)計(jì)了兩次二值化，對(duì)結(jié)果圖像進(jìn)行開(kāi)、閉處理后，界定了車廂側(cè)面積，通過(guò)圖像分割的貨物側(cè)面積與車廂側(cè)面積之差得到車輛滿載率和空載率。因道路交通主要管治超載車輛，本文方法使絕大部分未超載車輛得以快速通過(guò)檢查，對(duì)疑似超載的車輛進(jìn)一步檢查。算法具有較好的實(shí)用價(jià)值。

關(guān)鍵詞：空載率;圖像處理;車輛

1.引言

測(cè)量貨車的載重對(duì)于交通安全有著極為重要的意義。傳統(tǒng)方法是采用先稱量整車重量，再查得貨車自重，通過(guò)二者相減得出貨物重量。雖然這種方法對(duì)貨車實(shí)際載貨重量計(jì)算較為準(zhǔn)確，但核實(shí)和輸入貨車自重需要人工操作，對(duì)道路交通暢通和運(yùn)輸效率都有一定的影響。

圖像處理技術(shù)可以為貨車的空載率提供高效自動(dòng)的解決方案。利用對(duì)人體沒(méi)有傷害的軟X射線對(duì)低密度物體的穿透能力，對(duì)貨車的貨箱部分進(jìn)行掃描后，可以得到一幅包含貨箱及其內(nèi)部貨物的整體圖像，例如所有的植物果蔬類物品圖像，快遞物品、輕工業(yè)類生活物品以及油類等液態(tài)物品和粉狀水泥等散裝物品圖像。通過(guò)對(duì)實(shí)時(shí)采集的X射線圖像在線進(jìn)行分析和計(jì)算，利用圖像沒(méi)有貨物的部分和有貨物部分的圖像比例，快速自動(dòng)算得貨車的空載率，對(duì)接近空載和明顯沒(méi)有超載的車輛快速放行，對(duì)接近甚至超出滿載的貨車再重點(diǎn)進(jìn)行車輛自重和額定載重量核實(shí)，并檢查實(shí)際載重量，使貨車的載重檢測(cè)效率大大提高，也大大減少檢測(cè)工作人員的工作量。

2.算法原理和流程

16位X射線圖像含有較多噪聲，有效信號(hào)的灰度往往集中在灰度直方圖的一小部分區(qū)域，分割載貨貨物的區(qū)域時(shí)，可以利用調(diào)窗算法抑制貨物圖像的細(xì)節(jié)，本文設(shè)計(jì)了極大極小值調(diào)窗算法。設(shè)灰度值a和b分別代表16位X射線圖像灰度直方圖中的灰度最小值和最大值，A和B為計(jì)算窗寬下限和上限的兩個(gè)閾值，和分別為直方圖的兩個(gè)幅值閾值，用下式獲得原圖像調(diào)窗后的極小和極大灰度值L和H，進(jìn)行調(diào)窗：

其中，灰度值X對(duì)應(yīng)的幅值為，灰度值S對(duì)應(yīng)的幅值，x為灰度區(qū)間[a，X]之間的任意值;灰度值Y對(duì)應(yīng)的幅值為，灰度值Q對(duì)應(yīng)的幅值，y為灰度區(qū)間[Q，b]之間的任意值。調(diào)窗的結(jié)果如圖1所示，圖1（a）為16位X射線原圖，圖1（b）為調(diào)窗后的圖像，實(shí)驗(yàn)中a和b均取500，和均取350。

本文以調(diào)窗后的8位灰度圖像為例說(shuō)明算法原理，見(jiàn)圖2。

首先需要界定車輛的側(cè)面輪廓和有效計(jì)算面積，最大限度地將貨物與車廂等背景分離，設(shè)計(jì)了兩次二值化處理，并在第二次二值化結(jié)果圖像的基礎(chǔ)上運(yùn)用開(kāi)運(yùn)算和閉運(yùn)算，進(jìn)一步去除細(xì)小的背景干擾信號(hào)。利用最大類間方差法對(duì)圖2的圖像I進(jìn)行第一次二值化得到圖像：

其中閾值由最大類間方差法獲取。圖3示出圖像白色區(qū)域即為車廂所在區(qū)域，但由于車廂擋板部分區(qū)域厚度較小，甚至沒(méi)有擋板，二值化后不是整個(gè)車廂均為白色，不能直接通過(guò)統(tǒng)計(jì)白色像素個(gè)數(shù)獲得車廂面積。由于貨車載貨區(qū)域形狀一般為矩形，本文取最大連通域的最小外接正矩形R作為車廂區(qū)域，該矩形面積m即為車廂面積。

為獲得車廂內(nèi)部非貨物區(qū)域面積，將原圖I的特定區(qū)域進(jìn)行第二次二值化處理。先獲取車廂坐標(biāo)集合，Ω={（x，y）|I1（x，y）=1}，提取原圖I在該集合坐標(biāo)處的像素，用最大類間方差法獲取這些像素的二值化閾值T2，用公式（3）獲得第二次二值化圖像I2，如圖4所示。

第二次二值化基本區(qū)分了車廂內(nèi)部黑色貨物區(qū)域與白色非貨物區(qū)域，但仍然車輛的支架、門框或窗框難以與貨物分離，由于車架等干擾部分所占面積很小，且如果車輛空載率很小，貨物充滿車廂時(shí)，這些支架即被貨物遮擋，特別是對(duì)于超重車輛，空載率計(jì)算不會(huì)受到車輛支架的影響。為了進(jìn)一步減少干擾，使區(qū)域劃分更準(zhǔn)確，對(duì)進(jìn)行了一次閉運(yùn)算和一次開(kāi)運(yùn)算，得到圖5最終統(tǒng)計(jì)圖像。此時(shí)中位于車廂矩形R區(qū)域內(nèi)所有白色像素的總個(gè)數(shù)n即為非貨物區(qū)域面積。車輛空載率

3 實(shí)驗(yàn)

本文實(shí)驗(yàn)圖像全部在某高速公路出口收費(fèi)處拍攝，共采集了250張X射線圖像，本文將空載率計(jì)算結(jié)果直接交由現(xiàn)場(chǎng)工作人員進(jìn)行判定，根據(jù)工作人員反映空載率計(jì)算結(jié)果誤差在可接受范圍之內(nèi)，該算法可以滿足車輛空載率估算應(yīng)用需求。圖7給出了其中六張圖的空載率計(jì)算結(jié)果。

4結(jié)論

本文算法快速、高效，大大改善了高速公路和主要運(yùn)輸?shù)缆奋囕v載重檢查費(fèi)時(shí)和道路擁堵的狀況。本算法得以在實(shí)際中順利使用，考慮了一些實(shí)際條件，例如，在空載率較大時(shí)，應(yīng)該作為背景的車輛框架也作為貨物納入計(jì)算，但如果這樣情況下，空載率還很大，則該車輛載重是安全的;另一方面，當(dāng)空載率很小時(shí)，往往貨物已經(jīng)遮擋了車輛框架，這使得框架被識(shí)別為貨物部分時(shí)對(duì)實(shí)際應(yīng)用幾乎無(wú)影響。另空載率較小時(shí)，畫面顯示為超載，這時(shí)需進(jìn)一步通過(guò)車輛實(shí)際稱重結(jié)果核實(shí)是否超載，因此，本文算法作為快速的輔助檢查方案具有很好的實(shí)際作用。

參考文獻(xiàn)：

[1]沈琴，蔣謨文，駱建華.一種改進(jìn)的磁共振圖像自動(dòng)調(diào)窗算法[J].中國(guó)醫(yī)療器械雜志，2011，35（04）