基于MATLAB圖像處理的道路交通標(biāo)志處理技術(shù)的研究

崔 盼，張榮輝

(新疆農(nóng)業(yè)大學(xué)機(jī)械交通學(xué)院，新疆 烏魯木齊 830052)

基于MATLAB圖像處理的道路交通標(biāo)志處理技術(shù)的研究

崔 盼，張榮輝

(新疆農(nóng)業(yè)大學(xué)機(jī)械交通學(xué)院，新疆 烏魯木齊 830052)

根據(jù)目前道路交通標(biāo)志的各種不同的處理技術(shù)，提出了基于MATLAB道路交通標(biāo)志圖像處理的研究方法，并且用實(shí)際的操作驗(yàn)證了其可靠性。此研究有效地減少了操作者的工作量，盡量避免了人的視覺(jué)與反應(yīng)各方面的影響，有效提高了圖像識(shí)別率。

圖像處理；MATLAB；道路交通標(biāo)志

1 基于MATLAB的圖像處理

1.1 圖像的讀取

在MATLAB中，支持的圖像格式主要有bmp，cur，gif，hdf，ico，jpg，pbm，pcx，pgm，png，pnm，ppm，ras，tif，xwd等，其中g(shù)if不支持寫(xiě)，這些格式都可以通過(guò)imread函數(shù)來(lái)讀入內(nèi)存，通過(guò)調(diào)研imview函數(shù)或imshow函數(shù)將矩陣代表的圖像顯示出來(lái)，顯而易見(jiàn)，顯示出來(lái)的圖像與原圖像是完全一樣的。

1.2 圖像預(yù)處理

(1)圖像灰度化處理

一般情況下，獲取的原始圖像是一個(gè)RGB圖像，先將它進(jìn)行灰度圖像處理，因此需要把RGB圖像轉(zhuǎn)換成灰度圖像，灰度圖像保存在一個(gè)矩陣中，矩陣的每個(gè)元素代表一個(gè)像素點(diǎn)。矩陣可以是雙精度類型，值域?yàn)閇0,1]；也可以為unit8類型，值域?yàn)閇0,255]。矩陣的每個(gè)元素值代表不同的亮度或灰度，0表示黑色，1(或unit8的255)表示白色。

把RGB圖像轉(zhuǎn)換為灰度圖像的程序如下：

s=imread(‘C:UsersAdministratorDesktopiaozhi.jpg’)

A=rgb2gray(s)

imshow(A)

(2)直方圖變換增強(qiáng)處理

直方圖是用于表達(dá)圖像灰度分布情況的統(tǒng)計(jì)圖標(biāo)。一般而言，在數(shù)字圖像f(m，n)中取不同灰度值的像素的數(shù)目是不同的。對(duì)數(shù)字圖像f(m，n)而言，其橫坐標(biāo)是灰度值r，縱坐標(biāo)是出現(xiàn)這個(gè)灰度值的概率值p(r1)。

I=imread(‘C:UsersAdministratorDesktopiaozhi.jpg’);

imshow(I);

figure,imhist(I)

繪制的直方圖如圖1所示。

直方圖均勻化是一種灰度增強(qiáng)算法。進(jìn)行直方圖均勻化的程序如下：

I=imread(‘C:UsersAdministratorDesktopiaozhi.jpg’);

J=imadjust(I,[0.15 0.9],[0 1]);

figure,imhist(J,64)

經(jīng)過(guò)均勻變換后的直方圖如圖2所示。

圖1 直方圖

圖2 均勻變換后的直方圖

(3)圖像濾波處理

由于在交通路面上獲取的圖像含有大量的點(diǎn)狀或尖峰狀噪聲，這些噪聲多數(shù)是通過(guò)天氣的變化等原因引起的。濾波處理就是要有效地去除這兩類噪聲。濾波處理分為兩類，分別是空間域?yàn)V波、頻域?yàn)V波。

在這里首先對(duì)灰度圖像加入高斯白噪聲，然后進(jìn)行自適應(yīng)濾波處理，比較濾波前后對(duì)道路交通標(biāo)志識(shí)別的變化情況，具體程序如下：

b=imread(‘C:UsersAdministratorDesktopa.jpg’)

imshow(b)

I=rgb2gray(b)

J=imnoise(I,’gaussian’,0,0.005);

K=wiener2(J,[5 5]);

imshow(I)

figure,imshow(J)

figure,imshow(K)

2 圖像的分割

2.1 邊緣檢測(cè)

圖像的邊緣檢測(cè)大幅度地減少了數(shù)據(jù)量，并且許多無(wú)關(guān)信息量，保留了圖像的重要結(jié)構(gòu)屬性。邊緣檢測(cè)的方法有很多，主要有sobel算法、canny算法等。

分別用sobel算法、canny算法兩種邊緣檢測(cè)方法對(duì)原始圖像進(jìn)行邊緣提取，其程序如下：

I=imread(‘C:UsersAdministratorDesktopa.jpg’)

imshow(I)

b=rgb2gray(I)

BW1=edge(b,’sobel’);

BW2=edge(b,’canny’);

figure

imshow(BW1)

figure,imshow(BW2)

運(yùn)行結(jié)果如圖3所示。

圖3 sobel邊界探測(cè)器獲得的結(jié)果

圖4 canny邊界探測(cè)器獲得的結(jié)果

2.2 圖像分割

(1)圖像輪廓圖

對(duì)圖像分割我們首先找到它的輪廓圖，根據(jù)交通標(biāo)志那5類圖形輪廓進(jìn)行有效部分的切割，其輪廓如圖5。

圖5 圖像輪廓圖

I=imread(‘C:UsersAdministratorDesktopa.jpg’)

a=rgb2gray(I)

subplot(1,2,1)

imshow(a)

subplot(1,2,2)

imcontour(a,3)

由于交通標(biāo)志的形狀有5種，分別是正三角形、圓形、倒三角形、八邊形、矩形。通過(guò)對(duì)輪廓圖的研究分析提取出符合這五種形狀的有效區(qū)域，為下面圖像的有效區(qū)域的裁剪識(shí)別提供基礎(chǔ)。

(2)圖像有效部分的提取

在獲取了邊緣圖和輪廓圖后，根據(jù)邊緣圖和輪廓圖上的圓形、正三角形、倒三角形、八邊形和矩形進(jìn)行有效部分的切割，提取出圖片上的交通標(biāo)志。

提取有效部分(即交通標(biāo)志區(qū)域)的程序如下：

subplot(1,2,1)

imshow circuit.tif

a=imcrop;

subplot(1,2,2)

imshow(a)

3 分析及出現(xiàn)的問(wèn)題

本文沿用的圖像處理的基本流程如圖6所示。

圖6 交通標(biāo)志圖像處理的流程

通過(guò)對(duì)道路交通標(biāo)志的研究，利用Matlab進(jìn)行圖像處理，提取出有效部分。

這種提取方法的優(yōu)點(diǎn)是簡(jiǎn)單、快速。但是對(duì)具體的交通標(biāo)識(shí)的具體識(shí)別不能達(dá)到100%；在路況比較復(fù)雜，與交通標(biāo)志形狀一致的情況下，還得需要進(jìn)一步的提取。

4 結(jié) 論

主要介紹了通過(guò)MATLAB來(lái)進(jìn)行交通標(biāo)志圖像處理的技術(shù)，該研究是一個(gè)極具意義的研究課題，為后續(xù)交通標(biāo)志識(shí)別技術(shù)打好基礎(chǔ)。尤其是隨著城市化的進(jìn)展以及汽車(chē)的普及，機(jī)動(dòng)車(chē)數(shù)量、出行人數(shù)的大量增加，交通管理日趨重要，交通標(biāo)志的處理和識(shí)別可以為交通管理提供更為有效的技術(shù)手段，從而提高交通管理水平，間接減少交通事故發(fā)生率。

[1] 孫巍,孫國(guó)榮,張瑞龍. 基于MATLAB的道路交通標(biāo)志識(shí)別[J]. 教育教學(xué)論壇，2016,(12):55-57.

[2] 趙小軍,林晨,黃柳仙,楊以月.基于MATLAB圖像處理的車(chē)輛檢測(cè)與識(shí)別[J].數(shù)據(jù)采集與處理,2009,(S1):141-143.

U491.5+21

C

1008-3383(2017)10-0182-02

2017-06-30

新疆維吾爾自治區(qū)自然科學(xué)基金(2014211B44)。