【文章內(nèi)容簡(jiǎn)介】 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.(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、灰度圖像序列還是邊緣圖像序列的問(wèn)題。邊緣圖像僅保留了物體邊緣的信息。(2)根據(jù)實(shí)驗(yàn)比較分析，得到了運(yùn)動(dòng)目標(biāo)檢測(cè)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(yùn)動(dòng)目標(biāo)進(jìn)行邊緣檢測(cè)，減少了檢測(cè)中不必要的干擾。(3)Canny 算子檢測(cè)方法的優(yōu)點(diǎn):①低誤碼率,很少把邊緣點(diǎn)誤認(rèn)為非邊緣點(diǎn)。②高定位精度,即精確地把邊緣點(diǎn)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(duì)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(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。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。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[30]。）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。經(jīng)典的邊緣檢測(cè)方法由于引入了各種形式的微分運(yùn)算，從而必然引起對(duì)噪聲的極度敏感，執(zhí)行邊緣檢測(cè)的結(jié)果常常是把噪聲當(dāng)作邊緣點(diǎn)檢測(cè)出來(lái)，而真正的邊緣也由于受到噪聲干擾而沒(méi)有檢測(cè)出來(lái)。因而對(duì)于有噪聲圖像來(lái)說(shuō)，一種好的邊緣檢測(cè)方法應(yīng)該具有良好的噪聲抑制能力，同時(shí)又有完備的邊緣保持特性,而這些優(yōu)點(diǎn)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(lái)判斷邊緣點(diǎn)[31]。它是一階傳統(tǒng)微分中檢測(cè)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(cè)中，邊緣定位與噪聲濾除是兩個(gè)相互矛盾的部分，很難同時(shí)得到很好的解決。這就是邊緣檢測(cè)的“兩難”問(wèn)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(cè)的“兩難”問(wèn)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(shí)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(wàn)纓,韓毅,[M].計(jì)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(jì)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(bào)，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(yùn)動(dòng)目標(biāo)檢測(cè)和識(shí)別方法 [J]. 計(jì)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(bào), [22] [M].武漢大學(xué),2004[23] 江笑嬋,萬(wàn)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(bào),1996[26] 陸宗騏,[J].中國(guó)圖像圖形學(xué)報(bào),[27] 葉俊,基于Canny算子的圖像邊緣檢測(cè)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(cè)算法[J].深圳大學(xué)學(xué)報(bào),2005[30] 萬(wàn)纓,韓毅,[M].計(jì)算機(jī)仿真,[31] 韓軍,熊璋,[M].計(jì)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(jì)\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(jì)\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)。