【文章內(nèi)容簡(jiǎn)介】 (29)其中G(x)表示圖像邊函數(shù)，f(x)濾波器函數(shù)，表示噪聲的均方差。高的定位精度：Location越大越好， (210)邊緣響應(yīng)次數(shù)最少：要保證只有一個(gè)像素響應(yīng)，檢測(cè)算子的脈沖響應(yīng)導(dǎo)數(shù)的零交叉點(diǎn)平均距離D(f)滿足式： (211)最后通過(guò)以下式得出算子的近似實(shí)現(xiàn)：邊緣點(diǎn)位于圖像被高斯平滑后的梯度值的極大值點(diǎn)。 (212)這里用下圖的流程圖來(lái)簡(jiǎn)單表示Canny算法過(guò)程：原始圖像A(x,y)B(x,y)偏導(dǎo)(Bx,By)圖像邊緣初步得到邊緣點(diǎn)高斯平滑去噪求導(dǎo)非極大值抑制雙閾值檢測(cè)連結(jié)邊緣 Canny算法過(guò)程Canny算法詳細(xì)過(guò)程：高斯函數(shù)： (213)n表示高斯濾波器窗口大小 偏導(dǎo)數(shù)：使用微分算子求出偏導(dǎo)數(shù) (214)梯度大小 (215)非極大值抑制：沿幅角方向檢測(cè)模值的極大值點(diǎn)，即邊緣點(diǎn)。遍歷8個(gè)方向圖像像素，把每個(gè)像素偏導(dǎo)值與相鄰像素的模值比較，取其MAX值為邊緣點(diǎn)，置像素灰度值為0。 邊緣方向示意圖 雙閾值檢測(cè)[12]：由于單閾值處理時(shí)，合適的閾值選擇較困難，常常需要采用反復(fù)試驗(yàn)，因此采用雙閾值檢測(cè)算法。對(duì)經(jīng)過(guò)非極大值抑制后的圖像作用兩個(gè)閾值th1，th2，th1=，兩個(gè)閾值作用后得到兩個(gè)圖像a、b，較大閾值檢測(cè)出的圖像b去除了大部分噪聲，但是也損失了有用的邊緣信息。較小閾值檢測(cè)得到的圖像a則保留著較多的邊緣信息，以此為基礎(chǔ)，補(bǔ)充圖像b中的丟失的信息，連接圖像邊緣[13]。Canny邊緣檢測(cè)基本原理：(1)具有既能濾去噪聲又保持邊緣特性的邊緣檢測(cè)最優(yōu)濾波器，其采用一階微分濾波器。采用二維高斯函數(shù)的任意方向上的一階方向?qū)?shù)為噪聲濾波器，通過(guò)與圖像卷積進(jìn)行濾波；然后對(duì)濾波后的圖像尋找圖像梯度的局部最大值，以此來(lái)確定圖像邊緣。根據(jù)對(duì)信噪比與定位乘積進(jìn)行測(cè)度，得到最優(yōu)化逼近算子。這就是Canny邊緣檢測(cè)算子[14]。(2)類似與Marr（LOG）邊緣檢測(cè)方法，也屬于先平滑后求導(dǎo)數(shù)的方法。Canny邊緣檢測(cè)算法：step1:用高斯濾波器平滑圖象；step2:用一階偏導(dǎo)的有限差分來(lái)計(jì)算梯度的幅值和方向；step3:對(duì)梯度幅值進(jìn)行非極大值抑制；step4:用雙閾值算法檢測(cè)和連接邊緣。第3章 基于邊緣檢測(cè)的運(yùn)動(dòng)目標(biāo)提取算法選擇及實(shí)現(xiàn)能夠進(jìn)行圖像處理的軟件很多，其中就有Matlab。針對(duì)不同的圖像處理算法，因此用戶最好還是根據(jù)對(duì)某個(gè)圖像處理軟件或高級(jí)程序語(yǔ)言的掌握程度來(lái)編寫自己的圖像處理程序。Matlab是一個(gè)交互式的系統(tǒng)其基本運(yùn)算單元是不需要制定維數(shù)的矩陣，并按照IEEE數(shù)值計(jì)算標(biāo)準(zhǔn)進(jìn)行計(jì)算。系統(tǒng)本身提供了大量的矩陣及其他運(yùn)算函數(shù)，可以方便地進(jìn)行很復(fù)雜的計(jì)算，且運(yùn)算效率極高。而且，Matlab命令與數(shù)學(xué)中的符號(hào)、公式非常接近，可讀性很強(qiáng)，容易掌握，并可利用它所提供的高級(jí)編程語(yǔ)言進(jìn)行編程，完場(chǎng)特定的工作[14]。此外，Matlab還具備圖形用戶界面（GUI）工具，允許用戶把Matlab當(dāng)做一個(gè)應(yīng)用開(kāi)發(fā)工具來(lái)使用。除基本部分外，Matlab還根據(jù)各專門領(lǐng)域中的特殊需要提供了許多可選的工具箱，如應(yīng)用于自動(dòng)控制領(lǐng)域的Control System工具箱以及神經(jīng)網(wǎng)絡(luò)中Neutral Network 工具箱等[15]。Matlab在圖形圖像方面的應(yīng)用有很多。在圖形繪制方面能夠提供高級(jí)繪圖函數(shù)。對(duì)數(shù)字圖像基礎(chǔ)處理，Matlab顏色模型、Matlab的圖像處理工具提供了多種圖像顯示和顏色處理技術(shù)，數(shù)字圖像的文件格式，數(shù)字圖像的類型及數(shù)字圖像的存儲(chǔ)類型等都可以用Matlab編程解決。也可以實(shí)現(xiàn)點(diǎn)運(yùn)算增強(qiáng)和空域?yàn)V波增強(qiáng)、頻域增強(qiáng)（低通濾波器、高通濾波器、帶通、帶阻濾波和同態(tài)濾波等）、彩色圖像（空間濾波、平滑、銳化、邊緣檢測(cè)、分割）和偽彩色處理、圖像壓縮、與編碼基礎(chǔ)、無(wú)損壓縮技術(shù)、有損壓縮技術(shù)、圖像分割技術(shù)、小波圖像處理、形態(tài)學(xué)圖像處理等。 算法的選擇近幾年來(lái)，圖像分析和處理都是圍繞理論、實(shí)現(xiàn)、應(yīng)用三方面發(fā)展起來(lái)的。它以眾多的學(xué)科領(lǐng)域?yàn)槔碚摶A(chǔ)，其成果又滲透到眾多的學(xué)科中，成為理論實(shí)踐并重，在高新技術(shù)領(lǐng)域中占有重要地位的新興學(xué)科。圖像邊緣識(shí)別與在實(shí)際中有很重要的應(yīng)用，一直是圖像邊緣檢測(cè)中的熱點(diǎn)和難點(diǎn)，迄今已有許多邊緣檢測(cè)方法，其中Robert算子、Sobel 算子、Prewitt 算子、Laplace 算子、Prewitt算子、Krisdl算子、Canny算子、Gauss邊緣檢測(cè)算子及輪廓提取或輪廓跟蹤、利用平滑技術(shù)提取圖像邊緣、利用差分技術(shù)提取圖像邊緣、利用小波分析技術(shù)提取圖像邊緣等方法是常用的方法，但各種算法結(jié)果差異很大[16]。本次課題將選擇Canny算子，檢測(cè)階躍邊緣的基本思想是在圖像中找出具有局部最大梯度幅值的像素點(diǎn)。而Canny算子邊緣檢測(cè)算法則是既能濾去噪聲又保持邊緣特性的邊緣檢測(cè)的一階微分算法中的最佳選擇方法。Canny算子，是最有的階梯型邊緣檢測(cè)算子。我們從三個(gè)標(biāo)準(zhǔn)來(lái)說(shuō)明，它對(duì)受到白噪聲影響的階躍型邊緣是最優(yōu)的。(1)檢測(cè)標(biāo)準(zhǔn)。不丟失重要的邊緣，不應(yīng)有虛假的邊緣。(2)定位標(biāo)準(zhǔn)。實(shí)際邊緣與檢測(cè)到的邊緣位置之間的偏差最小。(3)單響應(yīng)標(biāo)準(zhǔn)。將多個(gè)響應(yīng)降低為單個(gè)邊緣響應(yīng)。 Canny算法基本原理Canny邊緣檢測(cè)基本原理：具有既能濾去噪聲又保持邊緣特性的邊緣檢測(cè)最優(yōu)濾波器，其采用一階微分濾波器。采用二維高斯函數(shù)的任意方向上的一階方向?qū)?shù)為噪聲濾波器，通過(guò)與圖像卷積進(jìn)行濾波；然后對(duì)濾波后的圖像尋找圖像梯度的局部最大值，以此來(lái)確定圖像邊緣。根據(jù)對(duì)信噪比與定位乘積進(jìn)行測(cè)度，得到最優(yōu)化逼近算子。這就是Canny邊緣檢測(cè)算子[17]。類似與Marr（LOG）邊緣檢測(cè)方法，也屬于先平滑后求導(dǎo)數(shù)的方法[18]。Canny邊緣檢測(cè)算法：高斯濾波器平滑圖象；一階偏導(dǎo)的有限差分來(lái)計(jì)算梯度的幅值和方向； 對(duì)梯度幅值進(jìn)行非極大值抑制；雙閾值算法檢測(cè)和連接邊緣。 基本流程與實(shí)現(xiàn)：圖像采集運(yùn)動(dòng)目標(biāo)的檢測(cè)圖像預(yù)處理去除背景 整體流程圖根據(jù)流程圖以及基本原理，首先要進(jìn)行圖像采集，可用系統(tǒng)自帶的視頻轉(zhuǎn)化為幀圖像，然后將其保存。也可以拍攝視頻，選取合適圖像進(jìn)行實(shí)驗(yàn)。應(yīng)用Matlab軟件進(jìn)行編程實(shí)驗(yàn)，程序可將系統(tǒng)視頻轉(zhuǎn)化為幀圖像，并將其保存在一定路徑，需要時(shí)可以直接調(diào)用；其次是對(duì)采集和保存的圖片進(jìn)行預(yù)處理，一般圖像邊緣檢測(cè)都采用灰度化的圖像序列，所以要進(jìn)行圖像灰度化，然后將灰度化的圖像平滑處理（高斯濾波），去除干擾圖像檢測(cè)的噪聲；本論文中是對(duì)運(yùn)動(dòng)目標(biāo)的提取，兩幀相同背景下的運(yùn)動(dòng)物體（車輛）只需用簡(jiǎn)單的兩幀差法，即可去除背景，只保留運(yùn)動(dòng)目標(biāo)；最后用邊緣檢測(cè)法（Canny算子）提取出運(yùn)動(dòng)目標(biāo)。 圖像采集及預(yù)處理圖像采集，可用系統(tǒng)自帶的視頻轉(zhuǎn)化為幀圖像，然后將其保存。也可以拍攝視頻，選取合適圖像進(jìn)行實(shí)驗(yàn)。應(yīng)用Matlab軟件進(jìn)行編程實(shí)驗(yàn)，程序可將系統(tǒng)視頻轉(zhuǎn)化為幀圖像，并將其保存在一定路徑，需要時(shí)可以直接調(diào)用。實(shí)驗(yàn)中選用系統(tǒng)視頻，將其轉(zhuǎn)化為幀圖像，只選取其中兩幀連續(xù)圖像即可，如第20,21幀圖像，： (a) 第20幀圖像 (b) 第21幀圖像 兩幀圖像 得到的兩幀圖像，將其進(jìn)行灰度化并去除背景，運(yùn)動(dòng)目標(biāo)檢測(cè)和提取可以不直接使用原始彩色圖像序列，而使用灰度圖像序列，即將彩色視頻圖像序列轉(zhuǎn)換成灰度圖像序列，然后在灰度圖像序列上進(jìn)行高斯濾波平滑去噪，以及邊緣檢測(cè)及運(yùn)動(dòng)目標(biāo)的提取，還有不同算子之間的對(duì)比等。圖像的灰度化，直接調(diào)用函數(shù)rgb2gray[19]，它是將一幅真彩色圖像轉(zhuǎn)換成灰度圖像的函數(shù)，在Matlab中的仿真效果如下圖： (a) 第20幀圖像灰度化后 (b) 第21幀圖像灰度化后 原始圖像灰度化 圖像背景處理兩幀差法是一種通過(guò)對(duì)視頻圖像序列中相鄰兩幀作差分運(yùn)算來(lái)獲得運(yùn)動(dòng)目標(biāo)輪廓的方法，它可以很好地適用于存在多個(gè)運(yùn)動(dòng)目標(biāo)和攝像機(jī)移動(dòng)的情況。當(dāng)監(jiān)控場(chǎng)景中出現(xiàn)異常物體運(yùn)動(dòng)時(shí)，幀與幀之間會(huì)出現(xiàn)較為明顯的差別，兩幀相減，得到兩幀圖像亮度羞的絕對(duì)值，判斷它是否大于閾值來(lái)分析視頻或圖像序列的運(yùn)動(dòng)特性，確定圖像序列中有無(wú)物體運(yùn)動(dòng)[20]。 在相同的背景下，運(yùn)動(dòng)目標(biāo)的提取，需去除背景，在此課題中選用兩幀背景差法只將運(yùn)動(dòng)目標(biāo)保留。： 兩幀差分去除背景后的圖像幀間差分法的優(yōu)點(diǎn)是：算法實(shí)現(xiàn)簡(jiǎn)單，程序設(shè)計(jì)復(fù)雜度低；對(duì)光線等場(chǎng)景變化太敏感，能夠適應(yīng)各種動(dòng)態(tài)環(huán)境，穩(wěn)定性較好。其缺點(diǎn)是：不能提取出對(duì)象的完整區(qū)域，只能提取出邊界；同時(shí)依賴于選擇的幀間時(shí)間間隔。對(duì)快速運(yùn)動(dòng)的物體，需要選擇較小的時(shí)間間隔，如果選擇不合適，當(dāng)物體在前后兩幀中沒(méi)有重疊時(shí)，會(huì)被檢測(cè)為兩個(gè)分開(kāi)的物體：而對(duì)慢速運(yùn)動(dòng)的物體，應(yīng)該選擇較大的時(shí)間差，如果時(shí)間選擇不適當(dāng)，當(dāng)物體在前后兩幀中幾乎完全重疊時(shí)，則檢測(cè)不到物體[21]。 高斯濾波 將去除背景的圖片進(jìn)行高斯濾波平滑處理，為邊緣檢測(cè)做準(zhǔn)備。高斯濾波是一種線性平滑濾波，適用于消除高斯噪聲，廣泛應(yīng)用于圖像處理的減噪過(guò)程。通俗的講，高斯濾波就是對(duì)整幅圖像進(jìn)行加權(quán)平均的過(guò)程，每一個(gè)像素點(diǎn)的值，都由其本身和鄰域內(nèi)的其他像素值經(jīng)過(guò)加權(quán)平均后得到[22]。高斯濾波的具體操作是：用一個(gè)模板（或稱卷積、掩模）掃描圖像中的每一個(gè)像素，用模板確定的鄰域內(nèi)像素的加權(quán)平均灰度值去替代模板中心像素點(diǎn)的值[23]。本論文設(shè)定高斯平滑濾波模板的大小為3*3，程序仿真效果圖如下： (a) 濾波前 (b) 濾波后 通過(guò)高斯濾波后的圖像 高斯濾波對(duì)隨機(jī)噪聲和高斯噪聲（尤其是服從正態(tài)分布的噪聲）的去除效果都比較好，但是對(duì)于椒鹽噪聲的去除就欠佳，把噪聲的幅度減小的同時(shí)也把噪聲點(diǎn)變大了。因此在作平滑處理時(shí)要針對(duì)不同的圖像噪聲采用不同的濾波器才能獲得好的效果。 基于Canny算子的邊緣檢測(cè)Canny算法是此次課題選取的算子，不再說(shuō)明，在編程中使用BW=edge(I,39。canny39。)語(yǔ)句[24]，用canny算子進(jìn)行邊緣檢測(cè)，： Canny算法邊緣檢測(cè)圖像在不同的閾值條件下的邊緣檢測(cè)會(huì)不一樣，、程序運(yùn)行結(jié)果如下： (a) (b) ， (a) (b) ，結(jié)果分析：綜合上圖所示采用的閾值越大，圖像的邊緣檢測(cè)效果越會(huì)清晰，而且邊緣點(diǎn)條理會(huì)比較明顯。 不同算子比較 根據(jù)之前對(duì)不同算子的了解認(rèn)知，將圖像用不同的算子進(jìn)行邊緣檢測(cè)，以便于我們更直觀的去掌握不同的算法以及它們的優(yōu)缺點(diǎn)，綜合不同的算子在以后的設(shè)計(jì)中提出更好的邊緣檢測(cè)方法，Sobel算子、Roberts算子、Prewitt算子、Log算子、Canny算子、高斯Canny算子分別采用BW1=edge(I,39。sobel39。)、BW2=edge(I,39。roberts39。)、BW3=edge(I,39。prewit’）、BW4=edge(I,39。log39。)、 BW5=edge(I,39。canny39。)[25]語(yǔ)句來(lái)完成函數(shù)的調(diào)用，運(yùn)行結(jié)果如下： Sobel算子邊緣檢測(cè)圖像 Prewitt算子邊緣檢測(cè)圖像 Sobel邊緣檢測(cè)算子不但可以產(chǎn)生較好的邊緣效果，而且對(duì)噪聲具有平滑作用，減小了對(duì)噪聲的敏感性。但，Sobel邊緣檢測(cè)算子也檢測(cè)出了一些偽邊緣[26]，使得邊緣比較粗糙，降低了檢測(cè)定位精度，Prewitt從加大邊緣檢測(cè)算子的模板大小出發(fā)，由2x2擴(kuò)大到3x3來(lái)計(jì)算差分算子，采用Prewitt算子不僅能檢測(cè)邊緣點(diǎn)．而且能抑制噪聲的影響。Sobel在Prewitt算子的基礎(chǔ)上，對(duì)4一鄰域采用帶權(quán)的方法計(jì)算差分[27]，該算子不僅能檢測(cè)邊緣點(diǎn)，且能進(jìn)一步抑制噪聲的影響，但檢測(cè)的邊緣較寬。 Roberts算子邊緣檢測(cè)圖像 Log算子邊緣檢測(cè)圖像Roberts算子利用局部差分算子尋找邊緣，邊緣定位精度較高，但容易丟失一部分邊緣，同時(shí)由于沒(méi)有經(jīng)過(guò)圖像平滑計(jì)算，因此不能抑制噪聲，該算子對(duì)具有陡峭的低噪聲圖像響應(yīng)最好[28]。由于圖像的平滑會(huì)引起邊緣的模糊。LOG算法中的高斯平滑運(yùn)算會(huì)導(dǎo)致圖像中邊緣和其他尖銳不連續(xù)部分的模糊。值越大，噪聲濾波效果越好，但同時(shí)會(huì)丟失一些重要的邊緣信息[29]。 Canny算子邊緣檢測(cè)圖像 高斯Canny算子邊緣檢測(cè)圖像結(jié)果分析：(1)Roberts算子邊緣定位精度較高，但容易丟失一部分邊緣，對(duì)噪聲敏感。適應(yīng)于邊緣明顯而且噪聲較少的圖像。(2)Sobel算子和Prewitt算子都是加權(quán)平均，有一定的噪聲抑制能力。但是Sobel算子和Prewitt算子對(duì)邊緣的定位不如Roberts算子。而且邊緣并不是完全連通的，由一定程度的斷開(kāi).(3)log算子首先用高斯函數(shù)對(duì)圖像作平滑濾波處理，然后才使用Laplacian算子檢測(cè)邊緣，因此克服了Laplacian算子抗噪聲能力比較差的缺點(diǎn)，但是在抑制噪聲的同時(shí)也可能將原有的比較尖銳的邊緣也平滑掉了，造成這些尖銳邊緣無(wú)法檢被測(cè)到。(4)Canny算子具有方向性（并不只是簡(jiǎn)單的進(jìn)行梯度運(yùn)算來(lái)決定像素是否為邊緣點(diǎn)，在決定一個(gè)像素是否為當(dāng)前邊緣點(diǎn)時(shí)，需要根據(jù)當(dāng)前像素及前面處理過(guò)的像素來(lái)進(jìn)行判斷。）由于Canny算子具有獨(dú)特的性能，使得其邊緣檢測(cè)和定位的結(jié)果要優(yōu)于上述提到的其他的任何算子。第4章 總結(jié)通過(guò)之前對(duì)算法敘述和實(shí)驗(yàn)分析討論，得到以下結(jié)論。(1)運(yùn)動(dòng)目標(biāo)檢測(cè)是基于彩色圖像序列、灰度圖