HSV色彩空間和OTSU閾值分割的盲道識別算法設計

江蘇師范大學江蘇圣理工——中俄學院 吳俊濤 曹開顏 付明慧 曹雨萌

中國是世界盲人數量最多的國家，而盲人因為視覺的障礙，日常出行有諸多不便。為保障盲人的安全出行，本文提出了基于HSV色彩空間和OTSU閾值分割的盲道識別算法。對于有標識色的盲道通過顏色分割的方法進行盲道識別，對于無標識色的盲道通過OTSU閾值分割進行識別，經過MATLAB實現模型效果驗證，能夠有效解決盲人出行困難問題。

2020年，中國失明者已經超過了兩千萬，這一龐大的數量意味著大約每七十個中國人里就有一個人看不見，與之對應的是盲人對正常出行的需求日益高漲。

1991年在北京建成了中國的第一條盲道，經過多年的推廣，如今盲道幾乎在城市中隨處可見，然而在我們的日常生活中還是很難看見盲人。這是因為存在許多違規的盲道和隨意侵占盲道的現象，使得不少盲道不僅沒有為盲人提供便利反而成為盲人出行的阻礙。導盲犬雖然具有較好的導盲效果，但因為培養成本過高導致在國內短時間還無法普及。所以除了不斷加強規范盲道建設的力度，設計出可以識別出城市中盲道的方法也是十分迫切的事情。

1 設計思路

盲道是專門幫助盲人行走的道路設施。盲道一般分為行進盲道和提示盲道，行進盲道引導盲人前行，提示盲道提醒盲人轉彎。盲道一般是用特殊形狀的磚和鮮艷的黃色組成的，如圖1所示。所以可以采用顏色閾值分割的方法進行盲道識別。但在現實中也會發現一些盲道不是黃色或是長久風吹日曬已經分辨不清原有的黃色，對于這一類盲道則可以采用OTSU閾值分割的方法來解決。

圖1 盲道實拍圖

2 基于顏色分割的盲道識別

基于顏色分割的盲道識別主要針對有明顯顏色特征的盲道，這一類盲道通常為黃色。目前，常用的顏色空間模型有RGB模型、YUV模型、HSV模型等。RGB模型是最常用的彩色信息表達方式，其中R、G、B分別代表紅、綠、藍三原色，通過這三種顏色可以混合成任意顏色，一般圖片多采用這種模型。但是，R、G、B三個分量之間界限不清，存在重疊部分，圖像分割時容易受到光照等因素影響，難于準確分割。HSV模型中H、S、V分別代表色調、飽和度和亮度，這種顏色描述方法更符合人眼觀察顏色的方式，且可以考慮到光照的影響。

2.1 RGB顏色空間轉HSV顏色空間

在MATALB中存在將RGB轉換成HSV的函數，直接調用就可以實現轉換。在MATLAB中，RGB轉HSV后H、S、V三個參數會自動做歸一化處理，即范圍均為0~1。RGB轉HSV后，各個分量提取的圖形如圖2所示。

圖2 分量提取圖形

2.2 顏色分割

基于HSV的顏色分割是一種閾值分割，主要是通過H分量來區分顏色的色度，但是從上圖中可以看出H分量對于白色不能很好的區分，故而通過S和V分量加以控制，能較精準地判斷出某像素的顏色。本文中三個分量的提取范圍設置為0.05

圖3 提取黃色后的圖像

2.3 除去噪聲

從圖3可以看出用顏色分割提取出的圖像有不少的噪聲，需要通過一系列除噪來獲得盲道的分割。首先將該圖轉換成二值圖像，然后通過中值濾波去掉較小的噪聲。中值濾波是一種非線性濾波，在一定情況下可以有效清除噪聲同時有保持良好的邊緣特性。在MATLAB圖像處理中開運算可以去除圖像中較小的點，閉運算可以將圖像中的區域鏈接在一起。開閉運算有一個等冪性，它意味著一次濾波就能把所有特定的于結構元素的噪聲去除干凈，并且重復運算不會有效果。所以最終通過開閉運算結合就可以將盲道完整的分割出來。效果見圖4所示。

圖4 分割出的有色盲道

3 基于OTSU閾值分割的盲道識別

在現實中會存在一些沒有鮮明顏色的盲道，對于這種盲道顏色分割的方法就無法適用，本文采用OTUS閾值分割來進行盲道識別。OTUS算法又稱最大類間方差法，該算法是在灰度直方圖的基礎上采用最小二乘法原理推導出來的，它的基本原理是以最佳閾值將圖像的灰度值分割成兩部分，使兩部分之間的方差最大，既具有最大的分離性。效果圖見圖5所示。

圖5中分割出來的盲道為黑色，需要盲道變為白色，所以對該圖像進行黑白兩色的反轉。反轉后的圖像中依舊會存在許多噪聲，可以采用與上文中所述相似的方法去除。最終得出的效果如圖6所示。

圖5 OTSU閾值分割后的盲道

圖6 分割出的無色盲道

4 程序流程圖

MATLAB的程序流程圖如圖7所示。

圖7 MATLAB程序流程圖

結論：針對現實盲道的顏色和紋理特征，本文提出了一種算法，在對顏色鮮明的黃色盲道采用HSV色彩空間對黃色區域進行閾值分割，而面對無鮮明顏色的盲道采用OTSU閾值分割的方法進行分割。利用該算法可以較便捷地識別現實生活中的大部分盲道，并且解決了當盲道顏色不明顯時，用單一顏色識別失效的問題，大大便利了盲人的出行并保障安全。