本發明屬于圖像處理技術領域，特別涉及一種提取圖像中部分區域的方法，尤其適用于提取圖像中的路面等邊緣信息不明顯的區域。

背景技術：

生活中成像設備越來越多，人們也越來越習慣于以圖像去獲取信息，圖像處理技術應運而生。圖像分割是圖像處理中的一項重要技術，由于圖像的多樣性，至今也沒有一種分割算法能夠應用到所有圖像上，也沒有制定出一種能夠判斷分割算法好壞的標準。由于算法通用性上的限制，只能在解決具體的問題上提出特定的方法。目前，圖像的分割算法主要有閾值分割法、邊緣檢測法和區域提取法三大類。

閾值分割法是最早提出來的，是基于圖像的灰度進行計算。閾值分割法的主要思想是利用一個灰度閾值將灰度分為兩類，其關鍵是找到一個最優的分割閾值。根據圖像本身的特點和分割目的的最優閾值的選擇準則有直方圖法、最大熵法、最小誤差法、最大類間方差法等?；诖嗽S多人也提出了新方法，如嚴學強等人為了使算法計算量減小，提出了基于量化直方圖的最大熵閾值算法，采用最大熵閾值算法處理量化后的直方圖；程杰等人對最大類間方差進行了改進，運用對直方圖的預處理和輪廓追蹤，找到了最佳分割閾值?？傊?，這類方法的中心思想就是利用一系列工具找到最優閾值。

邊緣檢測法是利用圖像的一階導數極值或者二階導數的零點來判斷圖像的邊緣，其中心思想是用構造的對圖像灰度突變敏感的差分算子來進行檢測邊緣，進而分割圖像。這類算子有Sobel算子、Canny算子、Prewitt算子等。例如Canny邊緣檢測，先用高斯濾波器對圖像進行平滑操作以減少噪聲；其次用一階有限差分算子來計算梯度的幅值和方向；然后進行非極大值抑制操作來保留局部梯度最大的點；最后用雙閾值限制找到邊緣并且連接?？偟膩碚f這種方法對邊緣區域比較明顯的圖像比較適用，但對邊緣信息不明顯的區域，如路面等區域，這種方法將失去優勢。

區域提取法是將有某種相似性質的像素點聯通起來構成最終的分割區域。其基本思想是選取目標區域的一個小塊，然后利用一定的規則判斷像素點是否與既定像素有相似的性質，若是加入其中，令其不斷生長，最終形成區域。采用這種方法分割后的圖像在空間上是連續的，但會造成圖像過度分割。王廣君等人將區域增長和人工智能結合起來，提出了基于四叉樹結構的分割方法，對多個目標的圖像分割有很好的適用性。王楠等人充分利用了彩色圖像的顏色信息，對灰度圖和彩色信息分別處理，根據圖像的具體信息進行自適應分割。

但現實生活中即使在很好的天氣下拍的圖像都會含有少量霧的存在，加上圖像中的路面區域邊緣信息本來就不明顯，目前還沒有特別適用于提取圖像中諸如地面等邊緣信息不明顯區域的方法。

技術實現要素：

本發明的目的是提供一種圖像中路面區域的提取方法，可以克服路面邊緣信息不明顯的問題，利用亮度信息提取出路面區域。

為了實現上述目的，本發明采取如下的技術解決方案：

圖像中路面區域的提取方法，包括以下步驟：輸入原始圖像，

步驟一、獲取原始圖像中各個像素點的粗估計透過率，得到粗估計透過率圖像：

獲取原始圖像的暗通道圖像，選出暗通道圖像中像素亮度最大的前P個像素點所對應的區域，將該區域與原始圖像相應區域內最大的像素灰度值作為大氣光強度的值，根據暗原色先驗條件計算圖像中各像素點的粗估計透過率得到粗估計透過率圖像；

其中，ω為修正系數，x為待計算像素點，Ω(x)表示以x為中心的正方形滑動窗口，y為滑動窗口內x周圍的像素點，I^c(y)表示滑動窗口內原始圖像I的一個顏色分量值，A^c表示大氣光強度的一個顏色分量值；

步驟二、引導濾波優化，對粗估計透過率圖像進行細化、平滑處理，得到具有保邊效果的引導濾波圖像；

其中，t_g(x)為引導濾波透過率，|w|為Ω_k內像素點的數量，Ω_k為以像素點k為中心的正方形滑動窗口，Ω_w為所有包含待計算像素點x的滑動窗口，表示某個像素點的粗估計透過率，和μ_k分別為原始圖像I在Ω_k內像素灰度值的方差和均值，ε為調節參數，I_x為引導圖；

步驟三、對引導濾波透過率進行修正；

式中的t_c(i,j)為修正后的透過率，i和t_g(i,j)分別表示某一像素點的行坐標和亮度，q為權重調整系數，m為原始圖像的總行數；

步驟四、通過差值操作得到差值圖并轉換為二值圖像，對二值圖像進行區域分割后實現路面區域的提?。?/p>

將修正前后的引導濾波透過率圖像進行減操作得到差值圖，利用最大類間方差法將差值圖轉換為二值圖像并計算路面區域和非路面區域的分割閾值，得到分割出路面區域的圖像。

更具體的，步驟一中的P為0.1％。

更具體的，步驟二中的ε為0.001。

更具體的，步驟四中利用最大類間方差法計算路面區域和非路面區域的分割閾值時，類間方差var＝w₁×(u₁-u)²+w₂×(u₂-u)²，其中，w₁為差值圖中路面區域的像素點數量占原始圖像像素點總數的比例，w₂為差值圖中非路面區域的像素點數量占原始圖像像素點總數的比例，u₁為差值圖中路面區域的灰度均值，u₂為差值圖中非路面區域的灰度均值，u＝u₁×w₁+u₂×w₂為差值圖的平均灰度值；var值最大時得到分隔閾值T，大于T的像素點屬于路面區域，小于T的像素點屬于非路面區域。

更具體的，分割閾值為T-0.025。

更具體的，步驟四中得到分割出路面區域的圖像后，對圖像填孔、移除小對象以及取反的優化處理。

由以上技術方案可知，本發明方法利用暗原色先驗理論求取圖像的粗估計透過率圖像，對得到的粗估計透過率圖像進行引導濾波處理，由于路面區域一般處于圖像的下方，而且在透過率圖像中表現為亮度偏小，因此采取透過率圖像像素點的行坐標和亮度作為兩個約束因子來處理圖像，遍歷整張透過率圖像，得到路面區域亮度明顯提高的透過率圖像；將處理前后的透過率圖像相減得到差值圖像，路面區域的像素差值比其他區域要大，表現在差值圖像中路面區域的亮度比其他區域亮；再利用最大類間方差法得到分割閾值，從而得到二值圖像，實現路面區域的提取。本發明方法是基于圖像透過率的基礎上進行區域提取，算法簡便、效率較高，透過率圖中路面區域的透過率嚴重偏低，亮度小，通過將行坐標作為約束因子，減小了其他暗色區域(特別是天空區域)的影響，將亮度作為另一約束因子，保證了差值圖中路面區域亮度明顯，易于分割，在路面邊緣不是很明顯的情況下仍然能夠快速準確地提取路面區域。

附圖說明

圖1為本發明方法的流程圖。

圖2a為用數碼相機采集的數字圖像。

圖2b為利用暗原色理論得到的粗估計透過率圖像。

圖3a為對粗估計透過率圖像進行引導濾波操作后的圖像。

圖3b為以像素行坐標和亮度為約束條件對引導濾波透過率處理后得到的修正透過率圖像。

圖4a為以修正透過率減去引導濾波透過率得到的差值透過率圖像。

圖4b為利用最大類間方差法作用于差值透過率圖像得到的初步二值圖像。

圖5a為通過對初步二值圖像進行填孔、移除邊緣對象得到的二值圖像，即路面區域圖像。

圖5b為標明路面區域在輸入原圖像中的位置。

以下結合附圖對本發明的具體實施方式作進一步詳細地說明。

具體實施方式

下面將結合本發明實施例中的附圖，對本發明實施例的技術方案進行清楚、完整地描述，顯然，所描述的實施例僅僅是本發明一部分實施例，而不是全部的實施例?；诒景l明中的實施例，本領域普通技術人員在沒有做出創造性勞動前提下獲得的所有其他實施例，都屬于本發明保護的范圍。

在下面的描述中闡述了很多具體細節以便于充分理解本發明，但是本發明還可以采用其它不同于在此描述的其它方式來實施，本領域技術人員可以在不違背本發明內涵的情況下做類似推廣，因此本發明不受下面公開的具體實施例的限制。

圖1為本發明方法的流程圖，參照圖1，本發明的圖像中路面區域的提取方法包括以下步驟：輸入原始圖像I，如圖2a所示，

步驟一、獲取原始圖像中各個像素點的粗估計透過率得到粗估計透過率圖像，具體如下：

首先獲取原始圖像I的暗通道圖像式中的x為待計算像素點，Ω(x)表示以x為中心的正方形滑動窗口，y為滑動窗口內x周圍(與x相鄰)的像素點，r、g、b表示圖像的三個顏色分量，I^c表示原始圖像I的一個顏色通道，本實施例的滑動窗口Ω(x)邊長為7個像素；

選出暗通道圖像I_dark(x)中像素亮度最大的前P個像素點所對應的區域，將該區域與原始圖像相應區域內最大的像素灰度值作為大氣光強度A的值，P為區域閾值，本實施例的P＝0.001；

根據暗原色先驗條件I_dark＝0計算圖像中各像素點的粗估計透過率得到粗估計透過率圖像：

其中，ω為修正系數，本實施例的ω為0.95，c為rgb顏色分量中的任一分量，I^c(y)為滑動窗口內原始圖像I的一個顏色分量值，A^c為大氣光強度A的一個顏色分量值；

原始圖像經過上述計算后得到的粗估計透過率圖像如圖2b所示。

步驟二、對粗估計透過率圖像進行引導濾波優化；

以原始圖像I(圖像的某一顏色通道，如R通道)作為引導圖，利用引導濾波對粗估計透過率圖像進行細化、平滑處理，得到具有保邊效果的引導濾波圖像，引導濾波圖像與輸出圖像保持線性關系；

其中，t_g(x)為引導濾波透過率，Ω_k為以像素點k為中心的正方形滑動窗口，k為滑動窗口中心位置處的像素點，|w|為Ω_k內像素點的數量，Ω_w為所有包含待計算像素點x的滑動窗口，表示某個像素點的粗估計透過率，和μ_k分別為原始圖像I在Ω_k內像素灰度值的方差和均值，ε為調節參數，用于防止a_k的值過大，本實施例中ε＝0.001，I_x為引導圖，本實施例引導濾波優化時滑動窗口半徑Ω_k為步驟一中獲取暗通道圖像時滑動窗口Ω(x)半徑的4倍；

粗估計透過率圖像圖(2b)經過引導濾波處理得到引導濾波透過率圖像如圖3a所示。

步驟三、對引導濾波透過率進行修正；由于絕大多數含有路面區域的透過率圖像在路面區域會發生景深灰度值反轉的現象，因此要對引導濾波處理過的透過率進行修正，修正的過程中用到了透過率圖像中每個像素點的行坐標和亮度兩個約束參數，修正操作是對引導濾波透過率圖中每一個像素點進行：

式中t_c(i,j)為修正后的透過率，i和t_g(i,j)分別表示某一像素點的行坐標和亮度，i和t_g(i,j)是修正操作的兩個約束參數，q為權重調整系數，用于調整像素點亮度對修正透過率的權重，本實施例中q取0.5，m為原始圖像的總行數；

對引導濾波透過率修正時主要針對邊緣信息不明顯的路面區域透過率像素亮度偏小，在保證其他區域透過率變化盡量小的基礎上著重增加這一區域的像素值，如路面區域一般位于圖像的偏下方，因此規定整幅透射率圖像中像素點的行坐標越大，亮度越小，其像素值增加的幅度就越大；

引導濾波透過率圖像(圖3a)經過修正處理得到修正透過率圖像如圖3b所示。

步驟四、通過差值操作得到差值圖并轉換為二值圖像，對二值圖像進行區域分割后實現路面區域的提取；

將修正前后的引導濾波透過率圖像進行減操作，即Δt＝t_c(i,j)-t_g(x)，相減后的圖像中像素亮度值較大的區域，即明亮區域為路面區域，像素亮度值較小的區域，即黑暗區域為非路面區域，如圖4a所示，然后利用最大類間方差法將差值圖轉換為更直觀的二值圖像，計算路面區域和非路面區域的分割閾值，得到分割出路面區域的圖像(圖4b)，由于二值圖像還存在一些孔洞以及邊緣等小對象，對圖像填孔、移除小對象以及取反等優化處理操作(圖5a)，最終完成圖像中路面區域的提取，圖5b顯示了路面區域在原始圖像中的位置。

得到差值圖后利用最大類間方差法計算路面區域和非路面區域的分割閾值時，類間方差var＝w₁×(u₁-u)²+w₂×(u₂-u)²，其中，w₁為差值圖(相減后的圖像)中路面區域的像素點數量占原始圖像像素點總數的比例，w₂為差值圖中非路面區域的像素點數量占原始圖像像素點總數的比例，u₁為差值圖中路面區域的灰度均值，u₂為差值圖中非路面區域的灰度均值，u＝u₁×w₁+u₂×w₂為差值圖的平均灰度值；var值最大時得到分隔閾值T，即分隔閾值T處于差值圖的灰度直方圖兩波峰之間的波谷位置，大于T的像素點屬于路面區域，小于T的像素點屬于非路面區域。為更加精準起見，將路面區域向邊緣方向延伸少許，分割閾值可優選為T-0.025。

以上所述僅是本發明的較佳實施例，并非對本發明做任何形式上的限制，雖然本發明已以較佳實施例揭露如上，然而并非用以限定本發明，任何熟悉本專業的技術人員，在不脫離本發明技術方案范圍內，當可利用上述揭示的技術內容做出些許更動或修飾為等同變化的等效實施例，但凡是未脫離本發明技術方案的內容，依據本發明的技術實質對以上實施例所作的任何簡單修改、等同變化與修飾，均仍屬于本發明技術方案的范圍內。