图像预处理
灰度化：彩色图像转化为数据量较少的灰度图像可以大大减少就计算量，提高图像处理速度。
灰度值取X=G。
滤波：图像采集和传输过程出现一些噪声和边缘，降低了图像质量。采用中值滤波。中值滤波是一种空域内目前应用最多的基于统计排序的非线性滤波方法，滤波的基本原理是：设定一个矩形的滑动窗口s(该窗口包含的灰度值个数一般为奇数)，利用该滑动窗口从上到下，从左到右依次滑过整幅图像，以图像中的每一像素点为中心根据滑动窗口S确定一个邻域，将该邻域内的所有像素按灰度值从小到大的顺序进行排序，并且取其排序后的中值作为图像中该像素点的最终灰度值。其数学定义如下：
边缘检测：车道线检测主要依靠边缘信息，检测出车道线边缘是能否成功识别的关键。Sobel算子是一种一阶加权平均算子，在道路图像处理中仅需要水平方向和垂直方向上的两个3×3模板即可。对图像中的每个点都用这两个核作卷积，因Sobel具有方向性，所以
水平方向的模板通常对水平边缘响应最大，而垂直方向的模板对垂直边缘响应最大，因此在水平和垂直方向上形成最强烈的边缘。
二值化：道路图像经过边缘检测算子处理后得到的图像仍是一个含有256个灰度级的梯度图像，为了进一步提高车道线检测的质量和速度，还需要对梯度图像进行二值化，得到边缘像素点。设置一个适当的值，利用这个值将整幅图像转化成只有两个灰度级(目标和背景)的图像，这个过程称为图像二值化。OSTU大津法：将图的灰度值划分为两组，分别求得这两组灰度值的均值和方差及两类间的协方差，当某一阈值划分的两组灰度值的协方差最大时，则该阈值为整幅图像二值化的阈值。
第一帧车道线检测
因篇幅问题不能全部显示，请点此查看更多更全内容