辨識導盲磚與地板顏色相近環境 (高鐵實例)

47

可以看到地板與高鐵導盲磚顏色相似，為了突顯導盲磚，先將 RGB 轉成灰 階影像，因為光線不均勻會造成擷取影像的對比度及明暗度不一致，而使用影像 直方圖均衡化對對比度進行調整。這種方法通常用來增加許多影像的全局。直方 圖均衡化通過有效地擴展常用的亮度來實現平衡影像對比度的效果。如圖 3.31(a) 為影像均衡化直方圖、圖 3.31(b)為均衡化之影像。

(a)均衡化直方圖 (b)均衡化之影像 圖 3. 31 影像均衡化

接下來使用關運算(先膨脹後侵蝕)，主要將導盲磚本身斷開的部分連接上，

並把地板瓷磚所連接的線條消去，以利於辨識。如圖 3.32 為關運算之影像。

圖 3. 32 關運算之影像

並採用高斯Laplacian濾波，高斯Laplacian是一種全方向性的邊緣強化處理，

它不論方向性而對於影像邊緣作強化。Laplacian是對影像灰度斜率的變化率作運 算，在灰度值固定的區域和灰度值轉變過度區其值均為零，這正是二次微分之特 性。而其運算結果代表的是灰度值強弱的變化。經高斯Laplacian處理後的影像其

結果是在暗色背景上勾繪出物體的輪廓，對於灰度變化不是很明顯的影像以此方 法處理後，可使影像之邊緣更突出，使影像中物體的輪廓更為明顯，來當作一個 前景與背景區域的標記分離，再由分水嶺分割法達到細部處理的效果。此區域就 會形成單一物體及其背景，以利於分水嶺分割不會過度分割。如圖3.33為高斯 Laplacian濾波之影像。再將影像分成兩種灰階值，得到所謂的二值化影像，以利 於影像的辨識。如圖3.34為二值化之影像。

圖 3. 33 高斯 Laplacian 濾波之影像

圖 3. 34 二值化之影像

接下來是最後的處理，採用分水嶺分割法，可以從背景抽取出接近均勻的物 體，目的是將影像中具有相似灰階值的像素點歸類為同一群。此實驗主要是以邊 界為基礎來做為分割，此方法較偏重於檢驗影像中是否存在的邊界，並將邊界形 成之封閉區塊視為同一塊區域，因此此方法之執行效果的好壞的關鍵因素，取決 於邊緣檢測的結果。

49

(3-6)

對應的集水分盆分別為 w1、w2。(w1+w2)則表示兩集水盆合併，(w1,w2) 則表示兩集水盆保持不變。

由於背景之間與目標之間的像素灰度值差別較大，分水嶺分割輸出影像的各 極大值點之間也反映了這種相似性和差別。因此，設定一分割閾值，定義為兩相 鄰極大值點之間的灰度差。其中某一個極大值點與它最鄰近的另一極大值的點之 間灰度差小於該閾值時，由這兩個極大值點確定的集水盆將合併；否則兩集水盆 皆保持不變。如下圖3.35為分水嶺分割之導盲磚影像。

圖 3. 35 分水嶺分割之導盲磚影像

2

| 2 1

|

1

| 2 1 ) |

, (

) 2 1 (

) 2 , 1

(

if g g T

T g

g y if

x

G

i

w w

w

w

 





 

  

