4. 图像预处理：图像灰度化、高斯滤波、直方图均衡化、Canny边缘检测
各位同学，咱们今天聊聊图像预处理。说实话，这部分内容在自动驾驶感知里，就像盖房子打地基一样。地基没打好，后面什么车道线检测、可行驶区域计算，全得翻车。
我在项目里见过不少团队，一上来就急着跑模型，结果边缘检测出来全是噪声。为什么？预处理没做到位。今天我就把这四个核心步骤掰开揉碎了讲给你听。
4.1 图像灰度化
摄像头采集到的原始图像，通常是RGB三通道的彩色图。但咱们做边缘检测时，其实不需要颜色信息。为什么？因为边缘是亮度突变的地方，跟颜色关系不大。
灰度化说白了，就是把每个像素的RGB值，按照一个权重公式，算出一个灰度值。常用的公式是：
Gray = 0.299 * R + 0.587 * G + 0.114 * B这个权重不是随便定的。人眼对绿色最敏感，对蓝色最不敏感。所以绿色权重最高，蓝色最低。嗯，这里要注意，有些库直接用平均值法（R+G+B)/3，效果其实差不少。
cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)。它内部用的就是上面那个加权公式。别自己手写，容易出错。
4.2 高斯滤波
灰度化之后，图像里还有噪声。比如摄像头传感器的高斯噪声、路面反光造成的椒盐噪声。这些噪声如果不处理，Canny边缘检测会把它当成边缘，结果就是一堆假边缘。
高斯滤波的原理，我简单说一下。它用一个高斯核（一个权重矩阵）去扫过整张图像。每个像素的新值，是它周围像素的加权平均。离中心越近，权重越大。
举个例子，一个5x5的高斯核，中心点的权重最高，边缘的权重低。这样平滑效果自然，不会像均值滤波那样产生块状效应。
import cv2
import numpy as np
# 读取图像
img = cv2.imread('road.jpg', cv2.IMREAD_GRAYSCALE)
# 高斯滤波，核大小5x5，sigma=1.0
blurred = cv2.GaussianBlur(img, (5, 5), 1.0)4.3 直方图均衡化
你想想看，自动驾驶的车子，一天要经历各种光照条件。大晴天、阴天、黄昏、隧道入口。光照不均匀，图像对比度就会很差。直方图均衡化就是来解决这个问题的。
它的原理很简单：把图像的灰度直方图，从集中在某个小范围，拉伸到整个0-255范围。这样暗的地方变亮，亮的地方变暗，细节就出来了。
我举个例子。你在隧道里拍到的路面，整体偏暗，灰度值集中在30-80之间。均衡化之后，灰度值分布到0-255，路面的纹理、裂缝全都能看清了。
# 直方图均衡化
equalized = cv2.equalizeHist(blurred)但这里有个坑。直方图均衡化会放大噪声。所以一定要先做高斯滤波，再做均衡化。顺序不能乱。
重要： 在夜间场景下，我建议用CLAHE（对比度受限自适应直方图均衡化）。它把图像分成小块，每块单独做均衡化，效果比全局均衡化好很多。代码是 cv2.createCLAHE(clipLimit=2.0, tileGridSize=(8,8))。
4.4 Canny边缘检测
终于到了核心环节。Canny边缘检测，说白了就是找图像中亮度变化剧烈的地方。这些地方，就是道路边界、车道线、路沿。
Canny算法分四步走：
- 高斯滤波：去噪声，我们已经做过了。
- 计算梯度：用Sobel算子算水平和垂直方向的梯度，得到梯度幅值和方向。
- 非极大值抑制：只保留梯度方向上的局部最大值，把其他像素置零。这一步让边缘变细。
- 双阈值检测：设定高低两个阈值。高于高阈值的，是强边缘；介于中间的，是弱边缘；低于低阈值的，直接丢弃。弱边缘只有跟强边缘相连，才保留。
为什么Canny这么流行？因为它能检测出单像素宽度的边缘，而且对噪声鲁棒。我在项目中用过很多边缘检测算法，Sobel太粗，Laplacian对噪声太敏感，最后还是Canny最稳。
# Canny边缘检测
# 参数：低阈值50，高阈值150
edges = cv2.Canny(equalized, 50, 150)
# 显示结果
cv2.imshow('Edges', edges)
cv2.waitKey(0)4.5 完整流程串联
好了，四个步骤都讲完了。咱们把它们串起来，形成一个完整的预处理流水线：
import cv2
def preprocess(image_path):
# 1. 读取图像
img = cv2.imread(image_path)
# 2. 灰度化
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
# 3. 高斯滤波
blurred = cv2.GaussianBlur(gray, (5, 5), 1.0)
# 4. 直方图均衡化
equalized = cv2.equalizeHist(blurred)
# 5. Canny边缘检测
edges = cv2.Canny(equalized, 50, 150)
return edges这个流程，我在多个量产项目里都用过。效果稳定，计算量也不大。在嵌入式平台上，一帧640x480的图像，预处理时间能控制在10ms以内。
4.6 常见问题与调试
| 现象 | 可能原因 | 解决办法 |
|---|---|---|
| 边缘太多，全是噪声 | 高斯滤波核太小，或Canny阈值太低 | 增大核大小，提高低阈值 |
| 边缘断断续续 | Canny阈值太高，或图像对比度不足 | 降低阈值，或加强直方图均衡化 |
| 边缘位置偏移 | 高斯滤波核太大，导致边缘模糊 | 减小核大小，或改用双边滤波 |
| 处理速度慢 | 图像分辨率太高，或核太大 | 先降采样，再预处理 |
好了，图像预处理这部分就讲到这里。记住，预处理做得好，后面的道路边界检测就成功了一半。下一章咱们聊聊如何从这些边缘中提取出真正的道路边界线。
公众号:蓝海资料掘金营，微信deep3321