本發(fā)明涉及圖像處理領域，特別涉及一種車身平滑區(qū)域定位方法和設備。

技術背景

隨著現(xiàn)代社會車輛的廣泛使用，越來越多的車輛識別設備被廣泛應用于對停車場、城市道路和高速公路等區(qū)域抓拍的車輛圖像進行識別。目前，車牌識別是車輛識別設備的主要方法，但由于存在車牌污損、車牌識別區(qū)域受曝光及背光的影響等因素，使得車輛識別設備無法進一步滿足市場更快更準確的識別需求。在這樣的市場需求下，通過車輛的車身顏色識別，提供車輛輔助信息與車牌識別信息聯(lián)合識別車輛的設備隨之出現(xiàn)。

現(xiàn)有技術中，車身顏色識別是選取車身的局部能代表整體車身顏色的區(qū)域，通過訓練局部區(qū)域的顏色特征模型，實現(xiàn)通過識別車身上局部區(qū)域結(jié)果代表整體車身顏色的目的。

經(jīng)過研究發(fā)現(xiàn)，由于車身區(qū)域不可避免的會存在一些光照及陰影的現(xiàn)象，如果選取的局部區(qū)域中存在光照及陰影，會對局部區(qū)域的顏色識別造成很大的影響，可能會使車身顏色識別的結(jié)果不準確，從而導致整個車輛識別設備不能正常運行。

然而在現(xiàn)有技術中，對于車身局部區(qū)域的選取并沒有考慮到光照及陰影現(xiàn)象的存在，使得選取的局部區(qū)域顏色并不能代表車身整體區(qū)域顏色，造成之后車身顏色識別結(jié)果的準確性得不到保證，導致整個車輛識別設備的準確性降低。

技術實現(xiàn)要素：

本發(fā)明實施例所要解決的技術問題是，提供一種車身平滑區(qū)域定位方法和設備，以在車身區(qū)域存在光照及陰影現(xiàn)象的情況下，盡量避免選取的區(qū)域受到光照及陰影的影響。

為解決上述技術問題，本發(fā)明實施例提供了一種車身平滑區(qū)域定位方法，該方法包括：

獲取車身區(qū)域圖像；

對所述車身區(qū)域圖像進行計算，獲取邊緣紋理圖像和積分圖，并計算出每行邊緣紋理積分值；

根據(jù)所述每行邊緣紋理積分值和預先設定的閾值進行第一次聚類，記錄第一次聚類每行的類別值；

根據(jù)所述第一次聚類每行的類別值進行第二次聚類，記錄第二次聚類每個新類別中包含的行數(shù)和每行對應的第一次聚類的類別值；

從第二次聚類的新類別中確定出滿足平滑條件的區(qū)域作為車身平滑區(qū)域。

優(yōu)選的，所述根據(jù)每行邊緣紋理積分值和預先設定的閾值進行第一次聚類，包括：

將車身區(qū)域下邊界所屬類別賦值為1，則所屬類別1中最大值和最小值均為所述車身區(qū)域下邊界的邊緣紋理積分值；

對除下邊界外的其余每行由下向上遍歷判斷本行邊緣紋理積分值是否與已找到類別對應的最大值或最小值的絕對差值小于所述閾值；

如果是，則將本行所屬類別賦值為已找到類別的類別值，且判斷本行邊緣紋理積分值是否大于已找到類別對應的最大值或小于已找到類別對應的最小值；若本行邊緣紋理積分值大于所述最大值，則將所述最大值賦值為本行邊緣紋理積分值，若本行邊緣紋理積分值小于所述最小值，則將所述最小值賦值為本行邊緣紋理積分值，若本行邊緣紋理積分值不大于所述最大值且不小于所述最小值，則不改變已找到類別對應的所述最大值和所述最小值；

如果否，則將本行所屬類別賦值為下一類別值，且將所述下一類別的最大值和最小值賦值為本行邊緣紋理積分值，并對所有已找到類別重新排序。

優(yōu)選的，所述根據(jù)第一次聚類每行的類別值進行第二次聚類，包括：

將車身區(qū)域下邊界所屬新類別賦值為1，則所屬新類別1中最大值和最小值均為所述車身區(qū)域下邊界對應的第一次聚類類別值；

對除下邊界外的其余每行由下向上遍歷判斷本行對應的第一次聚類類別值是否與上一行所述新類別對應的最大值或最小值的絕對差值小于等于1；

如果是，則將本行所屬新類別賦值為上一行新類別的類別值，且判斷本行對應的第一次聚類類別值是否大于上一行新類別對應的最大值或小于上一行新類別對應的最小值；若本行對應的第一次聚類類別值大于所述最大值，則將所述最大值賦值為本行對應的第一次聚類類別值，若本行對應的第一次聚類類別值小于所述最小值，則將所述最小值賦值為本行對應的第一次聚類類別值，若本行對應的第一次聚類類別值不大于所述最大值且不小于所述最小值，則不改變上一行新類別對應的所述最大值和所述最小值；

如果否，則將本行所屬新類別賦值為下一新類別值，且將下一新類別的最大值和最小值賦值為本行對應的第一次聚類類別值。

優(yōu)選的，所述確定出滿足平滑條件的區(qū)域作為車身平滑區(qū)域，包括：

判斷是否存在滿足所述平滑條件的區(qū)域；

如果是，選擇滿足所述平滑條件的區(qū)域中對應第一次聚類類別值平均值最小的區(qū)域作為所述車身平滑區(qū)域；

如果否，則改變所述預先設定的閾值，重復進行所述第一次聚類和第二次聚類的運算，直到判斷出存在滿足所述平滑條件的區(qū)域并選擇出所述車身平滑區(qū)域。

優(yōu)選的，所述平滑條件具體為：

第二次聚類新類別中包含的邊緣紋理行數(shù)大于等于規(guī)定行數(shù)且對應最大第一次聚類的類別值小于設定類別值。

優(yōu)選的，所述對車身區(qū)域圖像進行計算，獲取邊緣紋理圖像和積分圖，并計算出每行邊緣紋理積分值，包括：

對車身區(qū)域進行卷積計算獲取邊緣紋理圖像和對所述邊緣紋理圖像計算獲取積分圖，并根據(jù)所述邊緣紋理圖像和積分圖計算出每行邊緣紋理積分值。

此外，本發(fā)明實施例提供了一種車身平滑區(qū)域定位設備，該設備包括：

獲取模塊，用于獲取車身區(qū)域圖像；

計算模塊，用于對車身區(qū)域圖像進行計算，獲取邊緣紋理圖像和積分圖，并計算出每行邊緣紋理積分值；

第一聚類模塊，用于根據(jù)每行邊緣紋理積分值和預先設定的閾值進行第一次聚類，記錄第一次聚類每行的類別值；

第二聚類模塊，用于根據(jù)第一次聚類每行的類別值進行第二次聚類，記錄第二次聚類每個新類別中包含的行數(shù)和每行對應的第一次聚類的類別值；

確定模塊，用于從第二次聚類的新類別中確定出滿足平滑條件的區(qū)域作為車身平滑區(qū)域。

優(yōu)選的，所述第一聚類模塊，包括：

閾值設定模塊，用于設定第一次聚類的閾值；

第一賦值模塊，用于將車身區(qū)域下邊界所屬類別賦值為1，則所屬類別1中最大值和最小值均賦值為所述車身區(qū)域下邊界的邊緣紋理積分值；

第一判斷模塊，用于對除下邊界外的其余每行由下向上遍歷判斷本行邊緣紋理積分值是否與已找到類別對應的最大值或最小值的絕對差值小于所述閾值；如果是，繼續(xù)判斷本行邊緣紋理積分值是否大于已找到類別對應的最大值或小于已找到類別對應的最小值，向第二賦值模塊發(fā)送信號；如果否，向第三賦值模塊發(fā)送信號；

第二賦值模塊，用于響應第一判斷模塊發(fā)送的信號，將本行所屬類別賦值為已找到類別的類別值，更新已找到類別對應的所述最大值和所述最小值；

第三賦值模塊，用于響應第一判斷模塊發(fā)送的信號，將本行所屬類別賦值為下一類別值，且將所述下一類別的最大值和最小值賦值為本行邊緣紋理積分值，并對所有已找到類別重新排序；

第一記錄模塊,用于記錄遍歷結(jié)束后每行對應的類別。

優(yōu)選的，所述第二聚類模塊，包括：

第四賦值模塊，用于將車身區(qū)域下邊界所屬新類別賦值為1，則所屬新類別1中最大值和最小值均為所述車身區(qū)域下邊界對應的第一次聚類類別值；

第二判斷模塊，用于對除下邊界外的其余每行由下向上遍歷判斷本行對應的第一次聚類類別值是否與上一行所述新類別對應的最大值或最小值的絕對差值小于等于1；如果是，繼續(xù)判斷本行對應的第一次聚類類別值是否大于上一行新類別對應的最大值或小于上一行新類別對應的最小值，向第五賦值模塊發(fā)送信號；如果否，向第六賦值模塊發(fā)送信號；

第五賦值模塊，用于響應第四判斷模塊發(fā)送的信號，將本行所屬新類別賦值為上一行新類別的新類別值，更新上一行新類別對應的所述最大值和所述最小值；

第六賦值模塊，用于響應第二判斷模塊發(fā)送的信號，將本行所屬新類別賦值為下一新類別值，且將所述下一新類別的最大值和最小值賦值為本行對應的第一次聚類類別值；

第二記錄模塊，用于記錄遍歷結(jié)束后第二次聚類每個新類別中包含的行數(shù)和每行對應的第一次聚類的類別值。

優(yōu)選的，所述確定模塊，包括：

第三判斷模塊，用于判斷是否存在滿足第二次聚類新類別中包含的邊緣紋理行數(shù)大于等于規(guī)定行數(shù)且對應最大第一次聚類的類別值小于設定類別值的區(qū)域；如果是，向選擇模塊發(fā)送信號；如果否，向第一聚類模塊發(fā)送信號；

選擇模塊，用于選擇所述滿足第二次聚類新類別中包含的邊緣紋理行數(shù)大于等于規(guī)定行數(shù)且對應最大第一次聚類的類別值小于設定類別值的區(qū)域中對應第一次聚類的類別值平均值最小的區(qū)域作為所述車身平滑區(qū)域。

本發(fā)明所提供的一種車身平滑區(qū)域定位方法和設備，包括獲取車身區(qū)域圖像；對所述車身區(qū)域圖像進行計算，獲取邊緣紋理圖像和積分圖，并計算出每行邊緣紋理積分值；根據(jù)所述每行邊緣紋理積分值和預先設定的閾值進行第一次聚類，記錄第一次聚類每行的類別值；根據(jù)所述第一次聚類每行的類別值進行第二次聚類，記錄第二次聚類每個新類別中包含的行數(shù)和每行對應的第一次聚類的類別值；從第二次聚類的新類別中確定出滿足平滑條件的區(qū)域作為車身平滑區(qū)域。

可見，本發(fā)明通過對所述車身區(qū)域圖像的處理將光照及投影的現(xiàn)象在每行邊緣紋理積分值的中體現(xiàn)了出來，通過兩次聚類的策略，實現(xiàn)快速準確的定位車身最平滑的區(qū)域即車身受光照和投影影響最小的區(qū)域。

附圖說明

為了更清楚地說明本申請實施例中的技術方案，下面將對實施例描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本申請的一些實施例，對于本領域普通技術人員來講，在不付出創(chuàng)造性勞動性的前提下，還可以根據(jù)這些附圖獲得其他的附圖。

圖1為本發(fā)明實施例提供的一種車身平滑區(qū)域定位方法的流程圖；

圖2為本發(fā)明實施例提供的一種車身平滑區(qū)域定位方法中第一次聚類的流程圖；

圖3為本發(fā)明實施例提供的一種車身平滑區(qū)域定位方法中第二次聚類的流程圖；

圖4為本發(fā)明實施例提供的一種車身平滑區(qū)域定位設備的結(jié)構(gòu)圖。

具體實施方式

下面將結(jié)合本申請實施例中的附圖，對本申請實施例中的技術方案進行清楚、完整地描述，顯然，所描述的實施例僅僅是本申請一部分實施例，而不是全部的實施例?；诒旧暾堉械膶嵤├?，本領域普通技術人員在沒有做出創(chuàng)造性勞動前提下所獲得的所有其他實施例，都屬于本申請保護的范圍。

請參考圖1，圖1為本發(fā)明實施例提供的一種車身平滑區(qū)域定位方法的流程圖。該方法可以包括：

步驟101：獲取車身區(qū)域圖像。

其中，所述車身區(qū)域圖像為車身區(qū)域灰度圖像。

具體實施中，可以從車輛YUV圖像中提取出Y分量圖像，也就是灰度圖像，通過車牌定位的方法對車牌坐標進行定位，從而依據(jù)車牌坐標，獲取待檢測的車身區(qū)域。例如：以車牌上邊界寬度為寬，以車牌上邊界6倍車牌高度為長，就可以獲取待檢測車身區(qū)域的矩形區(qū)域坐標。

當然，獲取車身區(qū)域圖像的方法有很多，本實施例中的方法只是其中一種優(yōu)選方法，通過其他方法也可以達到本發(fā)明實施例的目的，本發(fā)明實施例對此不受任何限制。

步驟102：對所述車身區(qū)域圖像進行計算，獲取邊緣紋理圖像和積分圖，并計算出每行邊緣紋理積分值。

其中，本步驟的目的是為了將車身區(qū)域圖像內(nèi)的光照及投影的現(xiàn)象以每行邊緣紋理積分值的形式數(shù)字化的表現(xiàn)出來。

具體實施中，可以對車身區(qū)域圖像使用的卷積核以步伐1進行卷積運算，獲取邊緣紋理圖像；為了避免一個區(qū)域的邊緣紋理積分值累加重復計算，采用積分圖思想，積分圖上的每個點(x,y)包含了從點(0,0)到點(x,y)所有的像素的邊緣紋理積分值。若M(x,y)表示邊緣紋理圖，O(x,y)表示積分圖，則O(x,y)＝∑_{x'≤x,y'≤y}M(x',y')根據(jù)積分圖，獲取每行的邊緣紋理積分值R(n)＝O(x_n,y_n)-O(0,y_n-1)。

步驟103：根據(jù)所述每行邊緣紋理積分值和預先設定的閾值進行第一次聚類，記錄第一次聚類每行的類別值。

可以理解，由于每行邊緣紋理積分值相差數(shù)值較大，可能每行邊緣紋理積分值的數(shù)值差很大的情況下仍為相似邊緣紋理屬于一個類別，因此本步驟目的是為了將每行的邊緣紋理積分值替換為第一次聚類每行的類別值，便于對車身區(qū)域內(nèi)的平滑區(qū)域的判斷。

具體實施中，步驟103可以進一步包括：

步驟1031：迭代次數(shù)N加1，閾值thresh＝10+20*N。

其中，迭代次數(shù)N初始值可以為0，本實施例對閾值thresh的設定只是一種優(yōu)選設定方式，即閾值的設定以及修改方式都可以由用戶根據(jù)實際情況進行設置。采用其他方式的設定同樣能夠達到本范明實施例的目的，本發(fā)明實施例對此不受任何限制。

步驟1032：將每行邊緣紋理積分值相隔閾值thresh大小聚為一類，并記錄每行的類別值。

本步驟是本發(fā)明實施例的第一次聚類，將相似的邊緣紋理積分值聚為一類，可以采用冒泡排序的方式，小的邊緣紋理積分值對應的類別小。也可以采用其他比較形式，只要可以實現(xiàn)全面比較，將相似的邊緣紋理積分值聚為一類即可。

步驟104：根據(jù)所述第一次聚類每行的類別值進行第二次聚類，記錄第二次聚類每個新類別中包含的行數(shù)和每行對應的第一次聚類的類別值。

其中，第二次聚類的各個新類別代表著車身各個區(qū)域，本步驟的目的是通過第二次聚類，將相鄰行第一次聚類的類別值差異較小的聚為一類，方便對車身區(qū)域內(nèi)邊緣紋理積分值小的車身光滑區(qū)域?qū)ふ摇?/p>

步驟105：從第二次聚類的新類別中確定出滿足平滑條件的區(qū)域作為車身平滑區(qū)域。

其中，平滑條件是根據(jù)用戶或?qū)I(yè)規(guī)定使用的判斷區(qū)域平滑的標準，包括兩次聚類后，第二次聚類新類別中包含的邊緣紋理行數(shù)大于等于規(guī)定行數(shù)且對應最大第一次聚類的類別值小于設定類別值。相應的這里的規(guī)定行數(shù)以及設定類別值都可以根據(jù)實際情況進行選擇，這里數(shù)值設定不同會對結(jié)果范圍有一定的影響，數(shù)值選擇越準確，結(jié)果更精確。例如本實施例中使用的平滑條件可以為：第二次聚類新類別中包含的邊緣紋理行數(shù)大于等于5且對應最大第一次聚類的類別值小于15。

具體實施中，步驟105可以進一步包括：

步驟1051：判斷是否存在滿足第二次聚類新類別中包含的邊緣紋理行數(shù)大于等于5且對應最大第一次聚類的類別值小于15的區(qū)域；如果是，進入步驟1502；如果否，進入步驟1301。

本步驟是為了判斷車身區(qū)域使用當前閾值是否存在車身平滑區(qū)域，存在則進行接下來的步驟，不存在則調(diào)整閾值，重復進行上述兩次聚類，直至判斷出存在車身平滑區(qū)域。

步驟1052：選擇滿足第二次聚類新類別中包含的邊緣紋理行數(shù)大于等于5且對應最大第一次聚類的類別值小于15的區(qū)域中對應第一次聚類類別值平均值最小的區(qū)域作為所述車身平滑區(qū)域。

本步驟目的是為了從滿足平滑條件的區(qū)域中，選取最平滑的區(qū)域作為車身平滑區(qū)域。

可以理解的是，選取對應第一次聚類類別值平均值最小的區(qū)域作為所述車身平滑區(qū)域，只是確定車身平滑區(qū)域的一種優(yōu)選方式，在滿足用戶要求或規(guī)定的情況下，也可以選取多塊對應第一次聚類類別值平均值較小的區(qū)域作為所述車身平滑區(qū)域，例如：選取對應第一次聚類類別值平均值最小和次小的區(qū)域作為所述車身平滑區(qū)域；或者可以在滿足平滑條件的區(qū)域中，隨機選取一塊或幾塊區(qū)域作為所述車身平滑區(qū)域。

需要說明的是，本發(fā)明實施例中是選取對應第一次聚類類別值平均值最小的區(qū)域作為所述車身平滑區(qū)域，還可以選取對應第一次聚類最大類別值最小的區(qū)域作為所述車身平滑區(qū)域。

參考圖2，圖2為圖1中第一次聚類的流程圖，也就是步驟103或步驟1032中聚類的具體流程，包括：

步驟201：以車牌上邊界為起始行，遍歷車牌上邊界每行j。

其中，所述車牌上邊界也就是本實施例中車身區(qū)域的下邊界為起始行，則此行j的值為1。本步驟是為了確定第一次聚類的起始行，確保對車身區(qū)域內(nèi)的所有行都會遍歷進行本次聚類。

本實施例中是以車身區(qū)域下邊界為起始行，對車身區(qū)域內(nèi)所有行進行遍歷，還可以將起始行確定為其他邊界或中間行，只要能夠?qū)嚿韰^(qū)域內(nèi)所有行進行遍歷，起始行的選取并不影響實現(xiàn)本實施例的目的。遍歷過程中的賦值可以從1是便于后續(xù)排序進行比較，當然若用戶能夠大致預測第一次聚類后的類別也可以按照從大到小的順序進行比較排序，也可以從2或者其他指定數(shù)值開始。這里要強調(diào)的是本實施例中重要的這種遍歷聚類的思想，具體賦值情況僅僅關系到后續(xù)判定條件的設定。

步驟202：該行j是否等于1；如果是，進入步驟203，如果否，進入步驟204。

本步驟目的是為了確定本次聚類從起始行開始聚類，以便接下來對起始行類別的賦值。

步驟203：該行所屬的類別賦值為1；該類別的最大值和最小值等于該行積分值；進入步驟201。

本步驟中所述類別的最大值和最小值為接下來對其余每行對應類別賦值的比較條件。

步驟204：該行積分值與已找到類別的最大值或最小值的絕對值差是否小于閾值thresh；如果否，進入步驟205；如果是，進入步驟206。

其中，該行與已找到的類別進行比較判斷，可以按照已找到類別由小到大的順序依次進行，直至判斷出結(jié)果。本步驟是在對進行聚類的行進行分類，通過該行積分值判斷該行是否可以賦值為已找到的類別。

步驟205：該行賦值新的類別值，該新的類別的最大值和最小值等于該行積分值，對所有已找到類別重新排序；進入步驟209。

其中，所述新的類別值可以為已有最大類別值的再加1的新的類別值。所述對所有已找到類別重新排序可以采用冒泡排序的方式，比較類別中的最大值或最小值，將所有已找到的類別按由小到大的順序排列，并對排列后相鄰類別大類別中的最小值和小類別中的最大值進行比較，如果絕對值差小于閾值thresh，可以將這兩個類別合成一個類別；比較結(jié)束后，將所有類別按由小到大從1開始重新賦值。

步驟206：該行積分值是否比該類別中的最大值大或最小值小；如果否，進入步驟207；如果是，進入步驟208。

可以理解，所述該類別為已找到類別中該行在步驟204中判斷結(jié)果為是的類別。本步驟的目的是判斷該類別中的最大值或最小值是否需要更新。

步驟207：該行賦值為該類別值；進入步驟209。

步驟208：該行賦值為該類別值，更新該類別中的最大值或最小值。

其中，所述更新該類別中的最大值或最小值具體可以為：如果該行積分值比該類別中的最大值大，則將該類別中的最大值更新為該行積分值；如果該行積分值比該類別中最小值小，則將該類別中的最小值更新為該行積分值。

步驟209：遍歷是否結(jié)束；如果是，則結(jié)束；如果否，則進入步驟201。

本發(fā)明實施中的第一次聚類是為了將相似的邊緣紋理積分值聚為一類，從而可以將每行的邊緣紋理積分值替換為該行的類別值，進行下一次聚類。

參考圖3，圖3為圖1中第二次聚類的流程圖，也就是步驟104中聚類的具體流程，包括：

步驟301：以車牌上邊界為起始行，遍歷車牌上邊界每行j。

步驟302：該行j是否等于1；如果是，進入步驟303，如果否，進入步驟304。

以上兩個步驟的內(nèi)容和目的與步驟201和202類似，在此不再贅述。

步驟303：該行所屬的新類別賦值為1；該新類別的最大值和最小值等于該行第一次聚類對應的類別值；進入步驟301。

本步驟中所述新類別的最大值和最小值為接下來對其余每行對應新類別賦值的比較條件。

步驟304：該行第一次聚類對應的類別值與上一行對應新類別中的最大值或最小值的絕對值差是否小于等于1；如果否，則進入步驟305；如果是，則進入步驟306。

可以理解，本步驟是通過該行第一次聚類對應的類別值與上一行歸屬的新類別中的最大值或最小值進行比較，判斷相鄰行是否可以歸屬同一個新類別。因此這里是通過絕對值差是否小于等于1來判定是否可以歸為一類，根據(jù)實際對于結(jié)果精度的不同需求，這里的1可以設置為其他值。

步驟305：該行賦值新的新類別值，該新的新類別的最大值和最小值等于該行第一次聚類對應的類別值。

其中，所述新的新類別值為上一行對應的新類別值的再加1的新的新類別值。

步驟306：該行第一次聚類對應的類別值是否比該新類別中的最大值大或最小值小；如果否，進入步驟307；如果是，進入步驟308。

可以理解，所述該新類別為上一行對應的新類別。本步驟的目的是判斷該新類別中的最大值或最小值是否需要更新。

步驟307：該行賦值為該新類別值；進入步驟309。

步驟308：該行賦值為該新類別值，更新該新類別中的最大值或最小值。

其中，所述更新該新類別中的最大值或最小值具體為：如果該行積分值比該新類別中的最大值大，則將該新類別中的最大值更新為該行積分值；如果該行積分值比該新類別中最小值小，則將該新類別中的最小值更新為該行積分值。

步驟309：遍歷是否結(jié)束；如果是，則結(jié)束；如果否，則進入步驟301。

本發(fā)明實施中的第二次聚類是將相鄰行第一次聚類的類別值差異較小的聚為一類，方便對車身區(qū)域內(nèi)邊緣紋理積分值小的車身光滑區(qū)域?qū)ふ摇?/p>

需要說明的是，本實施例中出現(xiàn)的“本行”和“該行”均為兩次聚類過程中，正在進行判斷或賦值的行。

可以理解的是，本發(fā)明實施中第一次聚類的類別或第二次聚類的新類別包含了車身區(qū)域內(nèi)的各行，而第一次聚類的類別值或第二次聚類的新類別值只是便于標記區(qū)分第一次聚類的類別或第二次聚類的新類別的數(shù)值。本實施例中類別值或新類別值都是從1開始排序的自然數(shù)。

也就是說，車身區(qū)域內(nèi)的每行除了記錄有原本的邊緣紋理積分值，還記錄了每行第一次聚類對應的類別值和每行第二次聚類對應的新類別值。

本發(fā)明實施例通過對所述車身區(qū)域圖像的處理將光照及投影的現(xiàn)象在每行邊緣紋理積分值的中體現(xiàn)了出來。通過第一次聚類將相似的邊緣紋理積分值聚為一類，從而將每行的邊緣紋理積分值替換為該行的類別值，又通過對相鄰行類別值差異進行第二次聚類，選取第二次聚類的新類別中最符合平滑條件的作為車身平滑區(qū)域。實現(xiàn)快速準確的定位車身最平滑的區(qū)域即車身受光照和投影影響最小的區(qū)域。

參考圖4，圖4為本發(fā)明實施例提供的一種車身平滑區(qū)域定位設備的結(jié)構(gòu)圖。在本實施例中，所述設備具體可以包括：

獲取模塊401，用于獲取車身區(qū)域圖像；

計算模塊402，用于對車身區(qū)域圖像進行計算，獲取邊緣紋理圖像和積分圖，并計算出每行邊緣紋理積分值；

第一聚類模塊403，用于根據(jù)每行邊緣紋理積分值和預先設定的閾值進行第一次聚類，記錄第一次聚類每行的類別值；

第二聚類模塊404，用于根據(jù)第一次聚類每行的類別值進行第二次聚類，記錄第二次聚類每個新類別中包含的行數(shù)和每行對應的第一次聚類的類別值；

確定模塊405，用于從第二次聚類的新類別中確定出滿足平滑條件的區(qū)域作為車身平滑區(qū)域。

優(yōu)選的，所述第一聚類模塊403，包括：

閾值設定模塊，用于設定第一次聚類的閾值；

第一賦值模塊，用于將車身區(qū)域下邊界所屬類別賦值為1，則所屬類別1中最大值和最小值均賦值為所述車身區(qū)域下邊界的邊緣紋理積分值；

第一判斷模塊，用于對除下邊界外的其余每行由下向上遍歷判斷本行邊緣紋理積分值是否與已找到類別對應的最大值或最小值的絕對差值小于所述閾值；如果是，繼續(xù)判斷本行邊緣紋理積分值是否大于已找到類別對應的最大值或小于已找到類別對應的最小值，向第二賦值模塊發(fā)送信號；如果否，向第三賦值模塊發(fā)送信號；

第二賦值模塊，用于響應第一判斷模塊發(fā)送的信號，將本行所屬類別賦值為已找到類別的類別值，更新已找到類別對應的所述最大值和所述最小值；

第三賦值模塊，用于響應第一判斷模塊發(fā)送的信號，將本行所屬類別賦值為下一類別值，且將所述下一類別的最大值和最小值賦值為本行邊緣紋理積分值，并對所有已找到類別重新排序；

第一記錄模塊,用于記錄遍歷結(jié)束后每行對應的類別。

優(yōu)選的，所述第二聚類模塊404，包括：

第四賦值模塊，用于將車身區(qū)域下邊界所屬新類別賦值為1，則所屬新類別1中最大值和最小值均為所述車身區(qū)域下邊界對應的第一次聚類類別值；

第二判斷模塊，用于對除下邊界外的其余每行由下向上遍歷判斷本行對應的第一次聚類類別值是否與上一行所述新類別對應的最大值或最小值的絕對差值小于等于1；如果是，繼續(xù)判斷本行對應的第一次聚類類別值是否大于上一行新類別對應的最大值或小于上一行新類別對應的最小值，向第五賦值模塊發(fā)送信號；如果否，向第六賦值模塊發(fā)送信號；

第五賦值模塊，用于響應第四判斷模塊發(fā)送的信號，將本行所屬新類別賦值為上一行新類別的新類別值，更新上一行新類別對應的所述最大值和所述最小值；

第六賦值模塊，用于響應第二判斷模塊發(fā)送的信號，將本行所屬新類別賦值為下一新類別值，且將所述下一新類別的最大值和最小值賦值為本行對應的第一次聚類類別值；

第二記錄模塊，用于記錄遍歷結(jié)束后第二次聚類每個新類別中包含的行數(shù)和每行對應的第一次聚類的類別值。

優(yōu)選的，所述確定模塊405，包括：

第三判斷模塊，用于判斷是否存在滿足第二次聚類新類別中包含的邊緣紋理行數(shù)大于等于規(guī)定行數(shù)且對應最大第一次聚類的類別值小于設定類別值的區(qū)域；如果是，向選擇模塊發(fā)送信號；如果否，向第一聚類模塊發(fā)送信號；

選擇模塊，用于選擇所述滿足第二次聚類新類別中包含的邊緣紋理行數(shù)大于等于規(guī)定行數(shù)且對應最大第一次聚類的類別值小于設定類別值的區(qū)域中對應第一次聚類的類別值平均值最小的區(qū)域作為所述車身平滑區(qū)域。

本實施通過計算模塊402對所述車身區(qū)域圖像的處理將光照及投影的現(xiàn)象在每行邊緣紋理積分值的中體現(xiàn)了出來。通過第一次聚類模塊403將相似的邊緣紋理積分值聚為一類，從而將每行的邊緣紋理積分值替換為該行的類別值，又通過第二次聚類模塊404對相鄰行類別值差異進行聚類，最后確定模塊405選取聚類的新類別中最符合平滑條件的作為車身平滑區(qū)域。實現(xiàn)快速準確的定位車身最平滑的區(qū)域即車身受光照和投影影響最小的區(qū)域。

需要說明的是，本說明書中的實施例均采用遞進的方式描述，每個實施例重點說明的都是與其他實施例的不同之處，各個實施例之間相同相似的部分互相參見即可。對于設備類實施例而言，由于其與方法實施例基本相似，所以描述的比較簡單，相關之處參見方法實施例的部分說明即可。

以上對本申請所提供的車身平滑區(qū)域定位方法和設備進行了詳細介紹，本文中應用了具體實施例對本申請的原理及實施方式進行了闡述，以上實施例的說明只是用于幫助理解本申請的方法及其核心思想；同時，對于本領域的一般技術人員，依據(jù)本申請的思想，在具體實施方式及應用范圍上均會有改變之處，綜上所述，本說明書內(nèi)容不應理解為對本申請的限制。