实现车道检测

案例© Fu Xianjun. All Rights Reserved. 

一:导包

import cv2
import numpy as np

二:定义边缘检测函数和感兴趣区域函数

def canny(image):
    blur = cv2.GaussianBlur(image,(5,5),0)#降低噪点
    canny = cv2.Canny(blur,50,150)  #边缘检测
    return canny

def region_of_interest(image):#应用遮罩
    height = image.shape[0]
    ploygons = np.array([[(200,height),(1100,height),(550,250)]]) 
    mask = np.zeros_like(image)    #生成一个和img.shape相同的全0数组
    cv2.fillPoly(mask,ploygons,255)   #填充多边形
    return mask

三:导图
image = cv2.imread('test_image.jpg',0)
imgcopy = image.copy()
四:图片处理
lane_image = np.copy(image)
canny = canny(lane_image)
roi = region_of_interest(canny)   #ROI 
masked_image = cv2.bitwise_and(image,roi)#通过 bitwise_and 对两个图像的每一个像素做与运算，来将遮罩应用图像

ret, thresh = cv2.threshold(masked_image, 130, 145, cv2.THRESH_BINARY)   #图像阈值化
lines = cv2.HoughLinesP(thresh, 1, np.pi/180, 30, maxLineGap=200)     #霍夫直线检测
四:画图

for line in lines:
    x1, y1, x2, y2 = line[0]
    cv2.line(imgcopy, (x1, y1), (x2, y2), (255, 0, 0), 3)  #绘制图像
cv2.imshow('image',imgcopy)
cv2.waitKey(0)
cv2.destroyAllWindows()

原图

效果图