一种基于图像处理的交通环境检测方法、系统和存储介质与流程

1.本发明属于图像处理技术领域，具体涉及一种基于图像处理的交通环境检测方法、系统和存储介质。


背景技术：

2.随着我国经济的蓬勃发展，网络的日益发达以及人们生活水平的日益提高，快递物流行业日趋发达，人们的交通出行和旅游日益频繁，汽车保有量大大增加，这都使得车流量越来越大，因此，在一定的区域内会造成一定的拥堵情况。
3.在早期，我国的交通环境的拥堵情况检测主要以人工检测或者半自动化检测为主。但是这种方式存在着很多的缺点。第一，劳动强度太大并且检测效率低下，检测人员工作任务繁重，时间花费多但检测量小，效率低下；第二，花销大并且耗时长；第三，检测误差大。目前已经有了很多的交通环境图像采集和检测方法，但是还是存在很多的不足，比如：还需要许多人工操作不够自动化，成本花费也比较高，相应的算法泛化能力不够强、通用性不足，检测精度还有待提高等。
4.有鉴于此，有必要提供一种基于图像处理的交通环境方法来解决上述技术问题。


技术实现要素：

5.本发明的目的在于克服现有技术的不足，提供一种基于图像处理的交通环境检测方法、系统和存储介质。解决现有的检测方法中还需要许多人工操作不够自动化，成本花费也比较高，相应的算法泛化能力不够强、通用性不足，检测精度还有待提高等问题。
6.本发明的一个目的在于提供一种基于图像处理的交通环境检测方法。
7.一种基于图像处理的交通环境检测方法，包括如下步骤：
8.s1、获取某一区域的交通环境原始图像，然后对所述原始图像进行平滑、灰度化、降噪和增强处理后，得到第一中间图像；
9.s2、采用全局阈值对步骤s1中得到的第一中间图像进行图像分割得到二值图像a，对所述二值图像a进行腐蚀操作去除边界部分，使用sobel边缘算法对步骤s1中得到的第一中间图像进行边缘检测，得到边缘图像b；
10.s3、将所述边缘图像b和所述二值图像a进行与运算，只保留内部曲线，得到第二中间图像；
11.s4、采用霍夫变换检测曲线，计算出所述第二中间图像中的曲线长度，同时设定一个阈值，比较所述曲线长度和所述阈值的大小关系，从而判断出交通环境的拥堵情况。
12.进一步地，步骤s1中，所述平滑处理采用均值滤波的方式进行，首先选取一个模板来确定邻域像素点数量，然后取邻域像素灰度值的平均值来代替中心点的值，具体算法如下：
13.14.其中，(x，y)代表像素点的坐标值，f(x，y)代表原图像，g(x，y)代表均值滤波后的图像，n为均值滤波模板内像素点的个数，m为邻域内像素点坐标值的集合；
15.最后遍历图像中的每一个点，得到最终滤波结果。
16.进一步地，步骤s1中，所述灰度化处理采用加权平均法的方式进行，并且将处理后的灰度图像进行校正，所述校正的算法如下：
[0017][0018]
其中，i代表图像数据行号，j代表图像数据列号，g(i，j)代表原始图像灰度值，f(i，j)代表去除不均匀光照后的图像灰度值，u代表原始图像的灰度平均值，uj代表原始图像第j列的平均灰度值。
[0019]
进一步地，步骤s1中，所述降噪处理采用自适应维纳滤波的方式进行。
[0020]
进一步地，步骤s1中，所述增强处理采用直方图均衡化的方式进行，首先，根据式(1)的公式得到图像的归一化直方图：
[0021][0022]
其中，n为图像的总像素数，rk是区间[0,255]内的第k级灰度，nk为图像中出现rk这种灰度级的像素数，p(rk)是灰度级rk出现的概率的估计；
[0023]
然后，采用求和的方式，对所述直方图进行均衡化，具体公式如式(2)所示：
[0024][0025]
其中，si是输出图像的灰度值。
[0026]
进一步地，步骤s3中，具体操作方法如下：首先，将所述边缘图像b和所述二值图像a进行对正，然后进行与运算，得到内部曲线，之后采用canny边缘检测算法对所述内部曲线进行提取，最后得到第二中间图像。
[0027]
本发明的另一个目的在于提供一种基于图像处理的交通环境系统。
[0028]
一种基于图像处理的交通环境检测系统，所述预测系统包括：
[0029]
图像获取与预处理模块：获取某一区域的交通环境原始图像，然后对所述原始图像进行平滑、灰度化、降噪和增强处理后，得到第一中间图像；
[0030]
图像分割及边缘提取模块：采用全局阈值对所述第一中间图像进行图像分割得到二值图像a，对所述二值图像a进行腐蚀操作去除边界部分，使用sobel边缘算法对所述第一中间图像进行边缘检测，得到边缘图像b；
[0031]
第二中间图像的获取模块：将所述边缘图像b和所述二值图像a进行与运算，只保留内部曲线，得到第二中间图像；
[0032]
交通环境的判定模块：采用霍夫变换检测曲线，计算出所述第二中间图像中的曲线长度，同时设定一个阈值，比较所述曲线长度和所述阈值的大小关系，从而判断出交通环境的拥堵情况。
[0033]
本发明的最后还提供了一种存储介质，所述存储介质用于存储计算机程序，所述
计算机程序被处理器加载以执行上述任一项所述的检测方法。
[0034]
与现有技术相比，本发明具有如下优点：
[0035]
本发明首先获取某一区域的交通环境原始图像，然后对所述原始图像进行平滑、灰度化、降噪和增强处理后，得到第一中间图像，其中，原始图像经平滑、灰度化、降噪和增强处理后，图像的质量大幅度提升，去除一些背景的干扰，便于后续对图像进行特征提取，然后采用全局阈值对步骤s1中得到的第一中间图像进行图像分割得到二值图像a，对所述二值图像a进行腐蚀操作去除边界部分，使用sobel边缘算法对步骤s1中得到的第一中间图像进行边缘检测，得到边缘图像b，接着将所述边缘图像b和所述二值图像a进行与运算，只保留内部曲线，得到第二中间图像；最后采用霍夫变换检测曲线，计算出所述第二中间图像中的曲线长度，同时设定一个阈值，比较所述曲线长度和所述阈值的大小关系，从而判断出交通环境的拥堵情况。整个检测方法简单、结果可靠，检测精度高，适用于交通环境的检测与应用。
附图说明
[0036]
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0037]
图1为本发明基于图像处理的交通环境检测方法流程图；
[0038]
图2位本发明基于图像处理的交通环境检测系统框架图。
具体实施方式
[0039]
下面将结合本发明实施例中的附图对本发明实施例中的技术方案进行清楚、完整地描述。显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例，基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0040]
请参阅图1，一种基于图像处理的交通环境检测方法，包括如下步骤：
[0041]
s1、获取某一区域的交通环境原始图像，然后对所述原始图像进行平滑、灰度化、降噪和增强处理后，得到第一中间图像；
[0042]
具体而言，步骤s1中，所述平滑处理采用均值滤波的方式进行，首先选取一个模板来确定邻域像素点数量，然后取邻域像素灰度值的平均值来代替中心点的值，具体算法如下：
[0043][0044]
其中，(x，y)代表像素点的坐标值，f(x，y)代表原图像，g(x，y)代表均值滤波后的图像，n为均值滤波模板内像素点的个数，m为邻域内像素点坐标值的集合；
[0045]
最后遍历图像中的每一个点，得到最终滤波结果。
[0046]
步骤s1中，所述灰度化处理采用加权平均法的方式进行，并且将处理后的灰度图
像进行校正，所述校正的算法如下：
[0047][0048]
其中，i代表图像数据行号，j代表图像数据列号，g(i，j)代表原始图像灰度值，f(i，j)代表去除不均匀光照后的图像灰度值，u代表原始图像的灰度平均值，uj代表原始图像第j列的平均灰度值。
[0049]
步骤s1中，所述降噪处理采用自适应维纳滤波的方式进行。
[0050]
步骤s1中，所述增强处理采用直方图均衡化的方式进行，首先，根据式(1)的公式得到图像的归一化直方图：
[0051][0052]
其中，n为图像的总像素数，rk是区间[0,255]内的第k级灰度，nk为图像中出现rk这种灰度级的像素数，p(rk)是灰度级rk出现的概率的估计；
[0053]
然后，采用求和的方式，对所述直方图进行均衡化，具体公式如式(2)所示：
[0054][0055]
其中，si是输出图像的灰度值。
[0056]
s2、采用全局阈值对步骤s1中得到的第一中间图像进行图像分割得到二值图像a，对所述二值图像a进行腐蚀操作去除边界部分，使用sobel边缘算法对步骤s1中得到的第一中间图像进行边缘检测，得到边缘图像b；
[0057]
s3、将所述边缘图像b和所述二值图像a进行与运算，只保留内部曲线，得到第二中间图像；
[0058]
具体而言，首先，将所述边缘图像b和所述二值图像a进行对正，然后进行与运算，得到内部曲线，之后采用canny边缘检测算法对所述内部曲线进行提取，最后得到第二中间图像。
[0059]
通过使用canny边缘检测算法对所述内部曲线进行提取，进一步提高了检测的精度。
[0060]
s4、采用霍夫变换检测曲线，计算出所述第二中间图像中的曲线长度，同时设定一个阈值，比较所述曲线长度和所述阈值的大小关系，从而判断出交通环境的拥堵情况。
[0061]
具体而言，步骤s4中，判断交通环境的拥堵情况的方法如下：
[0062]
当所述曲线长度的值大于或等于阈值，则判断交通环境为拥堵；
[0063]
当所述曲线长度的值小于阈值，则判断交通环境为不拥堵。
[0064]
请参阅图2，一种基于图像处理的交通环境检测系统，所述预测系统包括：图像获取与预处理模块101、图像分割及边缘提取模块102、第二中间图像的获取模块103和交通环境的判定模块104；
[0065]
所述图像获取与预处理模块101用于获取某一区域的交通环境原始图像，然后对所述原始图像进行平滑、灰度化、降噪和增强处理后，得到第一中间图像；
[0066]
所述图像分割及边缘提取模块102用于采用全局阈值对所述第一中间图像进行图像分割得到二值图像a，对所述二值图像a进行腐蚀操作去除边界部分，使用sobel边缘算法对所述第一中间图像进行边缘检测，得到边缘图像b；
[0067]
所述第二中间图像的获取模块103用于将所述边缘图像b和所述二值图像a进行与运算，只保留内部曲线，得到第二中间图像；
[0068]
所述交通环境的判定模块104用于采用霍夫变换检测曲线，计算出所述第二中间图像中的曲线长度，同时设定一个阈值，比较所述曲线长度和所述阈值的大小关系，从而判断出交通环境的拥堵情况。
[0069]
本发明还提供了一种存储介质，所述存储介质用于存储计算机程序，所述计算机程序被处理器加载以执行上述任一项所述的检测方法。例如，所述计算机程序被处理器加载可以执行如下步骤：
[0070]
获取某一区域的交通环境原始图像，然后对所述原始图像进行平滑、灰度化、降噪和增强处理后，得到第一中间图像；采用全局阈值对所述第一中间图像进行图像分割得到二值图像a，对所述二值图像a进行腐蚀操作去除边界部分，使用sobel边缘算法对所述第一中间图像进行边缘检测，得到边缘图像b；将所述边缘图像b和所述二值图像a进行与运算，只保留内部曲线，得到第二中间图像；采用霍夫变换检测曲线，计算出所述第二中间图像中的曲线长度，同时设定一个阈值，比较所述曲线长度和所述阈值的大小关系，从而判断出交通环境的拥堵情况。
[0071]
其中，计算机可读存储介质可以是前述实施例的图像处理设备的内部存储单元，例如图像处理设备的硬盘或内存。计算机可读存储介质也可以是图像处理设备的外部存储设备，例如图像处理设备上配备的插接式硬盘，智能存储卡(smartmediacard，smc)，安全数字(securedigital，sd)卡，闪存卡(flashcard)等。
[0072]
以上实施例，仅为本发明的具体实施方式，用以说明本发明的技术方案，而非对其限制，本发明的保护范围并不局限于此，尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围，都应涵盖在本发明的保护范围之内。