车道线检测---色彩空间变换
前几天,刚接触这个车道线检测的项目,给了一堆程序,由于刚接触很多东西都不懂,现将自己的学习过程记录下来,以便之后再利用。所遇到的第一个问题即是在车道线检测的过程中,对图像的处理,由于RGB色彩空间对于编程实现不方便,所以先将其转换为YUV,具体内容如下:
颜色空间是颜色集合的数学表示。三种最常用的颜色模型是:RGB(用于计算机图形学
中);YIQ、YUV或YCbCr(用于视频系统中))。为了更好的理解颜色模型,先介绍几个基本的颜色概念。
亮度(lightness or intensity or luminance):亮度是光作用于人眼所引起的明亮程度的感觉,它与被观察物体的发光强度有关。主要表现光的强和弱。
色调(hue):色调是当人眼看一种或多种波长的光时所产生的色彩感觉,它反映颜色的种类,是决定颜色的基本特征。
饱和度(saturation):饱和度是指颜色的纯度即掺入白光的程度,表示颜色深浅的程度。
例如:红色 + 白色 = 粉红色 饱和度下降,同时色调发生变化
需要说明的是,由于上面所提到的三种最常用的颜色模型与亮度、色度、饱和度这些直接概念没有直接的关系。所以又提出了其他的颜色空间模型,比如HSI和HSV,来简化编程和操作。
RGB颜色空间
颜色空间颜色空间
颜色空间
由于彩色显示器采用红、绿和蓝来生成目标颜色,所以RGB颜色空间是计算机图形学
最通常的选择,这样可以简化系统的构架与设计。
但是,当处理图像时,使用RGB颜色空间并不是很有效。例如,为了修改给定像素的亮度,必须同时从帧缓冲区中读出RGB三个分量,然后重新计算给定亮度对应的RGB值,执行相应的修改后再写回帧缓冲区。如果我们能够访问到直接以亮度格式存储的图像,那这个处理过程会简单很多。 RGB颜色空间的另一个缺点是,要在RGB颜色立方体中生成任何一种颜色,三个RGB分量都需要占用相同的带宽。这就使得每个RGB颜色分量的帧缓冲需要同样的像素深度和现实分辨率。 RGB颜色空间存在许多种不同类型的实现。
YUV颜色空间
颜色空间颜色空间
颜色空间 YUV是PAL制式和SECAM制式采用的颜色空间,其中Y代表亮度,UV代表色度。“亮度”是通过RGB输入信号来建立的,方法是将RGB信号的特定部分叠加到一起。
色度”则定义了颜色的两个方面,色调(hue)与饱和度(saturation),分别用Cr和Cb来表示。其中,Cr反映了RGB输入信号红色部分与RGB信号亮度值之间的差异。而Cb反映的是RGB输入信号蓝色部分与RGB信号亮度值之同的差异。
gamma校准的RGB与YUV颜色空间的转换的公式如下:
Y = 0.299R + 0.587G + 0.114B
U = -0.147R - 0.289G + 0.436B
=0.492(B-Y)
V = 0.615R - 0.515G - 0.100B
=0.877(R-Y)
R = Y + 1.140V
G = Y - 0.395U - 0.581V
B = Y + 2.032U 通常所说的YCbCr颜色空间实际上就是YUV颜色空间的缩放和偏移版本,YCbCr进行了图像子采样。
HSI、HLS和HSV颜色空间
颜色空间颜色空间
颜色空间 HSI (hue、saturation、intensity) 和HSV (hue、saturation、value) 颜色空间在设计上使得颜色感知和解释的方式与人很接近,在需要手动指定颜色值时经常需要使用它们。HLS (hue、lightness、saturation) 类似于HSI,只是使用了术语lightness,而不是光强度intensity来表示亮度。 HSI和HSV颜色空间的差异在于亮度分量(I or V)的计算方式。HSI颜色空间适合传统的图像处理函数,如卷积、均化、直方图等,可以通过处理亮度值来实现这些操作,因为亮度I对R、G、B值的依赖程度是一样的。HSV颜色空间适合处理色度和饱和度,因为它使得饱和度具有更大的动态取值范围。
车道线检测---色彩空间变换相关推荐
- 【车道线检测】Hough变换图片车道线检测 【含Matlab源码 276期】
⛄一.Hough变换图片车道线检测简介 1 引言 随着人们生活水平的提高, 科技的不断进步, 智能驾驶技术逐渐受到了研究者们的广泛研究和关注.先进驾驶辅助系统 (Advanced Driver Ass ...
- 基于边缘检测与Hough变换的车道线检测
基于边缘检测与Hough变换的车道线检测 第一章:绪论 1.1 研究意义及背景 高速公路的通行里程是一个国家发展水平的重要标志之一.高速公路具有车辆通行能力大.交通事故少.经济效益高的特点,它的不断发 ...
- 【车道线检测】基于matlab Hough变换图片车道线检测 【含Matlab源码 276期】
⛄一.Hough变换图片车道线检测简介 1 引言 随着人们生活水平的提高, 科技的不断进步, 智能驾驶技术逐渐受到了研究者们的广泛研究和关注.先进驾驶辅助系统 (Advanced Driver Ass ...
- 详解车道线检测算法之传统图像处理
点击上方"3D视觉工坊",选择"星标" 干货第一时间送达 / 导读 / 车道线检测算法分为传统图像处理方法和深度学习方法.本文详细介绍用传统图像处理方法来解决车 ...
- 3D车道线检测:Gen-LaneNet
3D车道线检测:Gen-LaneNet Gen-LaneNet: A Generalized and Scalable Approach for 3D Lane Detection 论文链接:http ...
- 车道线检测综述及新工作汇总
编辑丨3D视觉工坊 车道线检测综述及近期新工作--为ADAS.自动驾驶服务. 部分视频效果展示: https://www.bilibili.com/video/BV1E54y1V7G4 https:/ ...
- ECCV2020 | Gen-LaneNet:百度Apollo提出两阶段的3D车道线检测算法,已开源
点击上方"3D视觉工坊",选择"星标 干货第一时间送达 这篇文章收录于ECCV2020,是百度Apollo团队发表的关于3D车道线检测的文章,针对3D-LaneNet做了 ...
- 无人驾驶之车道线检测简易版
无人驾驶技术近些年发展迅速.无人车若想实现自动驾驶,从视觉的角度上讲其要先学会观察道路,具体来说,就是检测车道线.包括识别车道线与车的位置关系,是实线还是虚线等.本文将简单介绍车道线检测的基本技术,包 ...
- 智慧交通day03-车道线检测实现09:车道线检测代码汇总(Python3.8)
import cv2 import numpy as np import matplotlib.pyplot as plt #遍历文件夹 import glob from moviepy.editor ...
最新文章
- 八成名校AI教授,都拿过谷歌微软亚马逊们的钱
- 畅销书《简明的TensorFlow2》作者李卓桓开讲啦!
- python selenium webdriver_Python:selenium.webdriver问题(服务器上没有X)
- PAT1096 Consecutive Factors (20)(逻辑)
- 阮一峰react demo代码研究的学习笔记 - how is source code converted
- 虚拟机访问本地mysql_虚拟机访问主机Mysql
- Perl 字符串截取函数substr
- NIO流程记录(非源码,单reacter单线程)
- android重要的对象
- Linux学习(4)-文件颜色,绿色,蓝色,白色,红色等代表的意义
- Fabric实战(12)Fabric CA-账号服务器
- 积木创意:APP开发需要注意哪些事项?
- js实例之分解质因数
- oracle bpm 二次开发,Oracle BPM Suite产品详细说明
- 8051单片机内部结构
- 基于Singer混沌映射的麻雀搜索算法-附代码
- HTTP权威指南-连接部分
- Json解析-和风天气
- 移动端完成样式之后出现横向滚动条(X 轴滚动条)
- 一种在二维声子晶体的三维单胞能带中区分面内与面外模态的方法