一种用于道路去反光的图像处理方法
【技术领域】
[0001 ]本发明涉及图像模式识别和机器智能领域。
【背景技术】
[0002] 在自主驾驶中，车辆能否准确识别出道路是当今的一大难题，路面反光容易造成 路面识别算法发生错误，不能正确的识别出道路，容易导致交通事故的发生，所以去除路面 反光可以提高道路识别算法的准确性，减少交通事故，为人们出行安全带来了保证。
[0003] 目前为止只有物体去反光，但是所有的物体去反光的算法并不适用于道路去反 光，如果将物体去反光的算法应用在道路去反光上，道路就会变得扭曲和颜色失真。目前针 对物体去反光的算法有很多，例如，《基于快速双边滤波的图像高光去除研究》、《基于保边 滤波器的单幅图像高光去除》、《Detection of diffuse and specular interface reflections and inter-reflections by color image segmentation))n((Specular reflection separation using dark channel priorK((Efficient and Robust Specular Highlight Removal》和《Shum.Diffuse-specular separation and depth recovery from image sequences》，前述文献将提出的算法应用于道路去反光，得到的道 路发生形变，且颜色失真。其原因在于:物体反光包括镜面反射和漫反射，其中镜面反射大 而漫反射小;但是道路反光的镜面反射较小而漫反射较大，过度去反光会造成路面的扭曲 和颜色失真。
[0004] 因此，研发设计一种既能实现道路去反光，又能使道路不扭曲和不失真的适用于 道路去反光的图像处理方法是十分必要的。
【发明内容】
[0005] 本发明的目的是满足对既能实现道路去反光，又能使道路不扭曲和不失真的适用 于道路去反光的图像处理方法的需求，提出了一种用于道路去反光的图像处理方法。
[0006] -种用于道路去反光的图像处理方法，它包括下述步骤：
[0007] 步骤一、通过摄像机得到路面有反光的图像；
[0008] 步骤二、对路面有反光的图像进行RGB三个通道的分解，分别获得RGB三个通道的 三幅灰度图像，即R通道的灰度图像、G通道的灰度图像和B通道的灰度图像；
[0009] 步骤三、比较三幅灰度图像的同一个像素的灰度值，获得灰度值最小的一幅灰度 图像，该灰度图像作为路面的估计镜面反射图像；
[0010] 步骤三中比较三幅灰度图像的同一个像素的灰度值，获得灰度值最小的一幅灰度 图像，该灰度图像作为路面的估计镜面反射图像，其具体过程为：
[0011] 比较三幅灰度图像的同一像素的灰度值，即比较同一像素的R通道的灰度图像的 灰度值、G通道的灰度图像的灰度值和B通道的灰度图像的灰度值，三幅灰度图像的同一像 素的灰度值进行两两比较，比较过程为：
[0012] 若R通道的灰度图像的像素值小于G通道的灰度图像的像素值，继续比较R通道的 灰度图像的像素值与B通道的灰度图像的像素值；
[0013]若R通道的灰度图像的像素值小于B通道的灰度图像的像素值，则选取R通道的灰 度图像作为路面的估计镜面反射图像；
[0014] 若R通道的灰度图像的像素值大于B通道的灰度图像的像素值，则选取B通道的灰 度图像作为路面的估计镜面反射图像；
[0015] 若R通道的灰度图像的像素值大于G通道的灰度图像的像素值，继续比较G通道的 灰度图像的像素值与B通道的灰度图像的像素值；
[0016] 若G通道的灰度图像的像素值小于B通道的灰度图像的像素值，则选取G通道的灰 度图像作为路面的估计镜面反射图像；
[0017] 若G通道的灰度图像的像素值大于B通道的灰度图像的像素值，则选取B通道的灰 度图像作为路面的估计镜面反射图像；
[0018] 即寻找二幅灰度图像的同一个像素的灰度值中的最小值，即
[0019]
[0020]其中，Idaik(x)为灰度图像的最小灰度值；Ic(x)为RGB三个通道的三幅灰度图像中 的每一个像素值;g为绿色，r为红色，b为蓝色;X为第η个像素，η为正整数；
[0021] 步骤四、将路面的估计镜面反射图像中的每一个像素的像素值与标准阈值进行比 较，标定路面的估计镜面反射图像的反光部分和不反光部分，获得滤波后的路面镜面反射 图像；
[0022] 步骤四中的将路面的估计镜面反射图像中的每一个像素的像素值与标准阈值进 行比较，标定路面的估计镜面反射图像的反光部分和不反光部分，获得滤波后的路面镜面 反射图像，其具体过程为：
[0023]设定标准阈值d，de (195，205)，若路面的估计镜面反射图像的灰度值>d时，则设 定路面的估计镜面反射图像的像素值为70;
[0024] 即 Idark(x)>d，则设定 Idark(x) = 70;
[0025] 若路面的估计镜面反射图像的灰度值< d时，则设定路面的估计镜面反射图像的 像素值为〇;
[0026] 即 Ι-ΗχΧο!，则设定 ldark(x)=0;
[0027] 将像素值为70的路面的估计镜面反射图像处标定为白色，即反光部分;将像素值 为0的路面的估计镜面反射图像处标定为黑色，即获得滤波后的路面镜面反射图像；
[0028] 步骤五、将步骤一中的路面有反光的图像与步骤四中的滤波后的路面镜面反射图 像做差，即获得路面去反光图像；
[0029] 步骤五中将步骤一中的路面有反光的图像与步骤四中的滤波后的路面反光图像 做差，即获得路面去反光图像，其具体过程为：
[0030] Id(x) = I(x)-Is(x)；
[0031] 其中，Id(x)为漫反射图像，即路面去反光图像;I(x)是路面有反光的图像;Is(x)为 滤波后的路面镜面反射图像。
[0032]本发明用来准确识别道路，分割道路，为自主驾驶(不需要人来控制车，车自己就 可以识别道路，躲避障碍物)提供了基础。
[0033] 有益效果：通过本发明所述的方法，能够完全去除道路高光（即反光），去除高光 后，能够准确识别出道路。满足了对既能实现道路去反光，又能使道路不扭曲和不失真的适 用于道路去反光的图像处理方法的需求，且通过本方法，最后获得去反光后的图像，图像中 将反光的地方做了处理，使道路更加清晰得显现，正确的识别出道路，减少交通事故的发 生，为人们出行安全带来了保证。本发明具有良好的实用性。本发明还适用于物体去反光。 物体上的反光影响图像匹配，只有将物体的反光去除，才能更好的识别物体。
【附图说明】
[0034] 图1为一种适用于道路去反光的算法的流程图；
[0035] 图2为路面有反光的图像；
[0036] 图3为路面的暗原色图；
[0037] 图4为滤波后的路面镜面反射图像；
[0038]图5为路面去反光图像。
【具体实施方式】
【具体实施方式】 [0039] 一、参照图1至图5具体说明本实施方式，本实施方式所述的一种用 于道路去反光的图像处理方法，它包括下述步骤：
[0040] 步骤一、通过摄像机得到路面有反光的图像；
[00411步骤二、对路面有反光的图像进行RGB三个通道的分解，分别获得RGB三个通道的 三幅灰度图像，即R通道的灰度图像、G通道的灰度图像和B通道的灰度图像；
[0042]步骤三、比较三幅灰度图像的同一个像素的灰度值，获得灰度值最小的一幅灰度 图像，该灰度图像作为路面的估计镜面反射图像；
[0043] 步骤四、将路面的估计镜面反射图像中的每一个像素的像素值与标准阈值进行比 较，标定路面的估计镜面反射图像的反光部分和不反光部分，获得滤波后的路面镜面反射 图像；
[0044] 步骤五、将步骤一中的路面有反光的图像与步骤四中的滤波后的路面镜面反射图 像做差，即获得路面去反光图像。
[0045] 本实施方式中，步骤四中，为了避免路面有反光图像的颜色过暗，不利于后续去反 光处理，首先将路面的估计镜面反射图像中的每一个像素的像素值与标准阈值进行比较， 标定路面的估计镜面反射图像的反光部分和不反光部分，然后将标定后的图像的所有像素 扩大w倍，w的取值在0.45~0.80之间，通过调节w的值，最后得到滤波后的路面镜面反射图 像。
[0046] 本发明所述的用于道路去反光的图像处理方法，通过对路面有反光的图像的处 理，将有反光部分在图像中采用白色标注出来，使其不再反光，实现了道路去反光处理。
[0047]
【具体实施方式】二、本实施方式是对实施方式一所述的一种适用于道路去反光的算 法的进一步说明，本实施方式中，步骤三中比较三幅灰度图像的同一个像素的灰度值，获得 灰度值最小的一幅灰度图像，该灰度图像作为路面的估计镜面