【模式识别】基于matlab Hough变换图片车道线检测 【含Matlab源码 276期】

一、简介

1 车道线检测算法设计
一般道路主要由直道和弯道两部分构成，故车道线也相应的分为直车道线和弯曲车道线两种类型，本节首先对道路图像划定感兴趣区以提高运算效率，然后针对两种不同类型的车道线选取不同的检测方法。对于直车道线，利用Hough变换进行直线的提取，筛选并绘制出离车辆最近的两条直车道线；而对于弯曲车道线，则通过最小二乘法利用抛物线模型进行曲线拟合，并根据抛物线二次项系数判别弯道转向。

2 确定感兴趣区
一般车载摄像机采集到的道路图像可划分为天空、路面和周围景物，通过对道路图像进行分析很容易发现车道线主要分布于整个道路图像的下方区域，上方其余区域以及道路区域两侧是天空、树木等非路面区域。为了进一步缩小搜索范围，降低算法复杂度，增强车道线检测的实时性和精确性，应准确进行感兴趣区的定位，故需确定包含车道线等有效信息的区域边界。
3 基于Hough变换的直车道线检测
Hough变换是图像处理中几何特征提取最基本的算法之一，由Paul Hough于1962年提出，后由Richard Duda和Peter Hart于1972年推广使用。Hough变换通过将图像空间的参数映射到参数空间，并结合一种投票算法来检测具有特定形状的物体。Hough变换是目前直线车道检测应用最广的方法之一，鲁棒性好、抗干扰能力强，对断裂或者遮挡的车道线也能够很好的将其检测出来。
4 Hough变换原理

Hough变换的工作原理是利用图像空间的点和参数空间的线之间存在的对偶关系，将图像空间的问题转化到参数空间来解决。

5 Hough 变换的具体实现步骤如下：

(1) 建立一个参数（λ，θ） 空间的二维的数组，该数组相当于一个累加器。
(2) 顺序搜索图像中所有目标(黑色)像素，对于每一个目标像素，在参数空间中根据式(3)找到对应位置，然后在累加器的对应位置加 1。
(3) 求出参数空间(累加器)中最大值，其位置为（λ’，θ’）。
(4) 通过参数空间位置（λ’，θ’） ，根据式(3)找到图像空间中相对应的直线参数。

二、源代码

% 含检测模块的主程序(Otsu阈值分割，矩形感兴趣搜索区域）
close all;
clc;
clear;

tic;%程序执行的起始时间
k=1;
%   mri=uint8(zeros(128,160,3,120));%建立4维的矩阵，前面的两维不管，由后面两维决定
% T，n为检测模块判断标志
T=0; 
n=0;
a=0;
for frame=1:100
    T=T+1;%%%%%%用于记录第几帧图像
    startNum=frame;
    imStr=num2str(startNum);
    %imName=strcat('1000_',imStr,'.bmp');%以上几句实现字符串连接的操作
    imName=strcat('E:\DCIM\shipinchuli\shipinchuli2\m',imStr,'.jpg');%以上几句实现字符串连接的操作
    orig=imread(imName);%读取图片
 
    origGray = rgb2gray(orig);%图片灰度化
    mylane=origGray; 
    [height,width] = size(origGray);
    figure,imshow(origGray),title('origGray');%显示灰度图片
    
%%%%%%水平平均灰度投影
%     grayProject=areaskybar(origGray,width,height);
%     figure,barh(grayProject,0.5);  %绘制二维水平条形图 
%%%%%%白线Otsu阈值分割，得到图像segmentorig
    OtsuGray=origGray;
    [threshOtsu,segmentorig]=autothresh(OtsuGray,height,width);%大津法阈值分割函数 返回最佳阈值和部分图像块   暂时好像没用着 
%     figure,imshow(segmentorig),title('segmentorig');
% 
%     imhist(origGray);    %绘制灰度直方图
%     [counts,x]=imhist(origGray);
       
%     orighictr=histeq(origGray);  %增强对比度
%     figure,imshow(orighictr),imshow('orighictr');
    
 %%%%%边缘二值图像,sobel算子
    [origEdgeBw,sobthresh]= edge(origGray,'sobel','vertical'); % B、Bw表示二值化 用Sobel边缘检测算子进行边缘检测 返回二值图像和阈值
    %origEdgeBw 产生一个掩膜矩阵
    %sobthresh 阈值
    
%     [origEdgeBw,sobthresh]= edge(origGray,'sobel');

%     origEdgeBw=sobell(height,width,origGray);%自己编的sobel算子函数
%     figure,imshow(origEdgeBw),title('edgedIm');
    
    %边缘灰度图像
    edgedIm = double(origGray).*double(origEdgeBw);%通过掩膜矩阵与原图像相乘，类似于与运算    
   
%     figure,imshow(edgedIm),title('edgedIm');
    laneDispF = floor( MyFilt(edgedIm,100) ); % 滤波   感觉没变化    
    
%     figure,imshow(laneDispF),title('laneDisp');
%    figure;
%     segorigF=floor(MyFilt(segmentorig,100));%滤波
%     figure,imshow(segorigF),title('segorig Filt');
     skyline=areasky(origGray,width,height); %求陆天分界线 第一幅图：79行

    if T==1  %第一幅图像用检测模块进行检测，后面的图像用跟踪实现
    %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% 调用检测模块%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
       [lData,rData,lReservedPnt,rReservedPnt,Detorig]=detect(orig,origGray,laneDispF,segmentorig,imName);
       % lData,rData为左右拟和直线上间隔取点的坐标数组
       Imrsize=imresize(Detorig,2);%变为Detorig的2倍
       mri(:,:,:,k)=Imrsize;
       k=k+1;

    else
  
    %%%%%%%%%%%%%%%%%%%%%%%%%%%%%% 进入跟踪阶段%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%

%       从记录的边界点附近寻找当前的边界点
        % 左边界
        subL = 0;
        for t = 1:lReservedPnt
            for temp = lData(t,1)-10 : lData(t,1)+10 % 在左右各10个象素内搜索特征点
                if( temp>0 && temp<=width && segmentorig(height-lData(t,2),temp) ~= 0 )
                    subL = subL + 1;
                    leftLanePnts(subL,1) = temp;
                    leftLanePnts(subL,2) = lData(t,2);
                    break;
                end
            end
        end
        
        % 右边界
        subR = 0;
        for t = 1:rReservedPnt
            for temp = rData(t,1)-10 : rData(t,1)+10
                if( temp>0 && temp<=width && laneDispF(height-rData(t,2),temp) ~= 0 )
                    subR = subR + 1;
                    rightLanePnts(subR,1) = temp;
                    rightLanePnts(subR,2) = rData(t,2);
                    break;
                end
            end
        end

三、运行结果

四、备注

完整代码或者代写添加QQ 1564658423
往期回顾>>>>>>
【图像识别】基于matlab路面裂缝识别含GUI【含Matlab源码 009期】
【图像识别】基于matlab身份证号码识别【含Matlab源码 014期】
【图像压缩】基于matlab图像处理教程系列之图像压缩【含Matlab源码 024期】
【图像分割】基于matlab图像处理教程系列之图像分割（一）【含Matlab源码 025期】
【图像分割】基于matlab图像处理教程系列之图像分割（二）【含Matlab源码 026期】
【模式识别】基于matlab指纹识别【含Matlab源码 029期】
【模式识别】基于matlab银行卡号识别【含Matlab源码 030期】
【图像聚类】基于matlab FCM和改进的FCM脑部CT图像聚类【含Matlab源码 074期】
【图像评价】基于matlab CCF算法的图像质量评价【含Matlab源码 075期】
【图像增强】基于matlab局部对比度增强的CLAHE算法之直方图增强【含Matlab源码 076期】
【图像融合】基于matlab Frequency Partition之图像融合【含Matlab源码 077期】
【图像评价】基于matlab SVM之图像无参考质量评价【含Matlab源码 078期】
【图像处理】基于matlab DWT+DCT+PBFO改进图像水印隐藏提取含GUI【含Matlab源码 081期】
【图像变换】基于matalb DIBR-3D图像变换【含Matalb源码 082期】
【图像融合】基于matlab CBF算法的图像融合【含Matlab源码 083期】
【图像分割】基于matlab模糊聚类算法FCM的图像分割【含Matlab源码 084期】
【图像分割】基于形态学重建和过滤改进FCM算法（FRFCM）的的图像分割【Matlab 085期】
【图像去噪】基于matlab自适应形态学的图像去噪【含Matlab源码 086期】
【图像增强】基于matlab DEHAZENET和HWD的水下去散射图像增强【含Matlab 087期】
【图像增强】基于matlab PSO寻优ACE的图像增强【含Matlab源码 088期】
【图像增强】基于matlab区域相似变换函数和蜻蜓算法之灰度图像增强【含Matlab源码 089期】
【图像重建】基于matlab图像重建之ASTRA算法【含Matlab源码 090期】
【图像分割】基于matlab四叉树图像分割【含Matlab源码 091期】
【图像分割】基于matlab心脏中心线提取【含Matlab源码 092期】
【图像识别】基于matlab svm植物叶子疾病检测和分类【含Matlab源码 093期】
【图像识别】基于matlab模板匹配之手写数字识别系统GUI界面【含Matlab源码 094期】
【图像识别】基于matlab不变矩的数字验证码识别含GUI界面【含Matlab源码 095期】
【图像识别】基于matlab条形码识别系统【含Matlab源码 096期】
【图像识别】基于matlab RGB和BP神经网络的人民币识别系统含GUI界面【含Matlab源码 097期】
【图像识别】基于matlab cnn卷积神经网络之验证码识别【含Matlab源码 098期】
【图像直线拟合】基于matlab最小二乘法的图像直线拟合【含Matlab源码 100期】
【图像去雾】基于matlab暗通道之图像去雾【含Matlab源码 101期】
【图像分割】基于matlab直觉模糊C均值聚类的图像分割IFCM【含Matlab源码 120期】
【图像分割】基于matlab最大类间方差法(otsu)图像分割【含Matlab源码 121期】
【模式识别】基于matlab银行监控系统人脸识别【含Matlab源码 125期】
【模式识别】基于matlab GUI界面的疲劳检测系统【含Matlab源码 126期】
【图像识别】基于matlab国外车牌识别【含Matlab源码 128期】
【图像分割】基于matlab蚁群优化模糊聚类的图像分割【含Matlab源码 130期】
【模式识别】基于matalb GUI界面的水果检测系统【含Matlab源码 173期】
【模式识别】基于matalb GUI界面的水果分类系统【含Matlab源码 174期】
【模式识别】基于matalb GUI界面的水果分级系统【含Matlab源码 175期】
【模式识别】基于matlab人脸识别之检测脸、眼、鼻子和嘴【含Matlab源码 178期】
基于matlab GUI界面处理录音与音频【含Matlab源码 181期】
【图像处理】基于matlab GUI界面的图像加解密【含Matlab源码 182期】
【模式识别】基于matlab GUI界面BP网络之手写体大写字母识别【含Matlab源码 183期】
【图像分割】基于matlab GUI界面医学影像分割【含Matlab源码 184期】
【图频处理】基于matlab GUI界面环图像处理与音乐播放系统【含Matlab源码 185期】
【图像隐藏】基于matlab Laguerre 变换的图像隐藏【含Matlab源码 193期】
【图像处理】基于matlab dwt函数实现二维小波变换【含Matlab源码 198期】
【图像处理】基于matlab分形插值算法调换图片【含Matlab源码 197期】
【图像边缘检测】基于matlab GUI界面图像边缘检测系统【含Matlab源码 203期】
【图像几何运算】基于matlab GUI界面之图像几何运算系统【含Matlab源码 206期】
【图像处理】基于matlab GUI界面之图像处理系统【含Matlab源码 207期】
【图像识别】基于matlab细胞识别和边缘检测【含Matlab源码 210期】
【模式识别】基于matlab 反馈神经Hopfield的数字识别【含Matlab源码 226期】
【模式识别】基于matlab之指纹图像细节特征提取 【含Matlab源码 227期】
【图像分割】基于matlab RGB HSV YCbCr Lab颜色空间人脸检测之图像分割【含Matlab源码 228期】
【图像压缩】基于matlab小波变换的图像压缩【含Matlab源码 229期】
【模式识别】基于matlab GUI界面的火灾检测【含Matlab源码 249期】
【模式识别】基于matlab Hough变换的答题卡识别【含Matlab源码 250期】
【模式识别】基于matlab二值膨胀差分和椒盐滤波之教室内人数识别系统【含Matlab源码 251期】
【小波变换】基于matlab GUI界面DWT与SVD算法的数字水印 【含Matlab源码 253期】