了边缘检测提取边缘。图1的具体过程如下。
411图像增强
图像增强的方法分为两大类：空域方法和频域方法。为了保证图像处理的实时性，这里使用了两种空域方法，直接对图像中灰度值进行运算处理。
如果一副图像的像素占有更多的灰度级并且分布均匀，那么这样的图像往往有高对比度和多变的灰度色调。直方图均衡化就是一种能仅靠输入图像直方图信息自动达到这种效果的变换函数。它的基本思想是对图像中像素个数多的灰度级进行展宽，而对图像中像素个数少的灰度进行压缩，从而扩展像元取值的动态范围，提高了对比度和灰度色调的变化，使图像更加清晰。
一幅图像中灰度级k出现的概率近似为：
Pbk

kk


255
012255且Pbk1
k0
1
其中
为图像像素的总和，
k为灰度级为k的像素个数。变换函数可表示为：
fk

k
Pbj
j0
k
jj0

2
4
f直方图均衡化的具体实现步奏如下：1列出原图像的灰度级k，并统计原始直方图各灰度级像素个数
k；2应用公式1计算各灰度级分布概率，并应用公式2计算各个灰度级的累积
分布概率；3确定映射关系进行直方图均衡化计算，得到处理后图像的像素值为
255fk。使用Matlab进行处理得到直方图均衡化的图像左下图，原图像如右下图：
图2
分析图2可知直方图均衡化后的图像效果更佳，对比度更明显。同时，考虑到图像出现的噪声，为了使图像更清晰，需要过滤这些噪声。抑制噪声常用的方法有领域平均法滤波和中值滤波。但是领域平均法滤波实际上是一种低通滤波器，可能会使带有高频信息的边界变得模糊。因此这里使用了中值滤波法，过滤噪声的同时，又能很好地保护边缘轮廓信息。使用Matlab的中值滤波函数medfilt2，得到的效果图如下：
图3
观察图2右图和图3可知此时色调变化更圆融了，有效地消除了噪声的干扰，同时边缘信息并没有消失，更有利于对交通情况的分析。
5
f412图像检测
图像检测是为了对视频中的运动目标进行检测和识别，进而描述运动目标的行为。这里使用背景差分法进行图像检测。背景差分法的基本思想是将当前图像与背景图像相减，通过选取合适的阈值进行二值化来检测运动目标。背景差分法最关键的步骤为背景建模。
背景建模的常用方法主要有直方图法、平均值法和差异积累背景建模法等。直方图法对于该视频交通阻塞或缓慢运动的车辆失效，而且比较浪费内存。由于视频中车流量有大有小，而平均值法在车流量较大时失效而且浪费存储空间，因此使用差异积累背景建模法最佳。
差异积累背景建模法的具体步骤r