摘  要： 鑒于紅綠燈在城市交通中占有的重要地位，通過圖像處理設計一個系統來輔助駕駛員判別紅綠燈。首先通過圖像采集及圖像預處理的方法獲得源圖像，然后再設立紅綠燈主要特征訓練集，用邊緣跟蹤的方法框選出紅綠燈類似目標，對類似目標進行特征提取，再與標準模板做對比，確定為目標后標出各個燈的位置。最后通過圖像坐標讀取各個燈的顏色分量，比較燈的各色分量，從而確定每一個燈的顏色。識別完成后將識別結果通過數字顯示或聲音提示的方式輸出以提醒駕駛員注意紅綠燈的變化。
關鍵詞： 紅綠燈；模式識別；圖像處理；智能交通

    隨著我國經濟的快速發展，各個城市的機動車輛數量迅速增加，道路交通也隨之日益復雜，交通指揮系統所承受的壓力越來越大。紅綠燈多處于交通樞紐地帶，負責指揮交通，因此紅綠燈的識別顯得尤為重要。然而有些駕駛員因疲勞或其他原因而未能及時注意到紅綠燈的變化，從而釀成諸多慘劇。本文通過圖像處理及顏色判別而設計的紅綠燈自主識別系統可以提醒駕駛員注意紅綠燈變化，繼而有望降低事故發生率。
1 設計思路
    本系統設計主要由圖像采集、圖像預處理、紅綠燈定位、顏色判別及輸出顯示等模塊組成，如圖1所示。首先用安裝在車頂或車內的攝像機對前方場景進行實時圖像采集。由于攝像機跟隨車輛一起運動，因此采集到的圖像難免會產生一些噪聲，這就需要進行圖像預處理，以便于之后的目標提取。設計編碼程序從采集到的圖像中定位提取出紅綠燈的位置，再定位出各個燈的坐標，然后對提取的目標進行顏色判定，將結果通過顯示器輸出。結果輸出可以多元化，例如可以用數字顯示器表示各個燈的顏色，也可以用聲音提醒；若在顏色判定的同時進行數字讀取，還可以實現紅綠燈倒計時報時提醒。由于數字是實時變化的，因此數字提取涉及的條件較復雜且成功率尚未達到要求，本文暫且不對此模塊做研究。

2 圖像采集
    圖像采集需要在車頂或車內前方安裝一款攝像機，對汽車前方進行實時圖像采集。攝像機選擇條件是像素高、處理速度快、價格便宜。經過綜合考慮，車載攝像機需要符合的各方面要求及部分規格數據如下：
    (1)帶彩色顯示屏車載錄像儀，可即錄即看；
    (2)鏡頭角度：90°；
    (3)感光芯片：1/4 color CMOS；
    (4)拍攝像素：1 280×720/720×480/640×480 pixels；
    (5)拍攝文件格式：錄像AVI格式，拍照JPG格式，可連接電腦或在導航儀、手機等設備上即時播放；
    (6)支持幀率調節以節省空間或錄制最優質圖像功能；
    (7)支持SD/SDHC/MMC卡存儲拍攝，支持32 GB存儲卡；
    (8)帶有數字化部件，可以直接將數字圖像通過計算機端口（如并口、USB接口）或標準設備（如磁盤驅動器）傳送給計算機。
3 圖像預處理
    圖像采集之后，通過攝像機固有的模數轉換部件完成圖像數字化，通過端口輸入微處理器。
    因為攝像頭是隨汽車運動的，因此采集到的圖像難免會出現邊緣模糊。另外由于空氣狀況、日照變化、電磁等干擾，再加上圖像采集過程中會受到噪聲的影響，會使采集到的圖像變得模糊，如圖2所示，因此圖像采集完畢后需要進行圖像預處理。

    對于隨即干擾所產生的椒鹽噪聲可以用中值濾波處理[1]。圖3為圖2所示圖像經中值濾波后的效果圖。中值濾波是一種局部平均平滑技術，對于脈沖干擾和椒鹽的抑制效果較好。其濾波原理是：對一個滑動的窗口內的諸像素灰度排序，用其中值代替窗口中心像素(x，y)原來的灰度，若窗口中的像素有偶數個，則取兩個中間值的平均。
    對于圖像邊緣模糊問題可以用高通濾波方法處理。圖像中的邊沿或線條與圖像頻譜中的高頻分量相對應，因此可以用高通濾波的方法使低頻分量得到抑制，從而增強高頻分量使圖像邊沿或線條變得清晰[1]。理想高通濾波器的轉移函數為：

4 紅綠燈定位
    圖像預處理完畢后進入目標定位階段，需要在整幅圖像中定位出目標(即紅綠燈)，并標記出各個燈的位置。由于現實中圖像背景復雜，光照不均勻，因此在采集到的圖片中準確地定位紅綠燈的出現是整個系統的前提。
    事先對紅綠燈進行特征設定，紅綠燈特征之一是：版面多為黑色，即顏色較深，灰度值較低；另一特征是大多數紅綠燈外形固定，分橫豎兩種（本文以橫著的紅綠燈作為說明，豎著的類同），可以用訓練與學習的方法，先搜集一些紅綠燈樣本，進行特征標記[2]后存入訓練集，捕捉到待確定目標后與樣本對比，相似度達到一定程度即認為是目標。對于樣品的特征設定有多種方法，這里介紹一種簡單的模板法[3]。首先框定樣品的寬度和高度，對樣品進行二值化和邊緣提取，再將樣品的長度和寬度N等分，構成一個N×N均勻小區域，對于每一個小區域內的黑像素個數進行統計，除以該小區域的面積總數，所得值超過一個閾值標定為1，未超過的小區域標定為0，如圖4所示。這樣做的好處是針對同一形狀、不同大小的樣品得到的特征值相差不大，有能力對同一形狀、不同大小的樣品視為同類。這樣不論攝像機距離物體遠近都可以識別物體。

    執行時先對采集到的圖像進行大范圍相關搜索，由于紅綠燈外框基本為黑色，灰度值變化不大，用邊緣跟蹤[4]的方法尋找出紅綠燈外圍邊框，結果如圖5所示。邊緣跟蹤從起始點開始跟蹤，直到跟蹤的后續點回到起始點。邊緣跟蹤方法的基本原理是：確定一個灰度值較低的像素作為起始點，從左上角0點方向開始跟蹤，即用0點方向的鄰近像素與起始點比較，若灰度值相差不大，則視為同一物體，把此點作為新的起始點，將跟蹤方向逆轉90°作為新的跟蹤方向繼續跟蹤；若灰度值與起始點相差很大，則認為不是同一物體，將跟蹤方向順時針旋轉45°，沿新的跟蹤方向繼續跟蹤。重復上述方法，直到檢測點回到最開始的檢測點為止，此時將跟蹤圈定的目標定位待確定目標。確定待確定目標后對其進行二值化與邊緣提取，再與樣本訓練集里的樣本做比較。相似度超過一個閾值則認為是目標，記錄目標像素坐標。若相似度小于閾值，則認為是非目標。確定出紅綠燈位置后繼續與樣本對比，確定出各個燈的位置。

    具體流程如下：
    (1)對訓練集中的樣本進行特征提取并存儲。
    (2)對預處理后的圖像做搜索，用邊界跟蹤的方法圈定類目標物體。
    (3)將圈定的物體與樣本集里的樣本做比較，相似度超過一定閾值則認為是目標。將目標像素坐標標定存儲。
    (4)通過與樣本目標對比，標定出各個燈的位置并標記存儲坐標。
    流程如圖6所示。

5 顏色判別及輸出顯示
    根據德國物理學家赫姆霍茲(Helinholtz)的三原色理論[5]可知，各種顏色是由不同比例的三原色混合而成的，也就是說數字圖像中色彩是由R、G、B三個基本色組成的，被稱為是與設備相關的色彩空間。其中紅、綠可以組成黃色；藍、綠組成青色；紅、藍組成品紅色[6]。由此可以根據圖像中各個燈所在位置像素的R、G、B分量來判斷燈的顏色。具體實現方法如下：首先讀入像素地址并標定起始像素坐標，從上到下、自左而右地逐個判別該像素的顏色。比較各像素的顏色分量：若R>G+B，此像素為紅色，紅色像素數量加1，總像素數量加1；若G>R+B，此像素為綠色，綠色像素數量加1，總像素數量加1；若R、G分量大致相等且大于閾值T1，則此燈為黃色，黃色像素數量加1，總像素數量加1；若以上情況都不是，此像素未亮，總像素數量加1。然后計算各色像素與總像素的比值，通過比較得出比值最大者。最后判斷最大的比值是否大于閾值T2，若大于則此燈顏色為比值最大的量，否則認為此燈未亮。
    具體實現流程如圖7所示。

    對于輸出，可以選擇一種點陣LCD顯示器，根據辨別結果分別在相應的位置輸出“紅”、“綠”、“黃”等字眼。另外可以連接上警鈴，當紅燈出現時發出聲音提醒車主注意。
參考文獻
[1] 楊枝靈，王開.Visual C++數字圖象獲取處理及實踐應用[M].北京：人民郵電出版社，2003：175-190.
[2] 李志清，施智平，李志新，等.結構相似度稀疏編碼及其圖像特征提取[J].模式識別與人工智能，2010，23(1)：12-19.
[3] 楊淑瑩，李蘭友.圖像模式識別—VC++技術實現[M].北京：清華大學出版社，2005：37-52.
[4] 周寧寧，趙正旭，翁素文.圖像的中介邊緣檢測方法[J]. 中國圖象圖形學報，2010，15(3)：36-42.
[5] 薛朝華.顏色科學與計算機測色配色實用技術[M].北京：化學工業出版社，2004：90-112.
[6] 綦科，張大方，謝冬青.基于顏色梯度特性的彩色圖像隱寫分析[J].通信學報，2011，32(1)：23-27.