【文章內(nèi)容簡介】 浙江科技學院本科畢業(yè)設(shè)計（論文） 14 以是其他顏色），而當圖像中像素點的亮度值大于這個數(shù)值時，把像素點設(shè)置成為白色（可以是其他顏色）。閥值的選擇有自動閥值選取法和手動閥值選取法。自動閥值選取法，是先對灰度圖像進行掃描，根據(jù)得到圖像中點的亮度情況，自動地設(shè)定一個閥值。比如說，想使圖像中 70%的點的顏色是黑色的，那么這個閥值就應(yīng)該取整個圖像中所有像素亮度值排序中的 70%位置上的亮度值。手動閥值設(shè)定比較簡單，就是人為的設(shè)定一個閥值，一般來說，它要求在設(shè)定之前對整個圖像的亮度有大致地了 解 [5]。圖 二值化后得 圖 233 圖像的二值化 圖像細化 圖像的細化是使粗的物體變細，同時保留了原來物體的輪廓特征。細化將一個曲線物 體細化成為一條單像素寬的線，從而圖形化地顯示出其拓撲性質(zhì)。圖像的細化屬于圖形學的內(nèi)容，它是骨架提取的一種方法，經(jīng)常用在輪廓里面。抽骨架也稱為中軸變換或焚燒草地技術(shù)。中軸是所有與物體在兩個或更多非鄰域邊界點處相切的圓心的軌跡。但抽骨架很少通過在物體內(nèi)擬合圓來實現(xiàn)。圖像細化的算法也很多，根據(jù)不同的情況，可以 選擇不同的細化方法。在本系統(tǒng)中，使用的是查表的細化算法，即 8鄰域細化中有代表性的希爾迪奇方法。具體來說就事先設(shè)定一個二值化的表格，里面的數(shù)值表示該點能不能被細化掉，然后進行像素點周圍的八方向掃描，查看八個方向上點的顏色情況，最后根據(jù)八個點的情況計算，得到一個索引值，利用這個索引值查看表格中的數(shù)值，最后確定當前像素是否應(yīng)該被細化掉。原來圖像的輪廓變細了 [6]，細化后的圖像效果如圖 所示。 浙江科技學院本科畢業(yè)設(shè)計（論文） 15 圖像處理的應(yīng)用 計算機圖像處理和計算機、多媒體、智能機器人、專家系統(tǒng)等技術(shù)的發(fā)展緊密相關(guān)。今年來計算機識別、 理解圖像的技術(shù)發(fā)展很快，也就是圖像處理的目的除了直接供人觀看（如醫(yī)學圖像是為醫(yī)生觀看作診斷）外，還進行一步發(fā)展了與計算機視覺有關(guān)的應(yīng)用，如郵件自動分檢，車輛自動駕駛等。下面僅羅列了一些典型應(yīng)用實例，而實際應(yīng)用更廣 [7]。 (1)在生物醫(yī)學中的應(yīng)用 主要包括顯微鏡圖像處理； DNA 顯示分析；紅、白血球分析計數(shù)；蟲卵及組織切片的分析；癌細胞識別；染色體分析；心血管數(shù)字減影及其他減影技術(shù)；內(nèi)臟大小形狀及異常檢測；心臟活動的動態(tài)分析；熱像、紅外像分析； X 光照片增強、凍結(jié)及偽彩色增強；超聲圖像成像、增強、凍結(jié)及偽彩色處 理等。 (2)遙感航天中的應(yīng)用 軍事偵察、定位、導(dǎo)航、指揮等應(yīng)用；多譜衛(wèi)星圖像分析；地形、地圖、國土普查；地質(zhì)、礦藏勘探；森林資源探查、分類、防火；水利資源探查，洪水泛濫監(jiān)測；海洋、漁業(yè)方面如溫度、魚群的監(jiān)測、預(yù)報；農(nóng)業(yè)方面如谷物估產(chǎn)、病蟲害調(diào)查；自然災(zāi)害、環(huán)境污染的監(jiān)測；氣象、天氣預(yù)報圖的合成分析預(yù)報；天文、太空星體的探測及分析；交通、空中管理、鐵路選線等。 (3)軍事公安領(lǐng)域中的應(yīng)用 巡航導(dǎo)彈地形識別；指紋自動識別；罪犯臉形的合成；側(cè)視雷達的地形偵察；遙控飛行器 RPV 的引導(dǎo)；目標的識別與制導(dǎo)；警戒系統(tǒng)及 自動火炮控制；反偽裝偵察；手跡、人像、印章的鑒定識別；過期檔案文字的復(fù)原；集裝箱的不開箱檢查等。 (4)其他應(yīng)用 圖像的遠距離通信；多媒體計算機系統(tǒng)及應(yīng)用；電視電話；服裝試穿顯示；理發(fā)發(fā)型預(yù)測顯示；電視會議；辦公自動化、現(xiàn)場視頻管理等。 浙江科技學院本科畢業(yè)設(shè)計（論文） 16 第 三 章 運動檢測 視頻圖像中運動物體分析關(guān)鍵的一步就是從連續(xù)的視頻圖像中提取出運動目標 ,即運動目標檢測。運動檢測是指在指定區(qū)域能識別圖像的變化，檢測運動物體的存在并避免由光線變化帶來的干擾。但是如何從實時的序列圖像中將變化區(qū)域從背景圖像中提取出來，還要考慮運動區(qū) 域的有效分割對于目標分類、跟蹤等后期處理是非常重要的，因為以后的處理過程僅僅考慮圖像中對應(yīng)于運動區(qū)域的像素。然而，由于背景圖像的動態(tài)變化，如天氣、光照、影子及混亂干擾等的影響，使得運動檢測成為一項相當困難的工作。 通過對本系統(tǒng)的使用，可以了解圖形圖像處理的一些基本手段和方法，如細化、膨脹、灰度化、二值化、平滑、邊緣提取等 [4]。同時可以了解物體跟蹤的實現(xiàn)算法，即 背景圖像差分法、時態(tài)差分法和光流法 :等，可以將 這些技術(shù)用在各種 視頻監(jiān)控系統(tǒng)中 [8]。 功能特點： ? 系統(tǒng)能夠自動提取背景； ? 物體的識別準確率 大于 95%； ? 每張圖片的處理時間不大于 3s； ? 對圖片噪聲具有較強的適應(yīng)性； ? 系統(tǒng)能夠長時間無故障運行； ? 系統(tǒng)的操作簡單。 ? 界面友好，簡單易用 3..2 界面功能使用流程圖 圖 界面功能流程圖 浙江科技學院本科畢業(yè)設(shè)計（論文） 17 運動檢測 方法 早期的運動檢測如 MPEG1 是對編碼后產(chǎn)生的 ,幀進行比較分析，通過視頻幀的比較來檢測圖像變化是一種可行的途徑。原理如下： MPEG1 視頻流由三類編碼幀組成，它們分別是：關(guān)鍵幀（ I 幀），預(yù)測幀（ P 幀）和內(nèi)插雙向幀（ B 幀）。 I 幀 JPEG 標準編碼，獨立于其他編碼幀，它是 MPEGI 視頻流中唯 一可存取的幀，每 12 幀出現(xiàn)一次。截取連續(xù)的 I 幀，經(jīng)過解碼運算，以幀為單位連續(xù)存放在內(nèi)存的緩沖區(qū)中，再利用函數(shù)在緩沖區(qū)中將連續(xù)的兩幀轉(zhuǎn)化為位圖形式，存放在另外的內(nèi)存空間以作比較之用，至于比較的方法有多種。此方法是對編碼后的數(shù)據(jù)進行處理，而目前的MPEG1 /MPEG4 編碼都是有損壓縮，對比原有的圖像肯定存在誤報和不準確的現(xiàn)象 [9]。 目前運動目標檢測方法有 3 種 : 幀差法 、 減背景 法 和光流法 光流是空間運動物體被觀測面上的像素點運動產(chǎn)生的瞬時速度場，包含了物體 3D 表面結(jié)構(gòu)和動態(tài)行為的重要信息 錯誤 !未找到引用源。 。一般情況下，光流由相機運動、場景中目標運動，或兩者的運動產(chǎn)生。當場景中有獨立的運動目標時，通過光流分析可以確定運動目標的數(shù)目、運動速度、目標距離和目標的表面結(jié)構(gòu)。對于光流的研究已經(jīng)在環(huán)境建模、目標檢測與跟蹤、自動導(dǎo)航及視頻事件分析中得到了廣泛的應(yīng)用 錯誤 !未找到引用源。 錯誤 !未找到引用源。 。 在空間中，運動可以用運動場描述。而在一個圖像平面上，物體的運動往往是通過圖像序列中不同圖象灰度分布的不同體現(xiàn)的。從而，空間中的運動場轉(zhuǎn)移到圖像上就表示為光流場，光流場反映了圖像上每一點灰度的變化趨勢。光流可以看作帶有灰度的像素點在圖像平面運動產(chǎn)生的瞬時速度場。 光流方程推導(dǎo)：假設(shè) E( , , )x yt 為 (x,y)點在時刻 t 的灰度。設(shè) t+dt 時刻該點運動到(x+dx,y+dy)點，他的灰度為 E ( , , )x d x y d y t d t? ? ?。 我們認為，由于對應(yīng)同一個點，所以 E ( , , ) E ( , , )x y t x d x y d y t d t? ? ? ? (21) 將上面光流約束方程式右邊做泰勒展開，并令 dt0，則得到： E E E 0xu yv t? ? ?，其中： E E/x d dx? E E/y d dy? E E/t d dt? /u dxdt? /v dydt? 上面的 Ex,Ey,Et 的計算都很簡單，用離散的差分代替導(dǎo)數(shù)就可以了。光流法的主要任務(wù)就是通過求解光流約束方程求出 u,v。但是由于只有一個方程，所以這是個病態(tài)問題。故而 浙江科技學院本科畢業(yè)設(shè)計（論文） 18 人們提出了各種其他的約束方程以聯(lián)立求解。但是當用于攝像機固定的這一特定情況，問題可以大大簡化 [9]。 在攝像機固定的情形下，運動物體的檢測其實就是分離前景和背景的問題。對于背景理想情況下，其光流應(yīng)當為 0，只有前景才有光流。并不需要通過求解光流約束方程求出 u,v。只要求出亮度梯度方向的速率就 可以了，即求出 22uv? 。而由光流約束方程可以很容易求得梯度方向的光流速度為： ? ? ? ?22E / E EV t x y?? (22) 因此設(shè)定一個閾值 T。 ( , ) T ( , )( , ) T ( , )V x y x yV x y x y??? ??， 是 前 景， 是 背 景 (23) 光流計算方法大致可分為三類：基于匹配的、頻域的或梯度的方法。 基于匹配的光流計算方法包括基于特征和區(qū)域的 兩種?；谔卣鞯姆椒ú粩嗟貙δ繕酥饕卣鬟M行定位和跟蹤，對目標大的運動和亮度變化具有魯棒性。存在的問題是光流通常很稀疏，而且特征提取和精確匹配也十分困難?；趨^(qū)域的方法先對類似的區(qū)域進行定位，然后通過相似區(qū)域的位移計算光流。這種方法在視頻編碼中得到了廣泛的應(yīng)用。然而，它計算的光流仍不稠密。另外，這兩種方法估計像素精度的光流也較困難，計算量很大。在考慮光流精度和稠密性時，基于匹配的方法不如基于頻域和梯度的方法。 基于頻域的方法利用速度可調(diào)的濾波組輸出的頻率或相位信息。雖然能獲得很高精度的初始光流估計，但往往涉 及復(fù)雜的計算。另外，進行可靠性評價也十分困難 錯誤 !未找到引用源。 。 基于梯度的方法利用圖像序列的時空微分計算 2D 速度場（光流）。由于計算簡單和較好的實驗結(jié)果，基于梯度的方法得到了廣泛研究。雖然很多基于梯度的光流估計方法取得了較好的光流估計，但由于在計算光流時涉及到可調(diào)參數(shù)的人工選取、可靠性評價因子的選擇困難，以及預(yù)處理對光流計算結(jié)果的影響，在應(yīng)用光流對目標進行實時檢測與自動跟蹤時仍存在很多問題 錯誤 !未找到引用源。 。 光流法就是利用圖像灰度在時間上的變化與景象中物體的結(jié)果和運動的關(guān)系，進行運動物體的檢測，光流法的計算結(jié)果通常誤差較大，分割結(jié)果的精確性依賴于估算的光流場的精確性，且計算復(fù)雜，如果沒有硬件幫助的話，很難滿足系統(tǒng)實時性的要求。 錯誤 ! 浙江科技學院本科畢業(yè)設(shè)計（論文） 19 未找到引用源。 和 錯誤 !未找到引用源。 等人采用了這種分析手段分割運動 , 幀間差分法 錯誤 !未找到引用源。 是以直接比較圖像序列相鄰對應(yīng)像素點發(fā)生的相對變化為基礎(chǔ)進行運動目標檢測的方法， 可分為相鄰兩幀圖像差分和連續(xù)三幀差分。 在最簡單的形式下，連續(xù)兩相鄰幀間采用基于像素的差分并且閾值化來提取圖像中的運動區(qū)域。 第 t 幀圖像( , , )f x yt 與第 t1 幀圖像 ( , , 1)f x y t? 進行差 分，得到差分后的 二值 圖像 ，如下公式： 1 , ( , , ) ( , , 1 ) T( , , , 1 )0 , d if f x y t f x y tf x y t t e lse? ? ? ???? ??? (24) 其中 T是差分閾值，得到的二值圖像中像素為 1的區(qū)域被認為是運動目標區(qū)域 [10]。 幀間差分易于實時監(jiān)控、算法簡單，如果相鄰幀的時間間隔較短，該方法對場景光線的變化不太敏感，受目標陰影的影響也不大，因此這種方法具有很強的自適應(yīng)性， 無需獲得背景圖像， 但是對做差分的連續(xù)幀的選擇時機要求較高，而且有賴于運動物體的 運動速度，如果運動速度較快，而選取的時間間隔過大，就會造成兩幀之間無覆蓋區(qū)域，從而無法分割出運動物體，而如果運動速度過慢，而選取的時間過小，則造成過度覆蓋，最壞的情況就是物體幾乎完全重疊，根本就檢測不到物體。 一種改進的方法是利用三幀差分代替，如 VSAM開發(fā)了一種自適應(yīng)背景減除與三幀差分相結(jié)合的混合算法，它能夠快速有效地從背景中檢測出運動目標；另一種改進方法是采用后處理的方法如形態(tài)濾波、區(qū)域連通或參數(shù)模型等方法提取完整的運動目標信息。幀間差分運動檢測方法對于動態(tài)環(huán)境具有較強的自適應(yīng)性，但一般不能完全提取出所有 相關(guān)的特征像素點，在運動實體內(nèi)部容易產(chǎn)生空洞現(xiàn)象，一直都沒有很好的解決方法。 減背景法 目前，很多文獻都采用減背景 ( background subtraction)思想來開展監(jiān)控視頻運動目標檢測方法的研究，即將每個輸入視頻幀和一張背景圖像相比較，如果同位置的像素特征、像素區(qū)域特征或其他特征存在一定程度的差別，則新視頻幀中這些位置的像素點或像素區(qū)域就構(gòu)成前景運動目標區(qū)域。若對這些前景像素點作進一步處理，即可得到運動目標位置、大小、形狀等信息，以便進行目標跟蹤和視頻內(nèi)容理解。 減背景 的基本思想是用當 前幀與背景幀進行差