分水嶺影像分割

在路面偵測系統中，利用影像分割技術的目的就是為了將路面與非路面區域 正確的區分。影像分割技術有很多，包含了 k-means 法、直方圖法、分水嶺法等[維 14]。其中 k-means 法對於初始的 k 個點起始位置以及 k 值的大小非常重要，由於

k-means 法必頇一直疊代運作也因此影響了執行時間，無法應用在即時的路面偵

24

(a)欲進行影像分割的原圖 (b)標記影像 圖 4.6 分水嶺演算法的兩樣基本輸入影像

。因此以下將詳細說明分水嶺法的詳細運行步驟。

在執行分水嶺法之前，使用者必頇先給予系統一張以黑色為底、白色為標記 的一張標記影像，如圖 4.6(b)所示是本系統設計的 11 塊白色標記，此標記影像上 標記的數量會是做完影像分割後區域的數量，分割完後的每塊區域中像素都是與 標記處像素擁有最相似的顏色。分水嶺演算法結果的好壞，與標記影像擁有絕對 的關係，因此從圖 4.6(a)可以發現道路兩旁的邊界線會在影像中間的部分相交於 一點，又稱為消失點，透過該張影像可以觀察出明顯的邊緣都往消失點集中，形 成一種往外散射的圖形。因此本研究依據這個特性，便畫出了圖 4.6(b)標記影像，

左下角與右下角的兩條斜線便可以將路面的邊界清楚的分割。

首先當系統從標記影像上取得一個像素的標記後，便以 8 連通法找尋最大標 記區域然後記錄標記區域邊緣像素與四鄰域像素顏色差異最小的差值，直到拜訪 完所有像素，找出標記影像中所有的標記區域以及記錄所有標記區域邊緣像素與 四鄰域像素顏色差異最小的差值為止。如圖 4.7(a)示意圖所示白色區域是系統已 知的某塊標記區域，黑色區域則是待標記的區域，方格內的數字則是代表該格的 強度值。此時系統中已經記錄了此塊標記區域邊緣像素與四鄰域像素顏色差異最 小的差值，分別是(1, 1)對應於(1, 2)差值是 1，(2, 1)對應於(2, 0)差值是 1，(2, 2) 對應於(2, 3)差值是 2，(3, 2)對應於(4, 2)差值是 0 以及(3, 3)對應於(4, 3)差值是 1。

接著將該差值視為區域擴增的優先權，其中值越小則優先權越高(假設其他標記區 域的優先權值都大於 2)，所以擴增的順序為：(3, 2)、(1, 1)、(2, 1)、(3, 3) 最後是 (2, 2)，擴增後的示意圖如 4.7(b)所示。每當擴增一次便再次記錄標記區域邊緣像 素與四鄰域像素顏色差異最小的差值，然後等待下一次的區域擴增。

25

26

(a)雨天路面輸入影像

(b)影像分割後結果 (c) 最終路面偵測結果 圖 4.9 雨天路面影像分割結果以及最終路面偵測結果(綠色區域為路面)

For each marker’s edge pixel in the input frame do

Step1. Initialize the smallest difference value of all marker’s edge pixel between 4 neighbors into priority queue

Step2. For all the lists in the queue

• Extract the list that has the highest priority

• Occupy the pixel which has the smallest difference value between 4 neighbors

• Insert the smallest difference value between 4 neighbors into priority queue

Step3.Output segment image

圖 4.10 Watershed segmentation algorithm

27