智能車賽道濾波算法研究

喬衛磊 陳懷安 楊元杰

【摘要】 以全國大學生飛思卡爾智能車競賽為背景，介紹了智能車賽道濾波常用的三種算法。智能車攝像頭采集的圖像如果不經處理會有較多噪點，影響智能車判斷的準確性。這些噪點主要是高斯噪點和椒鹽噪點，通過適當的濾波可以有效地濾除這些噪點。

【關鍵詞】 智能車 賽道濾波 濾波算法

在智能車比賽中，攝像頭組肯定會遇到的問題就是采集過的圖像有很多噪點，尤其是數字攝像頭。當小車快速行駛時，圖像中的噪點如果不經過處理就會對小車的行駛造成很大的影響。本文提出的這三種方法可以有效地解決圖像噪點問題。

一、鄰域均值濾波

（1）式中：Zi是以為（x， y）中心的鄰域像素值；wi是對每個鄰域像素的加權系數或模板系數；mn是加權系數的個數或稱為模板大小。均值濾波處理效果如圖1所示。

由以上處理后的圖像可以看到：鄰域平均法適于消除圖像中的顆粒噪聲，但需要指出這種方法既平滑了圖像信號，同時使圖像的細節部分變得模糊[2]。

二、維納濾波

通過結果我們可以看到中值濾波對于濾除賽道圖像的“椒鹽”噪聲非常有效，它可以做到既去除噪聲又能保護圖像的邊緣，從而獲得非常滿意的復原效果。

四、結論

上文介紹的三種算法均可應用于智能車賽道濾波。每種算法都有其各自的特點。鄰域均值濾波算法能有效抑制加性噪聲，但容易引起圖像模糊，可以對其進行改進，避開對賽道邊緣的平滑處理。維納濾波算法可以使原始圖像和其恢復圖像之間的均方誤差最小，是一種自適應濾波器，根據局部方差來調整濾波器效果，對于去除高斯噪聲效果明顯。中值濾波算法的特點是首先確定一個以某個像素為中心點的鄰域，然后將鄰域中各像素的灰度值排序，取其中間值作為中心像素灰度的新值。利用中值濾波可以對圖像進行平滑處理。其算法簡單，時間復雜度低，很容易自適應化，非常適合智能車賽道的濾波。綜上所述，在三種算法中，中值濾波算法對賽道噪點的濾波效果最好。

參 考 文 獻

[1]張晉.圖像工程（第二版）.北京：清華大學出版社，2007 .

[2]宋兆基、徐流美等.MATLAB 6.5在科學計算中的應用.北京：清華大學出版社，2005.

[3]胡鵬，徐會燕.基于matlab的圖像去噪算法的研究與實現.《福建電腦》，2009（12） .

[4]孫宏琦，施維穎，巨永峰.利用中值濾波進行圖像處理.《長安大學學報（自然科學版）》，2003（2） .

[5]張天瑜.基于改進型中值濾波算法的圖像去噪.長春工業大學學報，2009，30（1）：48～52.

[6]賈洪濤，朱元昌，王建華.擴展自適應中值濾波器的原理與實現.中國圖象圖形學報，2004，9（8）：947～958.