- 效果图
- 语言：
- 平台：
- 所需的库
- 步骤及原理
- 1.导入库
- 2.二值化
- 3.提取感兴趣区域
- 4.剔除噪点
- 5.找出值不为零的点（即车道线），并将其绘制在原图上。
- 完整代码
python平台：
pycharm所需的库
matplotlib numpy cv2步骤及原理 1.导入库
import matplotlib.pyplot as plt import numpy as np import cv2 as cv2.二值化
因为车道线的颜色是明显区别于环境的，所以可以通过二值化来实现将车道线与环境分开。
代码及效果如下：
img0=cv.imread('IMG_20210707_151326.jpg',0) #以灰度图读取原图，后续找出车道线的处理都在这张图的基础上
# cv.imshow('yuantu',img0)
# cv.waitKey(0)
img0=cv.resize(img0,(600,600)) #改为600*600大小的
plt.imshow(img0) #这里做出说明，用plt显示图片是为了顺利找出roi，因为plt显示图片，鼠标指哪里，就会自动显示改点坐标。
plt.show()
ret,img1=cv.threshold(img0,180,255,cv.THRESH_BINARY) #二值化
cv.namedWindow('Image',0)
cv.imshow("Image",img1)
cv.waitKey(0)
这一部分的操作和上一篇博客一样，可以参考上一篇博客。
代码及效果如下：
mask=np.zeros_like(img1) #变换为numpy格式的图片
mask=cv.fillPoly(mask,np.array([[[0,460],[580,480],[400,15],[330,15]]]),color=255) #对感兴趣区域制作掩膜
#在此做出说明，实际上，车载相机固定于一个位置，所以对于感兴趣的区域的位置也相对固定，这个视相机位置而定。
cv.namedWindow('mask',0)
cv.resizeWindow('mask',800,1200)
cv.imshow('mask',mask)
cv.waitKey(0)
masked_edge_img=cv.bitwise_and(img1,mask) #与运算
cv.namedWindow('masked_edge_img',0)
cv.resizeWindow('masked_edge_img',800,1200)
cv.imshow('masked_edge_img',masked_edge_img)
cv.waitKey(0)
4.剔除噪点
这里提供两种方法，也都是对于二值图片比较简单有效的方法。因为之前的二值化基本上没留下什么噪点，所以这一步没有明显的效果。但是如果有噪点的话，可以使用如下方法。
1，使用先腐蚀后膨胀的方式
2，直接使用cv.findContours函数，找出连通域，再删除小于阈值的连通域。
方法1的代码及效果：
kernel=np.ones((1,1),np.uint8) #创建核函数
img2=cv.erode(masked_edge_img,kernel) #腐蚀
img2=cv.dilate(img2,kernel) #膨胀
cv.imshow('img2',img2)
cv.waitKey(0)
方法2的代码及效果：
contours, hierarchy = cv.findContours(masked_edge_img, cv.RETR_EXTERNAL, cv.CHAIN_APPROX_NONE) #找出连通域
# print(len(contours),hierarchy)
for i in range(len(contours)):
area = cv.contourArea(contours[i]) #将每一个连通域的面积赋值给area
if area <2: # '设定连通域最小阈值，小于该值被清理'
cv.drawContours(masked_edge_img, [contours[i]], 0, 0, -1)
cv.namedWindow('masked_edge_img',0)
cv.resizeWindow('masked_edge_img',600,600)
cv.imshow('masked_edge_img',masked_edge_img)
cv.waitKey(0)
5.找出值不为零的点（即车道线），并将其绘制在原图上。
因为是二值图片，所以很好理解，图中白色的即为车道线，其像素值不为零，故而for循环，做个判断，即可以找出这些点了。
代码如下：
points=[] #创建一个空列表，用于存放点的坐标信息
for i in range(600):
for j in range(600):
if img2[i,j]!=0:
img[i,j]=(0,0,255) #将值不为零的点用红色代替在原图上，注意这里的img是600*600的原图
points.append([i,j])
cv.imshow('image',img)
cv.waitKey(0)
完整代码
import matplotlib.pyplot as plt
import numpy as np
import cv2 as cv
img=cv.imread('IMG_20210707_151326.jpg')
img=cv.resize(img,(600,600)) #将原图改为600*600格式大小的，为了后续方便，最后就是在这张600*600的图上画出车道线
cv.imshow('image',img)
cv.waitKey(0)
img0=cv.imread('IMG_20210707_151326.jpg',0) #重新以灰度图读取原图，后续找出车道线的处理都在这张图的基础上
# cv.imshow('yuantu',img0)
# cv.waitKey(0)
img0=cv.resize(img0,(600,600)) #改为600*600大小的
plt.imshow(img0) #这里做出说明，用plt显示图片是为了顺利找出roi，因为plt显示图片，鼠标指哪里，就会自动显示改点坐标。
plt.show()
ret,img1=cv.threshold(img0,180,255,cv.THRESH_BINARY) #二值化
cv.namedWindow('Image',0)
cv.imshow("Image",img1)
cv.waitKey(0)
# cv.destroyAllWindows()
'''2.roi_mask(提取感兴趣的区域)'''
mask=np.zeros_like(img1) #变换为numpy格式的图片
mask=cv.fillPoly(mask,np.array([[[0,460],[580,480],[400,15],[330,15]]]),color=255) #对感兴趣区域制作掩膜
#在此做出说明，实际上，车载相机固定于一个位置，所以对于感兴趣的区域的位置也相对固定，这个视相机位置而定。
cv.namedWindow('mask',0)
cv.resizeWindow('mask',800,1200)
cv.imshow('mask',mask)
cv.waitKey(0)
masked_edge_img=cv.bitwise_and(img1,mask) #与运算
cv.namedWindow('masked_edge_img',0)
cv.resizeWindow('masked_edge_img',800,1200)
cv.imshow('masked_edge_img',masked_edge_img)
cv.waitKey(0)
'剔除小连通域1'
contours, hierarchy = cv.findContours(masked_edge_img, cv.RETR_EXTERNAL, cv.CHAIN_APPROX_NONE) #找出连通域
# print(len(contours),hierarchy)
for i in range(len(contours)):
area = cv.contourArea(contours[i]) #将每一个连通域的面积赋值给area
if area <2: # '设定连通域最小阈值，小于该值被清理'
cv.drawContours(masked_edge_img, [contours[i]], 0, 0, -1)
cv.namedWindow('masked_edge_img',0)
cv.resizeWindow('masked_edge_img',600,600)
cv.imshow('masked_edge_img',masked_edge_img)
cv.waitKey(0)
img2=masked_edge_img
'找出车道线每个点的坐标，并绘制在原图上'
points=[] #创建一个空列表，用于存放点的坐标信息
for i in range(600):
for j in range(600):
if img2[i,j]!=0:
img[i,j]=(0,0,255) #将值不为零的点用红色代替在原图上，注意这里的img是600*600的原图
points.append([i,j])
cv.imshow('image',img)
cv.waitKey(0)
