张 超，彭金璋，刘纯鸽，何宇桦

(吉首大学信息科学与工程学院，湖南 吉首 416000)

智能车跑道图像的大津阈值分割算法*1

张 超，彭金璋，刘纯鸽，何宇桦

(吉首大学信息科学与工程学院，湖南 吉首 416000)

智能车跑道环境复杂多变，传统的大津阈值分割法无法完成跑道图像的准确分割.在分析传统大津法二值化的基础上，提出了适合智能车跑道图像处理的分块大津法二值化，准确快速地完成了跑道阈值的分割，并有效地完成路径的识别.

智能车；图像采集；图像处理；大津法

智能车是一个对实时性要求非常高的自动控制系统，图像采集与处理、路径识别、车体控制等一系列过程必须严格按照摄像头的时序完成[1].准确、及时的路径识别是智能车自动行驶的关键，这对跑道图像采集处理的效率和准确性提出了更高的要求.文中所述智能车控制系统采用飞思卡尔K60系列的MK60DN512ZVLQ10处理器，图像采集采用OV7620数字式摄像头实现.为提高采集效率，图像数据采集采用DMA模式传输[2-3]，智能车跑道环境千变万化，静态阈值法和传统的大津阈值算法二值化不能准确地分割跑道信息[4-5].本文提出了分块大津算法，分割效果明显.

1 跑道图像的采集

数字化摄像头OV7620采用NTSC制式，帧频为30帧/s，场频60帧/s.摄像头数据输出由垂直同步VSYN、水平同步HREF、像素时钟PCLK控制[6].VSYN的周期是16.64 ms，高电平为换场时间，低电平为数据输出时间；HREF的周期是63.6 μs，高电平为数据输出时间，低电平为换行时间;PCLK的周期是73 ns，高电平像素输出，低电平无效.摄像头时序如图1所示.

图1 OV7620摄像头的时序图

采用摄像头的中断信号触发K60系列MK60DN512ZVLQ10处理器的I/O口外部中断，实现时序同步，场中断时间作为智能车的控制周期.场中断的优先级须高于行中断，否则采集到的图像会发生混乱.OV7620的图像分辨率为640×480，设置QVGA格式输出，大小为320×240.在实际的智能车系统中，1个周期无法处理这么大的数据量，分辨率为80×60已足够满足提取路径信息.在程序中设置2个二维数组：320×60作为图像接收数组，80×60作为图像处理数组.摄像头在采集图像时，容易发生梯形失真[7-8]，为校正梯形失真，图像接收数组从摄像头采集的240行数据中按照远密近疏的方法接收60行.

K60系列MK60DN512ZVLQ10处理器采用DMA方式接收图像数据，DMA每传输一行数据存入接收数组.当一场图像接收完成之后，接收数组的数据每4列取1列存入处理数组，处理数组的图像像素变成80×60.图像采集流程图如图2所示.

图2 图像采集流程

2 跑道图像二值化处理

数字式摄像头输出的是8位灰度数据，灰度级别为256，每场待处理的图像是一个80×60像素的灰度数据.图像二值化处理是路径信息提取的基础，其阈值的选取是关键.阈值选取方法可分为静态阈值法和动态阈值法，前者事先设定一个灰度值，图像按此值进行二值化分割；后者在待处理图像中进行数学运算，得到一个合适的值，再按这个值进行二值化分割.静态阈值法效率高，但抗干扰能力差；动态阈值法适应能力强，但算法复杂，效率低.

智能车跑道环境瞬息万变，采用静态阈值法无法完成跑道所有图像的准确分割，实验中采用该法的图像二值化在不同光照条件下的分割效果如图3所示.K60处理器主频可超频至200 MHz，处理能力强大.实践测试：采用动态阈值二值化，K60处理器能在规定时间内完成图像处理.

图3 静态阈值二值化效果 图4 传统大津法二值化结果

通常情况下，一幅图像由前景和背景构成，方差灰度区分由方差描述.当前景和背景被错分时，类间方差将会变小，取最大类间方差的灰度值意味着被错分的概率变小.大津法(又称最大类间方差法OTSU法)是一种自适应阈值分割方法，非常适用于前景和背景区分度较大的图像分割.大津法的原理如下：

3 大津算法的改进及仿真效果

通过全国智能车竞赛实验发现，图像不同部分灰度差别较大，势必造成大津法阈值分割不准确.笔者将一幅图像分成很多小块，每个小块再用大津法进行阈值分割，可以明显改善二值化效果.图像分块的大小和方法需要根据实际情况来确定.

智能车跑道由白底和边缘黑线组成，白底是背景色，黑线是前景色.二值化的目的是把白底判为1，黑线判为0，从而提取黑线信息，所以划分的每一个小块必须包含白底和边缘黑线.

大津算法的伪代码如下：

int otsu (unsigned char *image,int rows,int cols,int x0,int y0,int dx,int dy)

{

/* image:图像指针;rows:图像高度;cols:图像宽度;*/

/* x0:起始行;y0:起始列;dx:处理行大小;dy:处理列大小 */

for循环初始化灰度直方图pixel[k];

for循环生成直方图，统计每一级灰度的像素个数;

for (k = 0;k <= 255;k++)

{

sum_gray+=(double)k*(double)pixel[k];

/*灰度直方图质量矩*/

sum_pix_num+=pixel[k];/*总像素个数*/

}

for(k=0;k<255;k++)

{

p1_pix_num+=pixel[k];

/*第一部分像素个数*/

p2_pix_num=sum_pix_num-p1_pix_num;

/*第二部分像素个数*/

p1_sum_gray+=(double)k*pixel[k];

/*第一部分质量矩*/

第二，设立SPV。建立SPV是证券化的关键所在，也是整个流程的核心部分。它的目的在于降低发起人破产风险对证券化的影响，实现风险隔离。

m1=p1_sum_gray/p1_pix_num;

/*第一部分灰度均值*/

m2=(sum_gray-p1_sum_gray)/p2_pix_num;

/*第二部分灰度均值*/

V=p1_pix_num*p2_pix_num*(m1-m2)*(m1-m2);

/*求类间方差*/

if(V>variance)

{

threshold Value=k;

/*将类间方差较大时的灰度值作为阈值*/

}

}

return(thresholdValue);/*求出阈值*/

}

图5 改进的大津法二值化结果

一幅图像分块越多，二值化效果越好.但是，分块二值化会降低图像处理的效率，如果划分太细，图像处理无法在规定时间内完成.经大量实验发现，将一场图像的60行数据分为3个小块，1～20行作为远场，21～40行作为中场，41～60行作为近场，每个小块用大津法提取阈值，整场图像用3个阈值二值化，既能在一个周期内完成图像处理，又能取得较好的二值化效果.改进后的大津算法二值化效果如图5所示.

4 结语

笔者通过对传统大津算法的分析，指出了其在智能车跑道图像二值化上的不足，阐述了改进的分块大津算法.实验结果表明：改进后的大津算法能更好地实现智能车跑道图像二值化.

[1] 卓 晴，黄开胜，邵贝贝，等.学做智能车[M].北京：北京航空航天大学出版社，2007.

[2] 曹宗凯，胡 晨，姚国良.DMA在内存间数据拷贝中的应用及其性能分析[J].电子器件，2007，30(1)：311-317.

[3] 杨福广，李贻斌，尹占芳，等.ARM中基于DMA的高效UART通讯及其应用[J].微计算机信息，2008，24(1/2)：161-162.

[4] RAFAEL C G，RICHARD E W.数字图像处理[M].北京：电子工业出版社，2005.

[5] 孙少林，马志强，汤 伟. 灰度图像二值化算法研究[J].价值工程，2010(5)：142-143.

[6] 岱默科技.新手入门摄像头：第4篇——OV7620数字摄像头时序剖析[EB/OL].[2014-04-21].http://www.znczz.com/forum.php?mod=viewthread&tid=111728.

[7] 王 建，张晓炜，杨 锦，等.基于视觉传感器的智能车摄像头标定技术研究(上) [J].电子产品世界，2010(6)：48-49.

(责任编辑 陈炳权)

SegmentationAlgorithmofOtsuThresholdAbouttheRunwayImageofIntelligentCar

ZHANG Chao,PENG Jin-zhang,LIU Chun-ge,HE Yu-hua

(College of Information Science and Engineering,Jishou University,Jishou 416000,Hunan China)

The environment of the runway of intelligent car is complicated,and the traditional otsu thresholed segmentation method can not achieve mecise segmentation of the runway image.On the basis of the analysis on the birnarization of the tradtional otsu method,the block otsu binarization for intelligent runway image processing is proposed.This algorithm can achieve fast and precise segmentation of runway threshold and effective runway recognition,effectively copmplete path identification.

intelligent car;image acquisition;image processing;otsu method

1007-2985(2014)04-0027-04

2013-10-02

吉首大学大学生研究性学习和创新性实验计划课题资助项目(JSU-CX-2013-09)

张 超(1991-)，男，湖南怀化人，吉首大学信息科学与工程学院学生，主要从事嵌入式系统研究

彭金璋(1963-)，男，湖南张家界人，吉首大学信息科学与工程学院教授，主要从事材料电子结构研究.

TP391

A

10.3969/j.issn.1007-2985.2014.04.007