【文章內(nèi)容簡介】 ”等處理，該過程叫做圖像的輸入。 (2)圖像存儲與檢索 原始圖像或處理后的圖像信息 基于 處理，傳輸，或保存圖像信息 的需要 ， 常常要按 一定的規(guī)則存儲在電腦中， 以便在需要時(shí) 可以很容易地找到它們， 也就是所謂的 圖像檢索 [8]。 圖像處理中，這種對圖像群體的保管工作是不可或缺的。 (3)圖像增強(qiáng) 圖像增強(qiáng)是各種處理過程的總稱，根據(jù)所需要信息的不同，它將待處理 圖像湖北理工學(xué)院畢業(yè)設(shè)計(jì)（論文） 6 交換成不同的狀態(tài)以便自身進(jìn)行獲取，簡而言之就是 用 來 改善圖像質(zhì)量的處理 手段 。比如修正變形、減弱噪聲、改善對比度、消除模糊等都屬于圖像增強(qiáng)的范疇?；诟鞣N原因，很難獲得理想的圖像品質(zhì)，從而使得在圖像預(yù)處理階段圖像增強(qiáng)尤為重要。 (4)圖像編碼 對圖像編碼的研究屬于源信息理論的信源編碼，其主要目的是利用人類視覺特性和圖像信號的一般特征圖像的編碼效率，來實(shí)現(xiàn)圖像壓縮。利用圖像編碼，可以有效提高圖像信息的傳輸效率，圖像信息的存儲容量也得到節(jié)省，但同時(shí)，壓縮圖像數(shù)據(jù)是保密的。 (5)圖像特征提取 通過圖像信息測度對象，識別或理解，取決于對象的圖像特征的數(shù)量，如線，邊緣，面積，形狀，顏色，紋理，等等。通過不同的處理方法，將包含圖像信息的必要特點(diǎn)顯現(xiàn)出來，再進(jìn)行量化處理的過程稱為圖像特征提取。 (6)圖像識別與理解 圖像識別可以簡單地看為利用基于顏色特征的圖像特征提取的分類，如新鮮的桃子按成熟度分級，根據(jù)杏仁形狀特征分類等。 圖像理解是實(shí)現(xiàn)人類認(rèn)識客觀事物的圖像信息的可視化仿真系統(tǒng)。 比方 解釋圖像中的田間景物，使之成為指導(dǎo)田間自動作業(yè)機(jī)的好幫手。 圖像識別僅僅涉及圖像理解的分類 ，只停留在 一種 簡單 的層面上；而 圖像理解， 達(dá)到一定程度的智能化，屬于更高層次 。兩者之間 有著 密切的關(guān)系， 往往 很難 在 嚴(yán)格 意義上加以 區(qū)分。 (7)圖像重建 圖像重建依賴于 CT 技術(shù)的發(fā)展，主要是根據(jù)采集得到的數(shù)據(jù)來重建圖像，是一種新型的數(shù)字圖像處理技術(shù)。圖像重建主要有以下算法有迭代法、傅立葉反投影法、代數(shù)方法和卷積反投影法。 (8)圖像輸出 圖像輸出是指利用計(jì)算機(jī)將輸入的圖像、輸出的圖像以及中間處理結(jié)果的圖像內(nèi)容再現(xiàn)，是獲取處理結(jié)果、觀察處理結(jié)果所必要的。 將數(shù)字圖像處 理與人的視覺處理、模擬圖像處理相比較，可得出以下特點(diǎn)： (1)再現(xiàn)性 只要保證輸入圖像不變和不變的處理方法，數(shù)字圖像處理的結(jié)果不會改變，湖北理工學(xué)院畢業(yè)設(shè)計(jì)（論文） 7 可以很好地再現(xiàn)，即可重復(fù)性。人們視覺處理的隨意性問題也不存在，也不會像模擬圖像處理那樣出現(xiàn)與圖像質(zhì)量的不一致的情況。 (2)定量性 有一點(diǎn)是其他處理方式無法比擬的，那就是數(shù)字圖像處理很輕易就能得到定量的結(jié)果。 (3)適應(yīng)性 數(shù)字圖像處理適用于可見光的圖像處理，同樣也適用于其他波段頻譜圖像的處理；可以處理動態(tài)圖像也可處理靜態(tài)圖像；處理對象能 像顯微圖像那么小，也可像航空乃至衛(wèi)星照片那么大，能涉及到各個(gè)領(lǐng)域。 (4)靈活性 只需圖像處理程序稍稍修改，即使是同一幅圖像，也可得到不同的結(jié)果。數(shù)字圖像處理涉及到非線形運(yùn)算、線性運(yùn)算以及一切用邏輯表達(dá)或數(shù)學(xué)公式的運(yùn)算等。 (5)精度高 隨著圖像量化數(shù)和象素?cái)?shù)的增加，數(shù)字圖像處理的精度得到提高。但就目前的發(fā)展，圖像數(shù)字化的精度已經(jīng)達(dá)到很高的程度。 (6)處理速度較慢 相比人的視覺處理速度，數(shù)字圖像處理的速度明顯處于劣勢。伴隨著不斷提高的處理精度，數(shù)字圖像處理需要更長的時(shí)間 。這一點(diǎn)是數(shù)字圖像處理能否實(shí)用化的關(guān)鍵。慶幸的是，圖像專用硬件和計(jì)算機(jī)硬件以及圖像處理軟件技術(shù)的發(fā)展，令處理速度得到不斷的提高。 (7)存儲容量大 數(shù)字圖像處理對計(jì)算機(jī)是否配備有足夠的內(nèi)、外存儲空間有很高要求，并且越高的處理精度，需要具備更大的存儲空間。這一點(diǎn)是圖像處理過程中不可忽視的問題，隨著不斷推出的新型存儲器，存儲容量有望得到迅速的提高，處理精度以期有進(jìn)一步的提高。 2. 2 數(shù)字圖像處理的基本運(yùn)算 利用計(jì)算機(jī)處理圖像的過程中，有幾個(gè)基本的但非常有用的操作形式，它是數(shù)字圖像處理的基 礎(chǔ)。 (1)灰度直方圖 數(shù)字圖像處理中，灰度直方圖不失為一種簡單又有用的工具。它涵蓋了一幅湖北理工學(xué)院畢業(yè)設(shè)計(jì)（論文） 8 圖像的灰度級內(nèi)容?；叶戎狈綀D描述的是圖像中具有該灰度級的像素個(gè)數(shù)，是關(guān)于灰度級的函數(shù)，其函數(shù)的橫坐標(biāo)表示灰度級，縱坐標(biāo)表示該灰度值出現(xiàn)的像素個(gè)數(shù)。 圖像的概率密度函數(shù)通過除以圖像的面積來歸一化灰度直方圖，圖像的累積分布函數(shù)是通過將面積的函數(shù)進(jìn)行歸一化處理。這一點(diǎn)在很大程度上方便了圖像的統(tǒng)計(jì)處理。利用灰度直方圖也可方便地進(jìn)行閡值分割操作、圖像均衡處理。 (2)點(diǎn)運(yùn)算 點(diǎn)運(yùn)算（ Point Operation）是一種既簡單又重要的技術(shù)，它允許用戶改變圖像數(shù)據(jù)占據(jù)的灰色地帶，一個(gè)圖像的點(diǎn)運(yùn)算的直方圖可以根據(jù)預(yù)定模式改變。點(diǎn)運(yùn)算可以看作是從“從像素到像素”的重復(fù)行為。像素之間不發(fā)生關(guān)系，各個(gè)像素進(jìn)行獨(dú)立的處理 [9]。假設(shè)輸入圖像為 A(x， y)，輸出圖像為 B(x， y)，那么點(diǎn)運(yùn)算可用下述表達(dá)示表示 : ? ? ? ?? ?yxAfyxB , ? (21) 由式 (21)看出灰度變換函數(shù) f(D)決定點(diǎn)運(yùn)算，輸出與輸入灰度級兩者存在映射關(guān)系。利 用點(diǎn)運(yùn)算調(diào)整圖像的對比度、亮度，進(jìn)而將用戶感興趣的特征突出以方便觀察。 (3)代數(shù)運(yùn)算 通過對兩幅圖像進(jìn)行點(diǎn)對點(diǎn)的加、減、乘、除運(yùn)算并得到輸出圖像的運(yùn)算過程被稱為代數(shù)運(yùn)算。上述的 4種代數(shù)運(yùn)算的數(shù)學(xué)表達(dá)式如下： ? ? ? ? ? ?yxByxAyxC , ?? (22) ? ? ? ? ? ?yxByxAyxC , ?? (23) ? ? ? ? ? ?yxByxAyxC , ?? (24) ? ? ? ? ? ?yxByxAyxC , ?? (25) 其中輸入圖像為 A(x， y)和 B(x， y)，而輸出圖像為 C(x， y)。 圖像代數(shù)運(yùn)算在圖像處理領(lǐng)域得到了廣泛的應(yīng)用。圖像 相 加 運(yùn)算 不僅 能夠 有效地抑制隨機(jī)噪聲，而且能增強(qiáng)效 果 。 在 某一場景中， 圖像相減的方法 則 可以檢測出運(yùn)動圖像序列 并加以 控制。 (4)幾何運(yùn)算 圖像的幾何變換是指隨著生產(chǎn)規(guī)模的需要，原始圖像進(jìn)行形狀和位置的變化。幾何運(yùn)算是圖像處理和分 析的基本內(nèi)容，它不僅提供了一些特殊的效果可能湖北理工學(xué)院畢業(yè)設(shè)計(jì)（論文） 9 產(chǎn)生的圖像，而且簡化了圖像處理和分析的過程，尤其是當(dāng)圖像有一定的規(guī)則，圖像可以通過另一個(gè)圖像的幾何變換。 a)位置變換（鏡像、旋轉(zhuǎn)） 圖像鏡像變換對圖像的形狀沒有改變。鏡像變換包括水平鏡像和垂直鏡像。圖像的水平鏡像操作是以圖像垂直中軸線為中心鏡像，將圖像左右半部分進(jìn)行對換；圖像的垂直鏡像操作是以圖像水平中軸線為中心鏡像，將圖像上下半部分進(jìn)行對換。 b)圖像的形狀變換（縮放） 假設(shè)圖像 X軸方向縮放比率 kx,Y軸方向縮放比率是 ky，原始圖 中點(diǎn)（ x0,y0）對應(yīng)于新圖中的點(diǎn)（ x1,y1）可表示為： x1=x0*kx； y1=y0*ky 當(dāng) kx1 且 ky1 時(shí)，原圖像被放大。放大圖像時(shí)，產(chǎn)生了新的像素，可通過插值算法來近似處理。 例如，當(dāng) fx = fy = 時(shí)，圖像被縮成一半，縮小后的圖像中的（ 0， 1）像素對應(yīng)于原圖中的（ 0， 2）像素，（ 1， 0）像素對應(yīng)于原圖中的（ 2， 0）像素，其它像素可依此法類推。在原始的圖像基礎(chǔ)上，每行像素隔一個(gè)取一點(diǎn)，此取點(diǎn)操作每隔一行進(jìn)行。位置變換實(shí)際上是把原始圖像每行中 的像素重復(fù)取值一遍，然后每行重復(fù)一次。 圖像像素間關(guān)系 一幅數(shù)字圖像由有限個(gè)像素組成，每個(gè)像素都有兩個(gè)屬性 :顏色屬性和空間屬性。像素普遍是根據(jù)矩陣網(wǎng)格采樣得到，所以圖像常用矩陣的二維形式來描述。像素所在的位置用矩陣中的行列表示，像素顏色則用整數(shù)或整數(shù)向量表示 [10]。像素之間存在連通性、距離和鄰接性等關(guān)鍵聯(lián)系。 （ 1） 距離 根據(jù)不同定義，像素 Q(x, y)和 P(i, j)兩者的距離，可分為棋盤距離、城區(qū)距離、歐氏距離及顏色距離。 歐氏距離 D:又名幾何距離，根據(jù)幾何學(xué)有 : ? ? ? ?? ? ? ? ? ? 22, jyixjiyxD E ???? (28) 網(wǎng)格上從起點(diǎn)走到終點(diǎn)所需要的步數(shù)可由兩個(gè)像素的距離來表示。 城區(qū)距離 4D ，只有垂直和水平方向移動被允許，定義如下： ? ? ? ?? ? jyixjiyxD ????,4 (29) 湖北理工學(xué)院畢業(yè)設(shè)計(jì)（論文） 10 棋盤距離 8D 沿對角線移動，定義為： ? ? ? ?? ? ? ?jyixjiyxD ???? m a x,8 (210) 顏色距離 cD ，定義如下 : ? ? ? ?? ? ? ? ? ?? ??? ?? 3 1 2,, l lllc jifyxfwjiyxD (211) 其中， l =l， 2， 3， lw 為修正系數(shù)， ? ?jifl , 和 ? ?yxfl , 對應(yīng)像素 Q和 P的顏色向量分量。顏色距離和像素的所處的相對位置沒有關(guān)系，反映出顏色的像素差異。 （ 2） 鄰接性 鄰接性是圖像處理中的關(guān)鍵概念。假設(shè)兩個(gè)任意像素的距離 14?D ，就稱這兩個(gè)像素為 4鄰域，亦稱 4鄰接 [11]。像素 p的坐標(biāo) (x, y)，那么 (x+1， y)、 (x1，y)、 (x， y+1)、 (x， yl)這四個(gè)坐標(biāo)就是 p 垂直和水平的鄰近像素，記作 ? ?pN4 ，即 p 的 4鄰域。 (3) 連通性 區(qū)域是由像素組成的集合，這些像素不僅有鄰接性，而且任取兩個(gè)像素，其顏色屬性符合某個(gè)特定的相似準(zhǔn)則。在這個(gè)集合中，任意兩個(gè)像素間都存在著完全屬于該集合的路徑。如果兩個(gè)像素之間存在一條路徑，則這些像素是連通的。 數(shù)字圖像處理方法 數(shù)字圖像處理方法包括兩大類：變換域處理法又稱頻域法和空間域處理法又稱空域法。 (1)頻域法 頻域法的步驟：先對圖像做正交變換操作，以獲得變換系數(shù)陣列，然后再做各種處理操作，處理完成后通過逆變換實(shí)現(xiàn)從頻域到空間域的轉(zhuǎn)變。 (2)空域法 空域法只需將圖像看作是平面中各個(gè)像素組成的集合，不需做任何變換直接對其進(jìn)行相觀的處理操作即可。 數(shù)字圖像處理的應(yīng)用領(lǐng)域 伴隨多媒體技術(shù)的飛速發(fā)展，圖像處理技術(shù)得到了空前的重視，許多新的應(yīng)用應(yīng)運(yùn)而生。最關(guān)鍵的是 圖像技術(shù)已從實(shí)驗(yàn)室滲透到工業(yè)領(lǐng)域，商業(yè)和辦公，甚至到了人們的日常生活。目前，該技術(shù)已大量被應(yīng)用到工業(yè)檢測，生物醫(yī)學(xué)，航空航天，郵政編碼，機(jī)器人視覺，文檔處理，金融，公安、司法，軍事指導(dǎo)，機(jī)械，銀行，文化和藝術(shù)，運(yùn)輸，多媒體網(wǎng)絡(luò)通信和電子商務(wù)等領(lǐng)域中。 湖北理工學(xué)院畢業(yè)設(shè)計(jì)（論文） 11 第三章運(yùn)動目標(biāo)檢測 運(yùn)動目標(biāo)檢測的現(xiàn)狀與發(fā)展 運(yùn)動目標(biāo)檢測是圖像處理與計(jì)算機(jī)視覺的一個(gè)分支，在理論和實(shí)踐上都有重大意義，長久以來一直被國內(nèi)外學(xué)者所關(guān)注。在實(shí)際中，視頻監(jiān)控利用攝像機(jī)對某一特定區(qū)域進(jìn)行監(jiān)視，是一個(gè)細(xì)致和連續(xù)的過程，它可以由人來 完成，但是人執(zhí)行這種長期枯燥的例行監(jiān)測是不可靠，而且費(fèi)用也很高，因此引入運(yùn)動監(jiān)測非常有必要。它可以減輕人的負(fù)擔(dān)，并且提高了可靠性。概括起來運(yùn)動監(jiān)測主要包括三個(gè)內(nèi)容：運(yùn)動目標(biāo)檢測，方向判斷和圖像跟蹤。運(yùn)動目標(biāo)檢測是整個(gè)監(jiān)測過程的基礎(chǔ)，運(yùn)動目標(biāo)的提取準(zhǔn)確與否，直接關(guān)系到后續(xù)高級過程的完成質(zhì)量。 運(yùn)動目標(biāo)檢測在國外已經(jīng)取得了一些的研究成果，許多相關(guān)技術(shù)已經(jīng)開始應(yīng)用到實(shí)際系統(tǒng)中，但是國內(nèi)研究相對落后 ,與國外還有較大差距。過去的視頻目標(biāo)提取可分為以下兩種情況 ,一種按空間同性的準(zhǔn)則 ,用濾波器譬如形態(tài)學(xué)濾波 器對圖像作預(yù)處理操作；之后為實(shí)現(xiàn)區(qū)域的邊緣檢測，對該圖像的信息如色度、亮度等作空間上的分割；最后作運(yùn)動估計(jì) ,并將相似的運(yùn)動區(qū)域合并，得到最終的視頻目標(biāo)提取結(jié)果。比較典型的算法有光流算法、主動輪廓模型算法，該方法得到較為準(zhǔn)確結(jié)果的同時(shí)也帶來了巨大的運(yùn)算量。另一種算法則按時(shí)間變化檢 ,通過圖像上的變化區(qū)域和不變區(qū)域的幀差檢測 ,實(shí)現(xiàn)靜止背景和運(yùn)動物體的分割。此外 ,還有時(shí)時(shí)空亮度梯度信息結(jié)合方法、空結(jié)合的方法等等。本文將圍繞以幀差檢測為基礎(chǔ)的方法展開分析和討論。 圖像背景提取與更新算法 運(yùn)動目標(biāo)檢測 時(shí)，區(qū)分出背景范圍和運(yùn)動目標(biāo)是很重要的一步，攝