实验三 车道线检测 从带有车道线的图像（图2）中检测出车道线，并将检测算法通过摄像头采集实现实时的车道线检测。检测算法包括（但不限）以下步骤： 1)读入图像； 2)灰度变换； 3)去噪； 4)边缘检测； 5)线检测（直线/曲线）； 视频采集及实时检测

以下是Python实现车道线检测的示例代码：

import cv2
import numpy as np

# 读入视频文件
cap = cv2.VideoCapture("test_video.mp4")

# 设置输出视频文件的编码器和帧率
fourcc = cv2.VideoWriter_fourcc(*'XVID')
out = cv2.VideoWriter("output_video.avi", fourcc, 25.0, (640, 480))

while True:
    # 读取每一帧图像
    ret, frame = cap.read()

    if ret:
        # 将图像转换为灰度图像
        gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)

        # 对灰度图像进行高斯滤波
        blur = cv2.GaussianBlur(gray, (5, 5), 0)

        # 进行Canny边缘检测
        edges = cv2.Canny(blur, 50, 150)

        # 设置ROI区域，遮挡除车道线外的其他区域
        mask = np.zeros_like(edges)
        height, width = edges.shape
        vertices = np.array([[(0, height), (width/2, height/2), (width, height)]], dtype=np.int32)
        cv2.fillPoly(mask, vertices, 255)
        masked_edges = cv2.bitwise_and(edges, mask)

        # 进行霍夫变换检测直线
        lines = cv2.HoughLinesP(masked_edges, rho=2, theta=np.pi/180, threshold=50, minLineLength=50, maxLineGap=100)

        # 绘制检测到的直线
        for line in lines:
            x1, y1, x2, y2 = line[0]
            cv2.line(frame, (x1, y1), (x2, y2), (0, 0, 255), 2)

        # 输出检测结果
        out.write(frame)
        cv2.imshow("Lane Detection", frame)

        # 按下q键退出程序
        if cv2.waitKey(1) & 0xFF == ord('q'):
            break

    else:
        break

# 释放资源
cap.release()
out.release()
cv2.destroyAllWindows()

这个示例代码实现了从视频文件中读入图像，并实时进行车道线检测。具体步骤包括：将图像转换为灰度图像、进行高斯滤波、进行Canny边缘检测、设置ROI区域、进行霍夫变换检测直线、绘制检测到的直线等。你可以根据自己的需求对代码进行修改和优化。