17届智能车：浅析总转风摄像头的图像处理

目录

前言

一、图像的采集

二、图像处理

1.赛道提取

1.二值化

2.利用两两像素点灰度值的相关性

3.归一化处理

2.寻找边线

1.从图像中心线开始，向左右分别寻找黑色像素点，找到黑色像素点并加以判断后作为左右边线

2.遍历图像最下方，找到黑白分界点，作为左右边线

3.中线拟合

1.左右边线/2

2.最小二乘法拟合

3.神经网络

三.参考文章：

---

前言

MT9V032/034是安森美半导体出品的全局快门CIS，拥有卓越的画质和低照度的表现。龙邱神眼摄像头采用MT9V034芯片，该芯片具有全局快门，高动态成像，红外透视等优点，MT9V034芯片最高分辨率为 752(H) x 480(V)，以每秒60帧(fps)的形式输出。在实际使用过程中，可以降低分辨率以获得更高的帧率。是一款功能齐全，性能强劲的摄像头模块。
        简单来说，总转风摄像头可以极大地消除动态模糊问题，在高速下采集的图像也不会造成太大的失真。

---

一、图像的采集

摄像头的工作原理大致为：景物通过镜头生成的光学图像投射到图像传感器表面上，然后转为电信号，经过A/D[1] (模数转换)转换后变为数字图像信号，再送到数字信号处理芯片(DSP)中加工处理，再传输给其他显示硬件就可以显示看到图像了。

        而我们如果要对采集的图像进行各种处理，一般来说要将图像转换为数组形式，数组的元素为每个像素点的灰度值。其中灰度值的范围是0到255，个人理解为：灰度值随颜色深浅的变化而变化。

二、图像处理

1.赛道提取

比如：数组化后的图像如下

 因此我们用两个for循环便可遍历所有像素点

对于赛道的提取，给出几种方法：二值化，利用两两像素点灰度值的相关性，归一化处理

1.二值化

一般会采用大津法计算阈值，根据阈值来划分黑白，由此将赛道划分为黑白图像

2.利用两两像素点灰度值的相关性

最简单的方法就是计算两两像素点灰度值的差比和，由此来判断两像素点的相关程度，若相关程度很小，则可能是黑白分界线，进行多次判断及去除噪点后便可提取出赛道。

3.归一化处理

可将一幅图像的像素点灰度值归一化处理，根据0和1的接近程度判断赛道，比如归一化后某像素点为0.2，接近0，可判断为赛道外的点。

对于这个图像数组，我们也可以处理后用于识别标志位，拟合中线等等操作

2.寻找边线

寻找左右边线我给出以下两种方法：

1.从图像中心线开始，向左右分别寻找黑色像素点，找到黑色像素点并加以判断后作为左右边线

 

2.遍历图像最下方，找到黑白分界点，作为左右边线

---

对于左右边线的更新：

记录第一次找到的边线，并采用大小动态变化的一个抽样数组去找下一次的黑白分界点。

 当没有找到分界点的时候，可将抽样数组向左边或者右边伸展，比如抽样数组中全为黑色时，可向右延伸。

3.中线拟合

中线拟合我给出这么几种思路：

1.左右边线/2

2.最小二乘法拟合

3.神经网络

神经网络又可以用：代入两边线的横坐标进行线性回归，或者两边线处理后做非线性拟合。

三.参考文章：

摄像头原理_QtHalcon-CSDN博客_摄像头原理

最小二乘法(least squares)的曲线拟合(curve fitting)_seventonight的博客-CSDN博客_最小二乘法拟合曲线