【文章內(nèi)容簡介】 將其保存。也可以拍攝視頻，選取合適圖像進(jìn)行實驗。應(yīng)用Matlab軟件進(jìn)行編程實驗，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，需要時可以直接調(diào)用；其次是對采集和保存的圖片進(jìn)行預(yù)處理，一般圖像邊緣檢測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），去除干擾圖像檢測的噪聲；本論文中是對運動目標(biāo)的提取，兩幀相同背景下的運動物體（車輛）只需用簡單的兩幀差法，即可去除背景，只保留運動目標(biāo)；最后用邊緣檢測法（Canny算子）提取出運動目標(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)行實驗。應(yīng)用Matlab軟件進(jìn)行編程實驗，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，需要時可以直接調(diào)用。實驗中選用系統(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，運動目標(biāo)檢測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，以及邊緣檢測及運動目標(biāo)的提取，還有不同算子之間的對比等。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對視頻圖像序列中相鄰兩幀作差分運算來獲得運動目標(biāo)輪廓的方法，它可以很好地適用于存在多個運動目標(biāo)和攝像機(jī)移動的情況。當(dāng)監(jiān)控場景中出現(xiàn)異常物體運動時，幀與幀之間會出現(xiàn)較為明顯的差別，兩幀相減，得到兩幀圖像亮度羞的絕對值，判斷它是否大于閾值來分析視頻或圖像序列的運動特性，確定圖像序列中有無物體運動[20]。 在相同的背景下，運動目標(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動目標(biāo)保留。： 兩幀差分去除背景后的圖像幀間差分法的優(yōu)點是：算法實現(xiàn)簡單，程序設(shè)計復(fù)雜度低；對光線等場景變化太敏感，能夠適應(yīng)各種動態(tài)環(huán)境，穩(wěn)定性較好。其缺點是：不能提取出對象的完整區(qū)域，只能提取出邊界；同時依賴于選擇的幀間時間間隔。對快速運動的物體，需要選擇較小的時間間隔，如果選擇不合適，當(dāng)物體在前后兩幀中沒有重疊時，會被檢測為兩個分開的物體：而對慢速運動的物體，應(yīng)該選擇較大的時間差，如果時間選擇不適當(dāng)，當(dāng)物體在前后兩幀中幾乎完全重疊時，則檢測不到物體[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程。通俗的講，高斯濾波就是對整幅圖像進(jìn)行加權(quán)平均的過程，每一個像素點的值，都由其本身和鄰域內(nèi)的其他像素值經(jīng)過加權(quán)平均后得到[22]。高斯濾波的具體操作是：用一個模板（或稱卷積、掩模）掃描圖像中的每一個像素，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 通過高斯濾波后的圖像 高斯濾波對隨機(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，但是對于椒鹽噪聲的去除就欠佳，把噪聲的幅度減小的同時也把噪聲點變大了。因此在作平滑處理時要針對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Canny算法是此次課題選取的算子，不再說明，在編程中使用BW=edge(I,39。canny39。)語句[24]，用canny算子進(jìn)行邊緣檢測，： Canny算法邊緣檢測圖像在不同的閾值條件下的邊緣檢測會不一樣，、程序運行結(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，圖像的邊緣檢測效果越會清晰，而且邊緣點條理會比較明顯。 不同算子比較 根據(jù)之前對不同算子的了解認(rèn)知，將圖像用不同的算子進(jìn)行邊緣檢測，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，綜合不同的算子在以后的設(shè)計中提出更好的邊緣檢測方法，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]語句來完成函數(shù)的調(diào)用，運行結(jié)果如下： Sobel算子邊緣檢測圖像 Prewitt算子邊緣檢測圖像 Sobel邊緣檢測算子不但可以產(chǎn)生較好的邊緣效果，而且對噪聲具有平滑作用，減小了對噪聲的敏感性。但，Sobel邊緣檢測算子也檢測出了一些偽邊緣[26]，使得邊緣比較粗糙，降低了檢測定位精度，Prewitt從加大邊緣檢測算子的模板大小出發(fā)，由2x2擴(kuò)大到3x3來計算差分算子，采用Prewitt算子不僅能檢測邊緣點．而且能抑制噪聲的影響。Sobel在Prewitt算子的基礎(chǔ)上，對4一鄰域采用帶權(quán)的方法計算差分[27]，該算子不僅能檢測邊緣點，且能進(jìn)一步抑制噪聲的影響，但檢測的邊緣較寬。 Roberts算子邊緣檢測圖像 Log算子邊緣檢測圖像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，同時由于沒有經(jīng)過圖像平滑計算，因此不能抑制噪聲，該算子對具有陡峭的低噪聲圖像響應(yīng)最好[28]。由于圖像的平滑會引起邊緣的模糊。LOG算法中的高斯平滑運算會導(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，但同時會丟失一些重要的邊緣信息[29]。 Canny算子邊緣檢測圖像 高斯Canny算子邊緣檢測圖像結(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.(3)log算子首先用高斯函數(shù)對圖像作平滑濾波處理，然后才使用Laplacian算子檢測邊緣，因此克服了Laplacian算子抗噪聲能力比較差的缺點，但是在抑制噪聲的同時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法檢被測到。(4)Canny算子具有方向性（并不只是簡單的進(jìn)行梯度運算來決定像素是否為邊緣點，在決定一個像素是否為當(dāng)前邊緣點時，需要根據(jù)當(dāng)前像素及前面處理過的像素來進(jìn)行判斷。）由于Canny算子具有獨特的性能，使得其邊緣檢測和定位的結(jié)果要優(yōu)于上述提到的其他的任何算子。第4章 總結(jié)通過之前對算法敘述和實驗分析討論，得到以下結(jié)論。(1)運動目標(biāo)檢測是基于彩色圖像序列、灰度圖像序列還是邊緣圖像序列的問題。邊緣圖像僅保留了物體邊緣的信息。(2)根據(jù)實驗比較分析，得到了運動目標(biāo)檢測的最佳的算法和程序。背景去除采用兩幀差分的方法；只留圖像中的運動目標(biāo)進(jìn)行邊緣檢測，減少了檢測中不必要的干擾。(3)Canny 算子檢測方法的優(yōu)點:①低誤碼率,很少把邊緣點誤認(rèn)為非邊緣點。②高定位精度,即精確地把邊緣點定位在灰度變化最大的像素上。③抑制虛假邊緣。Roberts算子邊緣定位精度較高，但容易丟失一部分邊緣，對噪聲敏感。適應(yīng)于邊緣明顯而且噪聲較少的圖像。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。log算子首先用高斯函數(shù)對圖像作平滑濾波處理，然后才使用Laplacian算子檢測邊緣，因此克服了Laplacian算子抗噪聲能力比較差的缺點，但是在抑制噪聲的同時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法檢被測到。Canny算子具有方向性（并不只是簡單的進(jìn)行梯度運算來決定像素是否為邊緣點，在決定一個像素是否為當(dāng)前邊緣點時，需要根據(jù)當(dāng)前像素及前面處理過的像素來進(jìn)行判斷[30]。）由于Canny算子具有獨特的性能，使得其邊緣檢測和定位的結(jié)果要優(yōu)于上述提到的其他的任何算子。經(jīng)典的邊緣檢測方法由于引入了各種形式的微分運算，從而必然引起對噪聲的極度敏感，執(zhí)行邊緣檢測的結(jié)果常常是把噪聲當(dāng)作邊緣點檢測出來，而真正的邊緣也由于受到噪聲干擾而沒有檢測出來。因而對于有噪聲圖像來說，一種好的邊緣檢測方法應(yīng)該具有良好的噪聲抑制能力，同時又有完備的邊緣保持特性,而這些優(yōu)點正式Canny算子所具備的。Canny方法則以一階導(dǎo)數(shù)為基礎(chǔ)來判斷邊緣點[31]。它是一階傳統(tǒng)微分中檢測階躍型邊緣效果最好的算子之一。它比Roberts算子、Sobel算子和Prewitt算子極小值算法的去噪能力都要強(qiáng)，但它也容易平滑掉一些邊緣信息。在微分法邊緣檢測中，邊緣定位與噪聲濾除是兩個相互矛盾的部分，很難同時得到很好的解決。這就是邊緣檢測的“兩難”問題。本文利用Canny算子與經(jīng)典算子進(jìn)行比較，在一定數(shù)據(jù)條件下取得較好效果。相信在此基礎(chǔ)上改進(jìn)，以后較好地解決邊緣檢測的“兩難”問題。參考文獻(xiàn)[1] [M].清華大學(xué)出版社,[2] [M].清華大學(xué)出版社, [3] [M].西安電子科技大學(xué)出版社,[4] 羅軍輝,].機(jī)械工業(yè)出版社, [5] [M].電子工業(yè)出版社,[6] 張強(qiáng). 精通MATLAB圖像處理[M].電子工業(yè)出版社,[7] 何斌,[M].人民郵電出版社 [8] [M].科學(xué)出版社,1994 [9] 楊支靈,、處理及實踐應(yīng)用[M].人民郵電出版社[10] 張強(qiáng). 精通MATLAB圖像處理[M].電子工業(yè)出版社,[11] Lindeberg T., “Edge Detection and Ridge Detection with Automatic Scale Selection”, International Journalof Computer Vision, vol. 30, number 2, 117154, 1998[12] 萬纓,韓毅,[M].計算機(jī)仿真, [13] John Canny. A putational approach to edge detection. Pattern Analysis and Machine Intelligence, IEEE Transactions on, PAMI8(6):679–698, Nov. 1986.[14] [M].計算機(jī)與現(xiàn)代化，[15] 莫德舉,[M].北京郵電大學(xué)出版社,[16] 游素亞,[J].電子科技導(dǎo)報，1995 [17] 朱秀昌,劉峰,[M].北京郵電大學(xué)出版社 [18] [M].北京:[19] [M].清華大學(xué)出版社，1999 [20] 李慶忠,陳顯華,王立紅. 視頻監(jiān)控中運動目標(biāo)檢測和識別方法 [J]. 計算機(jī)工程，. [21] 林佳乙,于哲舟,張健,馬安娜,[J].吉林大學(xué)儀器儀表學(xué)報, [22] [M].武漢大學(xué),2004[23] 江笑嬋,萬振凱,[J].天津工業(yè)大學(xué),2005[24] [J].西安文理學(xué)院現(xiàn)代電子技術(shù),[25] 鄭翔,[J].通信學(xué)報,1996[26] 陸宗騏,[J].中國圖像圖形學(xué)報,[27] 葉俊,基于Canny算子的圖像邊緣檢測與提取的算法[J].黃岡職業(yè)技術(shù)學(xué)院科技資訊,[28] Kenneth R. Castleman 著,[M].電子工業(yè)出版,[29] 王娜, 邊緣檢測算法[J].深圳大學(xué)學(xué)報,2005[30] 萬纓,韓毅,[M].計算機(jī)仿真,[31] 韓軍,熊璋,[M].計算機(jī)工程與應(yīng)用,2000,3附錄1：論文應(yīng)用程序mov=mmreader(39。39。)。 %用mmreader讀入視頻文件for i=1: %獲得總幀數(shù)，并依次讀取b=read(mov,i)。imwrite(b,strcat(39。E:\畢業(yè)設(shè)計\幀圖像\系統(tǒng)\39。,int2str(i),39。.jpg39。),39。jpg39。)。 %保存圖片CurImage=imread(39。39。)。 %RGB圖% NxtImage=imread(39。39。)。 %RGB圖% CurGray=rgb2gray(CurImage)。 %灰度圖% NxtGray=rgb2gray(NxtImage)。 DiffImage=abs(NxtGrayCurGray)。 %得到差分圖% imwrite( DiffImage, 39。E:\畢業(yè)設(shè)計\幀圖像\系統(tǒng)\39。)。 %保存圖片hg=zeros(3,3)。 %設(shè)定高斯平滑濾波模板的大小為3*3delta=。for x=1:1:3 for y=1:1:3 u=x2。 v=y2。 hg(x,y)=exp((u^2+v^2)/(2*pi*delta^2))。 endendh=hg/sum(hg(:))。f = imread(39。39。)。 % 讀入圖像文件f=im2double(f)。[m,n]=size(f)。