【摘要】 二值化是模式识别与检测中的关键技术，其好坏直接影响到检测与识别的效果。由于城市交通道路的复杂性造成一般二值化效果不理想。本文通过研究现阶段比较成熟的方法技術提出了一种基于灰度直方图的二值化方法，为解决交通信息提取中存在的问题找到了一条切实可行的途径。
　　【关键词】 交通路面 二值化 关键技术
　　彩色图像，其具备丰富的信息，但是其中有些信息为无关信息，为了突出我们关注的重要信息，我们一般采用二值化的方法，将彩色图像变换为二值图像即图像的前景像素值为1背景像素值为0，显示成黑白两种纯色。而二值化过程中的难点是二值化阈值的选取，如何选取一个合适的二值化阈值使我们工作的重点。
　　一、二值化常见方法概述
　　如今二值化阈值一般采用的方法如下：
　　（1）将128灰度值定位二值化阈值，由于采集到的图片是真实路面情况以固定值二值化区域是不合适的。
　　（2）将灰度直方图图像峰值所对应的灰度值作为二值化的阈值，由于采集到的图像光照会随时变动，顺光逆光的情况随时在变换，这样不能良好的处理该种情况。
　　（3）以灰度直方图两个波峰中间的波谷做为二值化的阈值，这种二值化阈值的方法不能处理直方图为单峰的情况，而根据实验经验选取采光范围内的图像直方图往往是单个峰值的情况。
　　（4）OSTU[]（大津算法）也称为最大类间方差算法，是由日本学者于1979年提出的一种对图像进行二值化的高效算法。它是一种自动的非参数非监督的门限选取法。该方法的基本思路是选取的t的最佳阈值应当是使得不同类间的分离性最好。它的计算方法是首先计算基于直方图而得到的各分割特征值的发生概率，并以阈值变量t将分割特征值分为两类，然后求出每一类的类内方差及类间方差，选取使得类间方差最大，类内方差最小的t作为最佳阈值。由于该方法计算简单，在一定条件下不受图像对比度与亮度变化的影响，被认为是阈值自动选取的最优方法。该方法的缺点在于，要求得最佳阈值，需要基本遍历灰度范围内的所有像素并计算出方差，当计算量大时效率会很低。同时，在实际图像中，由于图像本身灰度分布以及噪声干扰等因素的影响，仅利用灰度直方图得到的阈值并不能使图像分割得到满意的结果，虽在一定程度上可以消除噪声的影响，但该方法计算量非常大难以应用于我们这要求反应迅速的系统当中。
　　（5）循环迭代二值化阈值选取方法[2]，即多次计算二值化阈值直到找到最适合的为止。该方法在其它项目中取得了良好的效果，但是在针对路面的试验过程效果并不是特别理想。
　　二、城市道路二值化方法
　　2.1灰度直方图的处理
　　将采光区域变换后的灰度图像进行灰度直方图的统计并且忽略灰度值小于40或者大于250的数据，对得到的灰度直方图进行形态学的分析，我们对波形感兴趣的是他的单调性和波峰波谷位置，是单峰还是双峰或者多峰值，那么要对直方图这一数字信号进行处理，得到我们所关心的指标。为了防止有突然的尖刺干扰，要先对其图像进行中值滤波平滑其图像。再对滤波好的图像进行差分，得到差分图像，将差分图像所有大于等于零的点赋值为1小于零的点赋值为-1。再对新的差分图像进行滤波将左右两个领域与该点都不相同的点的值改变成与旁边相同，差分为1的值所对应的点为单调上升，差分为-1的点为单调向下，1与-1切换的点为极值点，这样就得到了该直方图的大致单调性与极值点。
　　2.2二值化阈值确定
　　若得到的灰度直方图只有一个单独峰值，那么我们认为，采光范围内基本全面是道路，则峰值所对应的灰度值加10则定位二值化的阈值。若出现双峰则说明采光范围内有道路与车道相关交通标线，那么两波峰中间的波谷即为二值化的阈值。若波峰数量多于两个则说明采光范围内杂质较多，二值化是不可信的，不进行二值化阈值划分。
　　实验效果如图1。


　　三、结论
　　本文提出了一种高效高质的路面二值化算法，能够较好的适应多种外界条件下的城市复雜交通情况，对于复杂场景具有一定的鲁棒性，为解决交通信息提取中存在的问题与困难找到了一条切实可行的途径。
　　参 考 文 献
　　[1] 杨恬，李德芳. 灰度图象的二维otsu自动阀值分割研究[J]. 西南师范大学学报（自然科学版）. 1998（06）
　　[2] 谢国庆，白莹，王智文. 基于全局迭代阈值和局部分析的护照图像的二值化算法[J]. 计算机应用与软件. 2009（11）