Canny算法实现车道线检测_canny算子车道线检测

算法基于Python3.6实现
Python库

1. opencv-python
2. matplotlib
3. numpy

下图是测试结果。

详细流程

1. 输入图片并将其转换为灰度图
2. 通过高斯滤波平滑图片去噪
3. 使用Canny算法检测边缘
4. 提取感兴趣候选区域
5. 霍夫变换，直线检测
6. 直线拟合得到车道线

图像处理
Candy算法介绍可以参考：https://blog.csdn.net/sc944201630/article/details/81272154

import cv2
import numpy as np
import matplotlib.pyplot as plt

# 读取图片
def load_image(path, show_img=False):
	img = cv2.imread(path)
	if(show_img):
		cv2.imshow("original img", img)
		cv2.waitKey(-1)  # 按下任意键继续
	return img

# 对图片进行灰度化，能加速边缘检测
def image_gray(img, show_gray=False, save_gray_img=False):
	img_gray = cv2.cvtColor(img, cv2.COLOR_RGB2GRAY)
	if show_gray:
		cv2.imshow("gray_image", img_gray)
		cv2.waitKey(-1)
	if save_gray_img:
		cv2.imwrite("./gray_img.jpg", img_gray)
	return img_gray

# canny 算法，边缘检测
# cv2.Canny()参数：分别是输入图片，较小阈值和较大阈值
def canny_edge(img, g_kernel, g_dev, lth, hth, show_img=False, save_img=False):
	# 高斯滤波
	# (g_kernel, g_kernel) 高斯滤波的大小设置
	# g_dev： 高斯滤波的标准差，如果设置为0.0即自动生成
	# 滤波效果由标准差来决定
	img_gaussian = cv2.GaussianBlur(img, (g_kernel, g_kernel), g_dev)
	img_edge = cv2.Canny(img_gaussian, lth, hth)
	if save_img:
		cv2.imwrite("./img_edge.jpg", img_edge)
	if show_img:
		cv2.imshow("img_edge", img_edge)
		cv2.waitKey(-1)
	return img_edge
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37

我们得到的边缘信息图片如下：

边缘处理
得到边缘信息之后我们需要提取感兴趣候选区域，感兴趣候选区域可通过代码自动提取，但这里我们是手动提取感兴趣候选区域。

# 提取感兴趣候选区域
# 显示图片，获取车道线坐标
# plt.imshow(img)
# plt.show()

# 提取区域，创建掩膜
def get_mask(img, show_img=False
1
2
3
4
5
6