【文章內(nèi)容簡(jiǎn)介】 Pi(x,y)為待處理的圖像，P(x,y)為基準(zhǔn)圖像。當(dāng)△Pi(x,y)=0時(shí)，表示當(dāng)前圖像無異常；△Pi(x,y)≠0時(shí)，表示出現(xiàn)新的火源或亮點(diǎn)，則進(jìn)入下面對(duì)各種特征值的計(jì)算，判斷該異常圖像是否為火災(zāi)圖像。 火災(zāi)圖像的分割處理 區(qū)域生長(zhǎng)法分割圖像 分割的目的是要把一幅圖像劃分成一些小區(qū)域，對(duì)于這個(gè)問題的最直接的方法是把一幅圖像分成滿足某種判據(jù)的的區(qū)域；也就是說，把點(diǎn)組成區(qū)域。與此相對(duì)應(yīng)，數(shù)字圖像處理中存在一種分割區(qū)域的方法稱為區(qū)域生長(zhǎng)或區(qū)域生成。 假定區(qū)域的數(shù)目，以及在每個(gè)區(qū)域中單個(gè)點(diǎn)的位置已知，則可推導(dǎo)出一種算法。從一個(gè)已知點(diǎn)開始，加上與已知點(diǎn)相似的的鄰近點(diǎn)形成一個(gè)區(qū)域。這個(gè)相似性準(zhǔn)則可以是灰度級(jí)、顏色、幾何形狀、梯度或其他特性。相似性的測(cè)度可以由所確定的閾值判定。它的方法是從滿足檢測(cè)準(zhǔn)則的點(diǎn)開始，在各個(gè)方向上生長(zhǎng)區(qū)域。當(dāng)其鄰近點(diǎn)滿足檢測(cè)準(zhǔn)則就并入小區(qū)域中，當(dāng)新的點(diǎn)合并后再用新的區(qū)域重復(fù)這一過程，直到?jīng)]有可接受的鄰近點(diǎn)生成過程終止。 當(dāng)生成任意物體時(shí)，接受準(zhǔn)則可以以結(jié)構(gòu)為基礎(chǔ)，而不是以灰度級(jí)或?qū)Ρ榷葹榛A(chǔ)。為了把候選的小群點(diǎn)包含在物體中，可以檢測(cè)這些小群點(diǎn)，而不是檢測(cè)單個(gè)點(diǎn)，如果他們的結(jié)構(gòu)與物體的結(jié)構(gòu)充分并已足夠相似時(shí)就接受他們。另外，還可以使用界線檢測(cè)對(duì)生成建立“勢(shì)壘”，如果在“勢(shì)壘”的臨近點(diǎn)和物體之間有界線，則不能把該臨近點(diǎn)接受為物體中的點(diǎn)。 要將目標(biāo)從背景中分離出來，就需要對(duì)圖像迸行分割。使用閾值分割技術(shù)，對(duì)像火災(zāi)場(chǎng)景之類的物體與背景有較強(qiáng)對(duì)比的景物的分割特別有用。它計(jì)算量不大，而且總能用封閉并連通的邊界定義不交疊的區(qū)域。在該規(guī)則下，所有灰度值大于或等于某閩值的像素都被判斷屬于背景。 目前為止，有多種閾值計(jì)算方法，如固定閾值法，類判別分析法，Otsu閾值算法等。其中，Otsu閾值算法(又稱最大類間方差法)計(jì)算量相對(duì)較小，在一定條件下不受圖像對(duì)比度與亮度變化的影響，因而被認(rèn)為是閾值自動(dòng)選取的最優(yōu)方法，得到了廣泛的應(yīng)用。記f(i,j)為M*N的圖像在(I,j)點(diǎn)出的灰度值，圖像灰度級(jí)數(shù)記為L(zhǎng)。設(shè)(i,j)的取值范圍為[0,L1]。記p(k)為灰度值為k時(shí)的頻率，則有： (23) 假設(shè)用灰度值t為閾值分割出的目標(biāo)與背景部分分別為： ||和則有如下的表達(dá)式：目標(biāo)部分比例: (24)背景部分比例： (25)目標(biāo)均值： (26)背景均值： (27)總均值： (28)Ostu算法求取圖像最佳閾值g的公式為： (29)上式右邊括號(hào)內(nèi)實(shí)際上就是類問方差值，閣值g分割出的目標(biāo)和背景兩部分構(gòu)成了整幅圖像。方差是灰度分布均勻性的一種度量，方差值越大，說明構(gòu)成圖像的兩部分差別越大，當(dāng)部分目標(biāo)錯(cuò)分為背景或部分背景錯(cuò)分為目標(biāo)都會(huì)導(dǎo)致兩部分差別變小，因此使類問方差最大的分割意味著錯(cuò)分概率最小，這也是大律方法的含義。根據(jù)計(jì)算所得的閩值g，圖像可以被二值化為(O，255)的二值圖像。 火災(zāi)圖像的仿真處 圖像預(yù)處理一般成像系統(tǒng)只具有一定的亮度響應(yīng)范圍，常出現(xiàn)對(duì)比度不足的弊端，使人眼觀看圖像時(shí)視覺效果很差；另外，在某些情況下，需要將圖像的灰度級(jí)整個(gè)范圍或者其中某一段擴(kuò)展或壓縮到記錄器件輸入灰度級(jí)動(dòng)態(tài)范圍之內(nèi)。對(duì)比度調(diào)整前后的圖像及其直方圖如圖22所示。圖22 對(duì)比度調(diào)整前后的圖像及其直方圖 (1) 直方圖均衡化原始圖像及直方圖均勻化后的圖像及直方圖，如圖23所示。圖23 原始圖像及直方圖與直方圖均衡化后的圖像及直方圖 (2)直方圖規(guī)定化。原始圖像及其直方圖與直方圖規(guī)定化后的圖像及其直方圖，如圖24所示。圖24 原始圖像及其直方圖與直方圖規(guī)定化后的圖像及其直方圖 (3) 圖像的平滑。對(duì)圖像進(jìn)行低通濾波和中值濾波的效果圖如圖25所示。圖25 對(duì)圖像進(jìn)行低通濾波和中值濾波 (4)圖像的銳化。圖像在傳輸和變換過程中會(huì)受到各種干擾而退化，比較典型的就是圖像模糊。圖像銳化的目的就是使邊緣和輪廓線模糊的圖像變得清晰，并使其細(xì)節(jié)清晰，如圖26所示。圖26 sobel算子對(duì)圖像銳化結(jié)果 圖27 拉式算子對(duì)圖像銳化結(jié)果 圖像分割與特征提取利用邊緣檢測(cè)方法的檢測(cè)效果，如圖28所示。圖28 sobel算子和canny邊緣檢測(cè)結(jié)果 灰度閾值分析利用灰度閾值分割法截取分割后的圖像，如圖29所示。圖29 圖像閾值分割3 基于計(jì)算機(jī)視覺的高壓水炮定位的研究高壓水炮定位滅火系統(tǒng)在消防安全中具有重要的地位和作用，它能夠在發(fā)生火災(zāi)時(shí)，保護(hù)火災(zāi)區(qū)域內(nèi)的人身安全和建筑物建筑結(jié)構(gòu)的安全。實(shí)現(xiàn)高壓水炮定位的先決條件在于對(duì)火災(zāi)發(fā)生的空間位置的確定。本課題用計(jì)算機(jī)視覺知識(shí)作為基礎(chǔ)，對(duì)火災(zāi)空間定位算法進(jìn)行了研究。這樣，就可以把雨淋噴水系統(tǒng)和火災(zāi)探測(cè)集成在一起，具有自動(dòng)掃描定位功能，在PLC的控制下對(duì)準(zhǔn)火源，進(jìn)行滅火。還將大大縮減聯(lián)動(dòng)系統(tǒng)，簡(jiǎn)化消防設(shè)備的布置，降低了成本。此外，還有滅火及時(shí)，將火災(zāi)損失減到最低的優(yōu)點(diǎn)。 計(jì)算機(jī)視覺 .1計(jì)算機(jī)視覺 (1) 計(jì)算機(jī)視覺的定義：計(jì)算機(jī)視覺是使用計(jì)算機(jī)及相關(guān)設(shè)備對(duì)生物視覺的一種模擬。它的主要任務(wù)就是通過對(duì)采集的圖片或視頻進(jìn)行處理以獲得相應(yīng)場(chǎng)景的三維信息，就像人類和許多其他類生物每天所做的那樣。計(jì)算機(jī)視覺既是工程領(lǐng)域，也是科學(xué)領(lǐng)域中的一個(gè)富有挑戰(zhàn)性重要研究領(lǐng)域。計(jì)算機(jī)視覺是一門綜合性的學(xué)科，它已經(jīng)吸引了來自各個(gè)學(xué)科的研究者參加到對(duì)它的研究之中。其中包括計(jì)算機(jī)科學(xué)和工程、信號(hào)處理、物理學(xué)、應(yīng)用數(shù)學(xué)和統(tǒng)計(jì)學(xué)，神經(jīng)生理學(xué)和認(rèn)識(shí)科學(xué)等。 (2) 原理：計(jì)算機(jī)視覺就是用各種成象系統(tǒng)代替視覺器官作為輸入敏感手段，由計(jì)算機(jī)來代替大腦完成處理和解釋。計(jì)算機(jī)視覺的最終研究目標(biāo)就是使計(jì)算機(jī)能象人那樣通過視覺觀察和理解世界，具有自主適應(yīng)環(huán)境的能力。要經(jīng)過長(zhǎng)期的努力才能達(dá)到的目標(biāo)。因此，在實(shí)現(xiàn)最終目標(biāo)以前，人們努力的中期目標(biāo)是建立一種視覺系統(tǒng)，這個(gè)系統(tǒng)能依據(jù)視覺敏感和反饋的某種程度的智能完成一定的任務(wù)。例如，計(jì)算機(jī)視覺的一個(gè)重要應(yīng)用領(lǐng)域就是自主車輛的視覺導(dǎo)航，目前還沒有條件實(shí)現(xiàn)象人那樣能識(shí)別和理解任何環(huán)境，完成自主導(dǎo)航的系統(tǒng)。因此，目前人們努力的研究目標(biāo)是實(shí)現(xiàn)在高速公路上具有道路跟蹤能力，可避免與前方車輛碰撞的視覺輔助駕駛系統(tǒng)。這里要指出的一點(diǎn)是在計(jì)算機(jī)視覺系統(tǒng)中計(jì)算機(jī)起代替人腦的作用，但并不意味著計(jì)算機(jī)必須按人類視覺的方法完成視覺信息的處理。計(jì)算機(jī)視覺可以而且應(yīng)該根據(jù)計(jì)算機(jī)系統(tǒng)的特點(diǎn)來進(jìn)行視覺信息的處理。但是，人類視覺系統(tǒng)是迄今為止，人們所知道的功能最強(qiáng)大和完善的視覺系統(tǒng)。如在以下的章節(jié)中會(huì)看到的那樣，對(duì)人類視覺處理機(jī)制的研究將給計(jì)算機(jī)視覺的研究提供啟發(fā)和指導(dǎo)。因此，用計(jì)算機(jī)信息處理的方法研究人類視覺的機(jī)理，建立人類視覺的計(jì)算理論，也是一個(gè)非常重要和信人感興趣的研究領(lǐng)域。這方面的研究被稱為計(jì)算視覺（Computational Vision）。計(jì)算視覺可被認(rèn)為是計(jì)算機(jī)視覺中的一個(gè)研究領(lǐng)域。 計(jì)算機(jī)視覺的方法及其應(yīng)用計(jì)算機(jī)視覺發(fā)展已有二十多年，隨著計(jì)算機(jī)控制理論、模式識(shí)別、人工智能和生物技術(shù)的發(fā)展，計(jì)算機(jī)視覺在機(jī)器人、工業(yè)檢測(cè)、物體識(shí)別、衛(wèi)星圖像分析、醫(yī)學(xué)輔助診斷、航空測(cè)繪和軍事技術(shù)中的應(yīng)用越來越廣，研究方法也由二維推到三維，從串行到并行，從直接依賴輸入信號(hào)的低層處理到依賴特征、結(jié)構(gòu)、關(guān)系和知識(shí)的高層處理。 一般有源的視覺方法通過發(fā)光裝置的控制，使系統(tǒng)獲得更多的信息，降低問題難度，加快運(yùn)算速度?；诨叶确植嫉姆椒ㄖ饕抢迷诠潭ü庠凑丈湎?，隨著物體表面法向的改變，使獲得的圖像也發(fā)生相應(yīng)變化的原理?；趨^(qū)域的視覺方法假定在對(duì)應(yīng)點(diǎn)的某一領(lǐng)域內(nèi)，其灰度相近似或灰度差小于一個(gè)門限，因此可以采用平均絕對(duì)差、互相關(guān)系數(shù)等方法互相匹配。計(jì)算機(jī)視覺的應(yīng)用很廣，下面簡(jiǎn)述幾個(gè)成功應(yīng)用方面：(1)機(jī)器人視覺。如物理識(shí)別與定位、障礙識(shí)別與回避，自動(dòng)導(dǎo)航等；(2)圖像圖形識(shí)別系統(tǒng)。如條形碼、郵編、指紋染色體等識(shí)別；(3)工業(yè)檢測(cè)系統(tǒng)。如集成電路芯片檢測(cè)；(4)航天及軍事應(yīng)用。如衛(wèi)星照片的自動(dòng)分析與判讀，景物識(shí)別，目標(biāo)檢測(cè)、識(shí)別和定位，目標(biāo)跟蹤，成像精確制導(dǎo)等；(5)醫(yī)學(xué)應(yīng)用。如基于CT圖像的內(nèi)部器官的重建，醫(yī)學(xué)圖像的分析、描述和識(shí)別，DSA(數(shù)字減影)技術(shù)，盲人導(dǎo)航視覺等?？傊?jì)算機(jī)視覺的應(yīng)用正越來越多的代替人去完成許多工作，提高了自動(dòng)化和機(jī)器智能水平，為智能機(jī)器人和智能系統(tǒng)發(fā)展奠定了基礎(chǔ)。本文就是利用計(jì)算機(jī)視覺在圖像型火災(zāi)探測(cè)系統(tǒng)的基礎(chǔ)上實(shí)現(xiàn)高壓水炮的定位，減小火災(zāi)引起的人員傷亡和財(cái)產(chǎn)損失。 計(jì)算機(jī)視覺與圖像處理、圖像分析的異同計(jì)算機(jī)視覺，圖象處理，圖像分析，機(jī)器人視覺和機(jī)器視覺是彼此緊密關(guān)聯(lián)的學(xué)科。如果翻開帶有上面這些名字的教材，會(huì)發(fā)現(xiàn)在技術(shù)和應(yīng)用領(lǐng)域上他們都有著相當(dāng)大部分的重疊。這表明這些學(xué)科的基礎(chǔ)理論大致是相同的，甚至讓人懷疑他們是同一學(xué)科被冠以不同的名稱。然而，各研究機(jī)構(gòu)，學(xué)術(shù)期刊，會(huì)議及公司往往把自己特別的歸為其中某一個(gè)領(lǐng)域，于是各種各樣的用來區(qū)分這些學(xué)科的特征便被提了出來。下面將給出一種區(qū)分方法，盡管并不能說這一區(qū)分方法完全準(zhǔn)確。計(jì)算機(jī)視覺的研究對(duì)象主要是映射到單幅或多幅圖像上的三維場(chǎng)景，例如三維場(chǎng)景的重建。計(jì)算機(jī)視覺的研究很大程度上針對(duì)圖像的內(nèi)容。圖象處理與圖像分析的研究對(duì)象主要是二維圖像，實(shí)現(xiàn)圖像的轉(zhuǎn)化，尤其針對(duì)像素級(jí)的操作，例如提高圖像對(duì)比度，邊緣提取，去噪聲和幾何變換如圖像旋轉(zhuǎn)。這一特征表明無論是圖像處理還是圖像分析其研究?jī)?nèi)容都和圖像的具體內(nèi)容無關(guān)。機(jī)器視覺主要是指工業(yè)領(lǐng)域的視覺研究，例如自主機(jī)器人的視覺，用于檢測(cè)和測(cè)量的視覺。這表明在這一領(lǐng)域通過軟件硬件，圖像感知與控制理論往往與圖像處理得到緊密結(jié)合來實(shí)現(xiàn)高效的機(jī)器人控制或各種實(shí)時(shí)操作。模式識(shí)別使用各種方法從信號(hào)中提取信息，主要運(yùn)用統(tǒng)計(jì)學(xué)的理論。此領(lǐng)域的一個(gè)主要方向便是從圖像數(shù)據(jù)中提取信息。還有一個(gè)領(lǐng)域被稱為成像技術(shù)。這一領(lǐng)域最初的研究?jī)?nèi)容主要是制作圖像，但有時(shí)也涉及到圖像分析和處理。例如，醫(yī)學(xué)成像就包含大量的醫(yī)學(xué)領(lǐng)域的圖像分析。對(duì)于所有這些領(lǐng)域，一個(gè)可能的過程是你在計(jì)算機(jī)視覺的實(shí)驗(yàn)室工作，工作中從事著圖象處理，最終解決了機(jī)器視覺領(lǐng)域的問題，然后把自己的成果發(fā)表在了模式