20 世纪80 年代，基于数字图像处理技术的交通流量检测技术研究就已经开展，检测算法也在不断改进和创新。在平时的车流量检测工作中涉及车流量检测算法、图像识别算法和图像预处理算法等，比如边缘检测、路面标记法和背景差法等。图像处理和模式识别的重要方法是边缘检测，比如自动目标识别和图像分割等，在图像处理研究领域具有重要意义。

1 数字图像处理技术介绍

处理多样性、处理效果容易控制以及处理精度较高是数字图像处理的特点，但同时也具有处理时间较长和大量的图像数据等缺点。数字图像处理涉及多个技术领域，比如电视技术、电子技术、计算机技术和通信技术等，而数字图像处理的基础是物理学和数学领域。

1.1 图像增强和平滑

外界环境会在一定程度上影响图像的形成和传输，容易让原始景物和图像之间出现不同程度的区别，而这种差异被称作退化或降质。当图像出现退化或降质的情况后，会变得比较模糊，让人看不清楚，或者从中可以提取到的信息减少，有时还会导致信息发生错误，所以要采取有效措施改善降质的图像。

1.1.1 二值化

图像二值化是让点的灰度值维持在合理的范围之内，也就是让整幅图像仅存黑和白二值，将明显的黑白效果呈现出来，在它们之间没有其他灰度层次变化存在，也就是通过阀值选取的方法将具有256 个亮度等级的灰色图像转换为二值化图像，图像的基本特征仍然能够通过获取到的图像体现出来。在图像处理系统中，二值化图像的优势十分明显，比如处理速度较快，并且成本也不高，让图像处理工作变得更加快捷。一般情况下可以采取阀值分割技术来获取比较理想的二值化图像，在图像二值化过程中比较重要的环节就是阀值的选取，需要根据实际阀值对图像中的对象和背景进行区分。

1.1.2 边缘检测

边缘检测工作的首要任务就是边缘获取，边缘获取成功后可以对图像区域进行描述，边缘的出现是因为像素的亮度值中断，通过求导方法检测到图像的不连续性，拉普拉斯和梯度算子是两种比较常用的技术。

1.2 数学形态学

这种图像处理方法具有一定的特殊性，它利用一定形态的结构元素将图像中的对应形状成功提取出来，然后分析和识别图像进行。在数学形态学中比较常用的两种运算方法是腐蚀和膨胀，这两种运算方法呈对偶关系，利用这个关系可以通过其中一种运算让另一种运算也得以实现。腐蚀和膨胀着两种不同的运算方法还可以进行组合使用，腐蚀运算在先，膨胀运算在后叫做“开”运算，相反膨胀运算在先，腐蚀运算在后叫做“闭”运算[2]。这两种运算都能将比结构小的特定图像细节去除，又保证不会出现全局的几何失真。

2 数字图像技术的交通流量检测算法

大部分交通参数可以通过智能交通监视系统检测到，比如车牌、车型、汽车流量，其中汽车流量是比较重要的参数。边缘检测法、路面标记法、帧差法和背景差法是比较常见的基于数字图像技术的汽车流量检测算法。

2.1 背景差法

此种方法可以对背景图像进行充分利用，可以成功提取出图像中的前景物体，也就是车辆的提取，此方法对背景图像的可靠性有比较大的依赖，为了更好地适应环境光线、阴影和天气变化等，需要不断更新背景图像，而更新背景过程中产生的误差和光线变化会对背景差算法的精确度造成一定影响。所以，建立理想的背景对于背景差法来说十分重要，可以在很大程度上影响目标区域的获得，但随时都有可能发生环境光线的变化和阴影的变化，很难见到比较理想的背景。更新背景和抽取背景是背景重建过程中的两个关键步骤，在初始背景的生成中应用背景抽取算法，背景更新指的是阴影、太阳光和天气的变化，需要不断刷新背景图像。

2.2 帧差法

此方法可以对图像之间的差值进行合理应用，图像背景和图像中保持不动的物体也可以通过此方法进行排除，最后留下处于运动中的物体，虽然环境光线变化不会对这种方法造成太大影响，但是无法实现静止车辆的检测，并且由于具有固定的图像采样频率，检测工作会受到被检测车辆车速的影响。通常情况下，对三维图像进行二维投影不能反映真实的场景，但三维图像如果出现一定程度的变化，那么二维投影图像也会随之改变[3]。连续视频场景本身具有一定的持续性，如果图像没有变化，那么连续帧图像之间也不会有较大程度的变化出现，相反，帧差会随着图像的运动而产生，因此说帧差法可以对图像序列有没有发生运动进行确定。帧差法算法流程如下：视频图像输入→截取检测带→领域比较→提取数据流→预估校正→车辆计数→输出检测结果。