智能车图像处理入门 1

本次任务目标

理解预图像处理流程并完成预处理过程。

一、智能车图像处理环境介绍

智能车大多数组别使用C语言进行编程，而我们在本机处理图像时会用到OpenCV库，该库支持C++和Python，为保证兼容性，我们在编写图像处理部分代码时使用的是C++和OpenCV。

如果没有接触过C++语言和OpenCV也不用担心，对于C++语言我们只会用到C++的基础逻辑部分，这部分和C语言是一致的，因此不会涉及C++的特有特性，大家可以按照C语言的编程习惯进行代码编写；对于OpenCV，这里只作为显示图像的工具使用，整个图像处理流程不会涉及OpenCV。

二、示例代码框架下载

在群里下载，或者点击此链接：代码

三、环境安装

1、安装C++环境。

这里推荐几个C++编辑器：

(1) Visual Studio：

优点是易于配置，但缺点是占用空间较大。
配置方法参考：https://blog.csdn.net/m0_68719263/article/details/123883962

(2) VSCode+MinGW:

占用较小、插件丰富的代码编辑器，缺点是环境较难配置
配置方法请自行在网上寻找

2、安装OpenCV环境

使用Visual Studio参考：
https://blog.csdn.net/m0_47917394/article/details/122349918

https://blog.csdn.net/mars_xiaolei/article/details/78759041

使用VSCode或其他编辑器的同学请自行寻找方法

3、关于文件编码

如果打开文件没有出现乱码，所有中文字符都能正常显示，可以跳过此节。

为了移植方便，建议使用GB2312编码，上面给的代码也是GB2312格式。
如果使用的是Visual Studio那么默认应该就是GB2312，不需要做额外的更改。
如果使用的是VSCode或其他编辑器，请确保编辑器的文件编码是GB2312。

如果一打开文件发现中文是乱码状态，切记不要保存文件，这会破坏中文字符，修改为GB2312即可正常编辑。

三、图像格式简介

总钻风拍摄的图像为188*120的灰度图像，每个像素点的取值范围为0-255，越靠近0像素点越黑，越靠近255像素点越白。示例图像如下：

使用OpenCV读取灰度图像，图像会被处理成一个二维数组：image[IMAGE_H][IMAGE_W];
对于总钻风拍摄的原始图像，这个数组则为image[120][188];
图像共有120行，188列，在自己定义和使用函数或数组时一定要注意行和列的关系！！！

一张图像的最左上角像素点为image[0][0]；
最右上角像素点为image[0][IMAGE_W-1]；
最左下角像素点为image[IMAGE_H-1][0]；
最右下角像素点为image[IMAGE_H-1][IMAGE_W-1]

图像索引示例如表

图像索引示例
image[0][0]	...	...	...	...	image[0][IMAGE_W-1]
...	...	...	...	...	...
...	...	...	...	...	...
...	...	...	...	...	...
...	...	...	...	...	...
image[IMAGE_H-1][0]	...	...	...	...	image[IMAGE_H-1][IMAGE_W-1]

四、图像的预处理

在正式处理图像前，我们需要对图像进行预处理，这里贴一张预处理完后的图像：

预处理完的图像对应程序中的bin_image[image_h][image_w];
预处理过程会将图像进行压缩，压缩后的图像大小为94*60，对应的二维数组为bin_image[60][94];
我们后面的操作都是以这张预处理后的图像为基础的，原图像从这里就不再使用了。

常用的预处理流程如下：

1、使用大津法对图像进行二值化：`turn_to_bin();`

大津法在此不过多进行介绍，有兴趣可以去网络了解其原理，代码中已经集成了一个使用大津法进行计算的函数：otsuThreshold();
该函数已经在 turn_to_bin();函数中被调用。

图像二值化后，图像将只有黑(0)和白(255)两种颜色，易于我们进行处理。

2、压缩图像：`image_compress();`

压缩图像可以减轻芯片计算图像的压力。压缩后的图像大小为94*60
该函数接收两个参数，第一个是原图像，第二个是记录压缩后图像的数组。
对于我们提供的代码，可以通过image_compress(image, bin_image);来调用此函数

我们在预处理后实际处理的图像数组为二值化和压缩过的bin_image[image_h][image_w];

3、图像滤波：`image_filter();`

图像滤波可以去除图像中的噪点，减轻噪点对我们处理图像的干扰。

五、一些辅助函数的使用说明

1、`printToCSV();`

该函数可以将图片打印至一个csv文件中。使用office软件打开即可查看当前图像各像素点的值。
以下是生成的csv文件的示例：

为了更方便的阅读文件，建议按需对文件进行如下的处理：

(1) Ctrl+A全选所有单元格。

(2) 找到行和列，并打开

(3) 点击列宽，将列宽改为2

(4) Ctrl+H调出替换对话框，将0全部替换为黑色

查找内容填0
然后点击选项，点击“替换为”右边的“格式”，选择设置格式

然后选择图案，选择黑色，点击确认，最后全部替换即可。效果如图：

2、`draw_point();`

该函数可以改变某一点的颜色
函数有4个参数draw_point(col, row, GREEN, Binimage_color);
我们的图像格式为bin_image[image_h][image_w];

第一个参数是像素点的x轴的值
第二个参数是像素点的y轴的值
第三个参数为要改为的颜色，可供修改的颜色见 image_process.h 文件中的宏定义
第四个参数为要修改的图像，保持默认即可

提示：该函数配合for循环可以画出一条完整的线

注意：一般画线的操作是在整个图像处理过程结束后才进行的，该函数的调用位置已经在代码中使用说明文字（说明文字的样式见下一段文字）框起来了。

六、其他注意事项

// 说明文字-----------------------------------------
Your Code ...
// ------------------------------------------------

代码中有使用类似以上的代码段请仔细阅读，其中都是图像处理时可能用到的函数。

七、上手操作

如果已经配置好运行环境，直接以图片模式运行程序(PVFLAG=0)，你会得到两个图像：

Original和Binimage_color
其中Original是原图像，Binimage_color是处理后的图像，此时处理后的图像应该是黑色的。

1、请编辑image_process();对图像进行预处理，预处理后Binimage_color应该会正确显示处理后的二值化图像：

2、尝试使用draw_point();在图片中央画一条线，效果如图：