智能车图像处理-阳光算法

阳光算法见仁见智，多阈值OSTU和模糊OSTU是我参考论文进行改进的，整篇内容都放进了我的本科毕业论文中。

感谢大家的留言和指正，首先，这个算法经过实践，确实存在问题，因为当时毕业比较忙，我在智能车上试验了一下，觉得效果可以就没再深入发掘，后来一些车友们给我留言，有两个问题：一是在反光特别强烈的情况下，算法效果大打折扣，二是受限于场地、摄像头角度等因素，这个算法在不同车上会失效，没错。

作为车友，我希望给小白们进行一些指导，少走一些弯路，抛砖引玉。由于我研究生阶段研究方向是射频，所以对于算法中出现的问题我也没有场地和机会进行研究和校正了，如果你是一位看过我的文章并有心于降低比赛门槛的车友，希望你也能将自己的经验写成博客，如果需要我本人的word文档，请留言，我非常乐意提供，谢谢！

2022.8.20 补充
有同学底部留言问多阈值和模糊阈值的思路，我虽然毕业两年了，但是这个问题我还可以回答。
这两种思路其实本质上都是为了解决一个问题：怎么把阳光，赛道和蓝色衬底区分开。这其中的现实背景就是，在摄像头广角一定的前提下，蓝色衬底和赛道的灰度差距很大，而阳光的照射会使得蓝色衬底趋于白化。多阈值的思路就是，我第一次分割肯定是先把明显的蓝色衬底和其他两部分分隔开，第二次分割则是在赛道和光污染区域实现分离。模糊阈值，则是我一次性的处理三块区域，通过遍历灰度直方图谷点来实现不同区域灰度界限的分割，滑动L3的原因，是因为光污染区和赛道灰度值挨得太近，通过滑动L3来实现寻找最大方差，从而实现区域的明显分离。

这两种方式能行吗？当然可以，但是不代表可以处理一切情况。
（1）阳光过于强烈，摄像头看到的一片白茫茫，啥算法也没用，所以，摄像头必须得先处理。
（2）高度问题和广角问题，举个例子，高度十厘米，广角70°，前面一片阳光直射区，恰好全被摄像头读到了，一片白，什么阈值都没用，如果改成高度25cm，广角120，这时候范围就大了，摄像头看到的不止是阳光直射区，还有蓝色衬底，还是一些渐变区，这个时候，阈值法就可以发挥作用。
（3）场景问题，实验室的光照强度和范围，跟比赛场地是否一样呢？你在实验室调的很好的阈值参数到了比赛场地能够继续使用呢？这种问题，只有其他赛区先比赛了你才能知道，如果你的赛区是先开赛的，那自认倒霉吧。
（4）你可能会想，能不能存在通吃的算法，能，前提是硬件到位。百度无人驾驶车怎么做到全天候24小时运行的，摄像头贵啊，分辨率极高，我们的摄像头能有多高的分辨率，你用60*80，那就是在胡闹。只有硬件不出问题，只有摄像头读到的不是一片白茫茫，灰度值不是一片255或者0，算法才有运行的必要。
（5）对于多阈值，有没有可能需要三次阈值划分，四次阈值划分呢？对于模糊阈值，自动遍历的谷点是否是真的谷点，最后的（L2+L3）/2能不能再优化一下？简单的讲，任何一个算法，它的一些环节可能会具备不确定性，这种不确定性可能会累积导致结果出现较大偏差，作为探索者和使用者，你要想方设法把各个环节的不确定性降到最低，这是我读研两年来的切身体会。

我建议各位，可以先学习一点图像处理的知识，不要太深，浅尝辄止即可，然后万方、知网啥的，搜一些关于智能车的论文，当然绝大部分都比较水，但是一些学位论文还是值得看得，我T形处理的解决方案就是通过看论文自己摸索出来的。

今天的文章智能车图像处理-阳光算法分享到此就结束了，感谢您的阅读，如果确实帮到您，您可以动动手指转发给其他人。