[171105] 基於 Python OpenCV 圖像處理的車道線檢測

原創內容，禁止轉載！

導讀：這是 Python OpenCV 圖像處理 專欄的第5篇文章，主要介紹了使用 Python OpenCV 圖像處理進行車道的思想、方法。關於 Python OpenCV 處理的基礎知識，可以參考這篇文章 [171102] Python3 OpenCV3 圖像處理基礎(Python3 + Numpy + Matplotlib + OpenCV3 + ...)。更多文章，請查看 [171101] Python OpenCV 圖像處理專欄目錄。

這是 Python OpenCV 圖像處理專欄 第六篇正文。 上一篇介紹了 基於 Python OpenCV 圖像處理的細胞計數，主要用到的是圖像濾波、二值化、形態學處理、查找邊緣並篩選等計數，得到「細胞」的圖像。後來又提了一下使用 HSV 空間中 色彩範圍(inRange) 來選擇合適的圖像區域，作為提取到的「細胞」圖像。本篇將要探索的時 基於 Python OpenCV 圖像處理的車道線檢測 方法。前方低能預警，非戰鬥人員可以撤離了。

與上篇補充說明中類似，這篇也要用到HSV色彩空間顏色選區。同時也要用到邊緣檢測、查找輪廓、霍夫變換等技術。相關技術詳細細節請自行搜索，本文不提供「細節」。

通常行車記錄儀拍攝到的視頻中，車道線白色和黃色直線（段），路面是灰色的水泥路或深色的瀝青路，路旁是綠色的樹木等植物，遠方則是藍色或灰色的天空。如果直接使用灰度閾值化，則不太合適。因為雖然車道線比較亮，但是天空同樣也比較亮。

將原始的 BGR 圖像變換到 HSV 和 LAB 等色彩空間，分離通道並查看各個通道信息。如圖所示，每行分別是BGR-HSV-LAB色彩空間，每列分別是原始圖-直方圖-單通道圖像。

考慮到場景中的藍色天空和綠色植被等對與車道檢測無關，而這兩個主要在藍色和綠色通道中。黃色則分布在綠色和紅色通道，白色是全通道的。考慮到只需要提取黃色和白色信息，可以提取紅色通道然後進行處理，見上圖的第一行最有一列。然後進行合適的閾值化操作，來提取車道。但是這這樣還是有點問題，就是路面較亮的話，會對提取造成干擾。

上篇補充部分用到了 HSV 色彩空間中的顏色選擇，這裡同樣嘗試使用該方法，分別對 H、S、V通道進行合適的選擇，經過實驗發現：對 V 通道進行合適的選擇後，可以很好滴提取出來黃色和白色車道，如下圖所示。

經過測試，針對上述圖片，選擇的 HSV 範圍是:

lower_hsv = [0, 0, 230]upper_hsv = [180, 250, 250]

使用 顏色選擇函數，獲取選擇的顏色範圍內像素的掩模：

mask = cv2.inRange(hsv, lower_hsv, upper_hsv)

對掩模進行形態學濾波，查找並篩選邊緣，得到結果：

完結，手動撒花。。。

參考：

https://github.com/naokishibuya/car-finding-lane-lines

推薦閱讀：