车辆检测-基于车底阴影特征-基于路面灰度级的分割方法-高斯拟合直方图

C++代码，基于阴影的车辆假设区域生成，主要实现步骤：1.加载一张路面图片；2.加权平均灰度图；3.路面ROI提取（用于作为二值化分割的阈值提取）；4.对路面ROI进行canny边缘提取；5.对路面ROI进行路面信息提取（根据canny图，将非路面信息，车，路两边的干扰信息等剔除）；6.对步骤5中得到的图片信息进行直方图处理；7.对得到的直方图信息进行高斯拟合，得到直方图的标准差，均值信息；8.根据标准差和均值信息得到二值化的阈值；9.二值化处理，得到分割后的图像，得到所需要的车底阴影。

#include 
#include 
#include 
#include 
#include 
#include  
#include 
#include 
#include 
#include 
#include 
#include 
#include “opencv2/imgproc/imgproc.hpp“
#include “opencv2/highgui/highgui.hpp“
#include
#include 
#include “time.h“
#include 

using namespace cv;
using namespace std;
using namespace Eigen;

Mat getHistImage（const MatND& hist）;
vector gaussianfit（MatND & cal）;

int main（）
{
	Mat frame = imread（“原图.png“）;
	if
		（frame.empty（））
	{
		cout << “图像加载失败！“<< endl;
		return -1;
	}

    	int rows = frame.rows;
		int cols = frame.cols;

		Mat frame1 = Mat（rows cols CV_8UC1）;//灰度化图
		Mat frame3;
		//加权平均法灰度化
		for （int i = 0; i < rows; i++） {
			for （int j = 0; j < cols; j++） {
				frame1.at（i j） = saturate_cast（0.114*frame.at（i j）[0] + 0.587*frame.at（i j）[1] + 0.2989*frame.at（i j）[2]）;//加权平均																																				 //frame1.data[i*step2 + j] = （int）（0.11*frame.data[i*step + channels * j] + 0.59*frame.data[i*step + channels * j + 1] + 0.3*frame.data[i*step + channels * j + 2]）;
																																								 //frame1.at（i j） = max_3（frame.at（i j）[0] frame.at（i j）[1] frame.at（i j）[2]）;//最大值法
			}
		}

		frame3 = frame1.clone（）;//灰度图复制

		Mat roi = frame3（Rect（frame.cols / 8 frame.rows / 2 frame.cols * 3 / 4 frame.rows / 4））;
		Mat roicp = roi.clone（）;
		Canny（roi roi 150 80 3）;//边缘检测3X3 15080

		for （int i = 0; i < roi.cols; i++） {
			for （int j = 0; j < roi.rows; j++） {
				if （roi.at（Point（i roi.rows - j - 1）） == 255） {
					int num = roi.rows - j;
					for （int m = 0; m < num; m++） {
						roicp.at（Point（i m）） = 255;
					}
				}
			}
		}
		imshow（“roicp“ roicp）;

		int channel[1] = { 0 };
		int histsize[1] = { 256 };//直方图横坐标的子区间数
		float hrange[2] = { 0 255 };//区间的总范围
		const float *ranges[1] = { hrange };//指针数组
		Mat out;//size 256*1 row 256 col 1
		calcHist（&roicp 1 channel Mat（） out 1 histsize ranges）;//直方图
		Mat gau = out.clone（）;
		Mat last = getHistImage（out）;
		vector B;//B[0]=s标准差 B[1]=xmax B[2]=ymax
		B = gaussianfit（gau）;//高斯拟合
		//根据标准差的范围确定阈值计算规则
		double Sthresh;
		cout << “B[0]标准差“ << “:“ << B[0] << endl;
		cout << “B[1]均值“ << “:“ << B[1] << endl;
		Sthresh = B[1] - 3 * B[0];
		/*
		if （B[0] <= 10） {
		Sthresh = B[1] - 3 * B[0];
		}
		else if （B[0] <= 20 && B[0] > 10） {
		Sthresh = B[1] - 2 * B[0];
		}
		else if （B[0] <= 30 && B[0] > 20） {
		Sthresh = B[1] - B[0];
		}
		else {
		Sthresh = B[1];
		}
		*/
		cout << “阈值“ << “:“ << Sthresh << endl;

		GaussianBlur（frame1 frame1 Size（3 3） 0 0 BORDER_DEFAULT）;
		threshold（frame1 frame1 Sthresh 255 1）;//阈值底部分割

		imshow（“原图“ frame）;
		imshow（“二值化“ frame1）;
		waitKey（0）;
		retur

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----
     目录           0  2019-03-18 19:51  gaussianfit\
     目录           0  2019-03-18 18:55  gaussianfit\.vs\
     目录           0  2019-03-18 18:55  gaussianfit\.vs\gaussianfit\
     目录           0  2019-03-18 18:55  gaussianfit\.vs\gaussianfit\v14\
     文件       26112  2019-03-18 19:51  gaussianfit\.vs\gaussianfit\v14\.suo
     目录           0  2019-03-18 18:55  gaussianfit\Debug\
     目录           0  2019-03-18 19:31  gaussianfit\gaussianfit\
     文件    62390272  2019-03-18 19:51  gaussianfit\gaussianfit.sdf
     文件        1315  2019-03-18 18:55  gaussianfit\gaussianfit.sln
     目录           0  2019-03-18 18:55  gaussianfit\gaussianfit\Debug\
     目录           0  2019-03-18 18:55  gaussianfit\gaussianfit\Debug\gaussianfit.tlog\
     文件        5824  2019-03-18 19:08  gaussianfit\gaussianfit\gaussianfit.vcxproj
     文件         945  2019-03-18 19:08  gaussianfit\gaussianfit\gaussianfit.vcxproj.filters
     文件        5276  2019-03-18 19:31  gaussianfit\gaussianfit\main.cpp
     目录           0  2019-03-18 19:08  gaussianfit\gaussianfit\x64\
     目录           0  2019-03-18 19:31  gaussianfit\gaussianfit\x64\Release\
     文件         539  2019-03-18 19:31  gaussianfit\gaussianfit\x64\Release\gaussianfit.log
     目录           0  2019-03-18 19:31  gaussianfit\gaussianfit\x64\Release\gaussianfit.tlog\
     文件         626  2019-03-18 19:31  gaussianfit\gaussianfit\x64\Release\gaussianfit.tlog\CL.command.1.tlog
     文件       53582  2019-03-18 19:31  gaussianfit\gaussianfit\x64\Release\gaussianfit.tlog\CL.read.1.tlog
     文件         294  2019-03-18 19:31  gaussianfit\gaussianfit\x64\Release\gaussianfit.tlog\CL.write.1.tlog
     文件         188  2019-03-18 19:31  gaussianfit\gaussianfit\x64\Release\gaussianfit.tlog\gaussianfit.lastbuildstate
     文件        3146  2019-03-18 19:31  gaussianfit\gaussianfit\x64\Release\gaussianfit.tlog\link.command.1.tlog
     文件       10096  2019-03-18 19:31  gaussianfit\gaussianfit\x64\Release\gaussianfit.tlog\link.read.1.tlog
     文件         488  2019-03-18 19:31  gaussianfit\gaussianfit\x64\Release\gaussianfit.tlog\link.write.1.tlog
     文件     5889084  2019-03-18 19:31  gaussianfit\gaussianfit\x64\Release\main.obj
     文件     6860800  2019-03-18 19:31  gaussianfit\gaussianfit\x64\Release\vc140.pdb
     文件      119924  2019-03-18 19:30  gaussianfit\gaussianfit\原图.png
     目录           0  2019-03-18 19:08  gaussianfit\x64\
     目录           0  2019-03-18 19:08  gaussianfit\x64\Release\
     文件      101376  2019-03-18 19:31  gaussianfit\x64\Release\gaussianfit.exe
............此处省略3个文件信息