在車道線檢測中，使用的是HSL顏色空間，其中H表示色相，即顏色，S表示飽和度，即顏色的純度，L表示顏色的明亮程度。

本案例基于圖像的梯度和顏色特征，定位車道線的位置。

在這里選用Sobel邊緣提取算法，Sobel相比于Canny的優秀之處在于，它可以選擇橫向或縱向的邊緣進行提取。從車道的拍攝圖像可以看出，車道線在橫向上的邊緣突變是需要關心的問題。OpenCV提供的cv2.Sobel()函數，將進行邊緣提取后的圖像做二進制圖的轉化，即提取到邊緣的像素點顯示為白色（值為1），未提取到邊緣的像素點顯示為黑色（值為0）。由于只使用邊緣檢測，在有樹木陰影覆蓋的區域時，雖然能提取出車道線的大致輪廓，但會同時引入的噪聲，給后續處理帶來麻煩。所以在這里引入顏色閾值來解決這個問題。

import cv2 import numpy as np import matplotlib.pyplot as plt import matplotlib.image as mpimgdef pipeline(img, s_thresh=(170, 255), sx_thresh=(50, 300)):img = np.copy(img)#1.將圖像轉換為HLS色彩空間，并分離各個通道hls = cv2.cvtColor(img, cv2.COLOR_RGB2HLS).astype(np.float64)h_channel = hls[:, :, 0]l_channel = hls[:, :, 1]s_channel = hls[:, :, 2]#2.利用sobel計算x方向的梯度sobelx = cv2.Sobel(l_channel, cv2.CV_64F, 1, 0)abs_sobelx = np.absolute(sobelx)# 將導數轉換為8bit整數scaled_sobel = np.uint8(255 * abs_sobelx / np.max(abs_sobelx))sxbinary = np.zeros_like(scaled_sobel)sxbinary[(scaled_sobel >= sx_thresh[0]) & (scaled_sobel <= sx_thresh[1])] = 1# 3.對s通道進行閾值處理s_binary = np.zeros_like(s_channel)s_binary[(s_channel >= s_thresh[0]) & (s_channel <= s_thresh[1])] = 1# 4. 將邊緣檢測的結果和顏色空間閾值的結果合并，并結合l通道的取值，確定車道提取的二值圖結果color_binary = np.dstack((np.zeros_like(sxbinary), sxbinary, s_binary))return color_binarydef draw_images(img, undistorted, title, cmap):f, (ax1, ax2) = plt.subplots(1, 2, figsize=(24, 9))f.tight_layout()ax1.imshow(img)ax1.set_title('Original Image', fontsize=50)if cmap is not None:ax2.imshow(undistorted, cmap=cmap)else:ax2.imshow(undistorted)ax2.set_title(title, fontsize=50)plt.subplots_adjust(left=0., right=1, top=0.9, bottom=0.)plt.show()if __name__ == '__main__':image = mpimg.imread('./img.png')pipeline_img = pipeline(image)draw_images(image, pipeline_img, 'Pipeline Result', None)

代碼運行結果：

總結：

顏色空間：

HLS：色相，飽和度，明亮程度

車道線提取

顏色空間轉換 → 邊緣檢測 → 顏色閾值 → 合并得到檢測結果。

注：NumPy 1.20.0 后的版本 棄用了 np.float，需要改為 np.float64
https://numpy.org/devdocs/release/1.20.0-notes.html#deprecations

棄用的名稱相同NumPy標量類型名稱

numpy.bool	bool	numpy.bool_
numpy.int	int	numpy.int_（默認）numpy.int64，或numpy.int32
numpy.float	float	numpy.float64，numpy.float_，numpy.double
numpy.complex	complex	numpy.complex128，numpy.complex_，numpy.cdouble
numpy.object	object	numpy.object_
numpy.str	str	numpy.str_
numpy.long	int	numpy.int_，numpy.longlong
numpy.unicode	str	numpy.unicode_

總結

以上是生活随笔為你收集整理的OpenCV 车道线提取的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。