崔 盼，張榮輝

(新疆農業(yè)大學機械交通學院，新疆 烏魯木齊 830052)

基于MATLAB圖像處理的道路交通標志處理技術的研究

崔 盼，張榮輝

(新疆農業(yè)大學機械交通學院，新疆 烏魯木齊 830052)

根據(jù)目前道路交通標志的各種不同的處理技術，提出了基于MATLAB道路交通標志圖像處理的研究方法，并且用實際的操作驗證了其可靠性。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與反應各方面的影響，有效提高了圖像識別率。

圖像處理；MATLAB；道路交通標志

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gif不支持寫，這些格式都可以通過imread函數(shù)來讀入內存，通過調研imview函數(shù)或imshow函數(shù)將矩陣代表的圖像顯示出來，顯而易見，顯示出來的圖像與原圖像是完全一樣的。

1.2 圖像預處理

(1)圖像灰度化處理

一般情況下，獲取的原始圖像是一個RGB圖像，先將它進行灰度圖像處理，因此需要把RGB圖像轉換成灰度圖像，灰度圖像保存在一個矩陣中，矩陣的每個元素代表一個像素點。矩陣可以是雙精度類型，值域為[0,1]；也可以為unit8類型，值域為[0,255]。矩陣的每個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)直方圖變換增強處理

直方圖是用于表達圖像灰度分布情況的統(tǒng)計圖標。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。對數(shù)字圖像f(m，n)而言，其橫坐標是灰度值r，縱坐標是出現(xiàn)這個灰度值的概率值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算法。進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)

經過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狀或尖峰狀噪聲，這些噪聲多數(shù)是通過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，分別是空間域濾波、頻域濾波。

在這里首先對灰度圖像加入高斯白噪聲，然后進行自適應濾波處理，比較濾波前后對道路交通標志識別的變化情況，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

圖像的邊緣檢測大幅度地減少了數(shù)據(jù)量，并且許多無關信息量，保留了圖像的重要結構屬性。邊緣檢測的方法有很多，主要有sobel算法、canny算法等。

分別用sobel算法、canny算法兩種邊緣檢測方法對原始圖像進行邊緣提取，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)

運行結果如圖3所示。

圖3 sobel邊界探測器獲得的結果

圖4 canny邊界探測器獲得的結果

2.2 圖像分割

(1)圖像輪廓圖

對圖像分割我們首先找到它的輪廓圖，根據(jù)交通標志那5類圖形輪廓進行有效部分的切割，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。通過對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)域的裁剪識別提供基礎。

(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、八邊形和矩形進行有效部分的切割，提取出圖片上的交通標志。

提取有效部分(即交通標志區(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 交通標志圖像處理的流程

通過對道路交通標志的研究，利用Matlab進行圖像處理，提取出有效部分。

這種提取方法的優(yōu)點是簡單、快速。但是對具體的交通標識的具體識別不能達到100%；在路況比較復雜，與交通標志形狀一致的情況下，還得需要進一步的提取。

4 結 論

主要介紹了通過MATLAB來進行交通標志圖像處理的技術，該研究是一個極具意義的研究課題，為后續(xù)交通標志識別技術打好基礎。尤其是隨著城市化的進展以及汽車的普及，機動車數(shù)量、出行人數(shù)的大量增加，交通管理日趨重要，交通標志的處理和識別可以為交通管理提供更為有效的技術手段，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,孫國榮,張瑞龍. 基于MATLAB的道路交通標志識別[J]. 教育教學論壇，2016,(12):55-57.

[2] 趙小軍,林晨,黃柳仙,楊以月.基于MATLAB圖像處理的車輛檢測與識別[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)自然科學基金(2014211B44)。