【文章內(nèi)容簡介】 測至關(guān)重要，因此視頻圖像的去噪是一個非常重要的預處理步驟。對于一個良好的圖像處理系統(tǒng)，不論是計算機進行的數(shù)字處理還是用模擬處理，都是把減少最前一級的去除噪聲作為主攻目標。 在我們對視頻圖像的檢測之前 ，為了能 更好 達到預期的結(jié)果 ， 避免 噪聲等 因素 對視頻圖像檢測效果的 影響 ， 首先 應該 對視頻 圖像的 進行預處理， 本章主要介紹了對視頻的讀取，圖像灰度化，以及幾種常用的去噪方法，并綜合分析每種方法的優(yōu)缺點，最后確定使用高斯濾波進行圖像去噪。 視頻讀取 本課題是基于 OpenCV 的 運動 視頻檢測，使用的是 OpenCV 函數(shù)庫，搭建在 Visual C++ 環(huán)境下 進行編 譯 ，其 識別的 視頻格式為 avi。 OpenCV 從外部捕獲圖像 有兩種方式 ，一種是從攝像頭中 獲取 ， 另 一種是通過 對 視頻 的解碼 得到圖像。 這 兩種 獲取圖像的 方式都必須從第一幀開始一幀一幀的按順序獲取，因此每獲取一幀 圖像 后都要保存 其 相應的狀態(tài)和參數(shù) [8]。 如果 從視頻文件中獲取，需要保存視頻文件的文件名 和 相應的文件名類型， 以及 下一次獲取 所 需要解碼哪一幀等。這些信息都保存在 CvCapture 中， 而 每獲取一幀后，這些信 息都將被更新，獲取下一幀需要將新 的 信息傳給獲取 信息所 傳遞的接口。 CvCapture 是一個結(jié)構(gòu)體， 它是 用來保存圖像捕獲所需要的信息。 通過 設(shè)置視頻文件的路徑 ， 然后 在 設(shè)置窗口 大小 ，并且可以控制窗口的位置和大小。 cvQueryFrame 從攝像頭或者文件中抓取并返回這一幀。返回的圖像不可以被用戶釋放或者修改。 cvQueryFrame 的參數(shù)為 CvCapture 結(jié)構(gòu) 體 的指針。 它的作用是 用來將下一幀視頻文件載入內(nèi)存，返回一個對應當前幀的指針。與 cvNamedWindow 不同是， cvQueryFrame 6 使用已經(jīng)在 cvCapture 結(jié)構(gòu)中分配好的內(nèi)存 ，而 cvNamedWindow 為圖像分配內(nèi)存空間 。而在釋放內(nèi)存的時候， 就沒有必要通過 cvReleaseImage 對這個返回的圖像指針進行釋放，當 CvCapture 結(jié)構(gòu)被釋放后，每一幀圖像所對應的內(nèi)存空間即會被釋放。 部分代碼如下 //打開視頻文件 //if(argc == 2) if( !(pCapture = cvCaptureFromFile())) { fprintf(stderr, Can not open video file %s/n, argv[1])。 return 2。 } IplImage* pFrame = NULL。 IplImage* pFrImg = NULL。 IplImage* pBkImg = NULL。 CvCapture* pCapture = NULL。 //聲明視頻捕捉器，用于捕獲視頻 int nFrmNum = 0。 cvNamedWindow(video, 1)。 //窗口設(shè)置 cvNamedWindow(background,1)。 cvNamedWindow(foreground,1)。 …… CvGaussBGModel* bg_model=NULL。 IplImage *img_erode。 IplImage *img_dilate。 while(pFrame = cvQueryFrame( pCapture )) //從攝像頭或文件中讀取并返回一幀 {...} 圖像灰度化 圖像灰度化就是 對 彩色圖像中的彩色信息 進行處理 ， 將 其變?yōu)榛叶葓D像， 只包含亮度信息 。在 計算機中 對圖像 灰度圖 表示 是 對其圖像的 亮度值進行量化 ，將其 等分成 0255共 256 個級別， 0 最暗 (全黑 )， 255 最亮 (全白 )，而在 RGB 模型中，如果 R=G=B，則顏色 (R,G,B)就表示灰度色 。要對圖像進行 灰度化 ，就需要 使圖像的 RGB 的三個 分量取相等的值， 則 圖像 就會 由原來的三維特征降到灰度化后的一維特征 ，在此過程中圖像 必然 會 7 丟失部分 的 信息。常見的灰度化 處理 方法有平均值法、最大值法口、加權(quán)平均值法等。而 不論采取哪種 灰度化處理 方法， 都會將 其原有的顏色特征改變或丟失， 這樣就 使得同一 種二值化方法因為不同的灰度化處理過程得到不同的結(jié)果，其中 R 表示該像素的紅色分量 ， G 表示綠色分量， B 表示藍色分量。 在 OpenCV 函數(shù)庫中 ， 圖像的灰度化可以通過 cvCvtColor(pBkImg,pFrImg， CV_BGR2GRAY) 函數(shù)實現(xiàn)， 參數(shù) CV_BGR2GRAY 是 RGB 到 GRAY, cvCvtColor(...)是 OpenCV 里的顏色空間轉(zhuǎn)換函數(shù)，可以實現(xiàn) RGB 顏色向 HSV,HSI 等顏色空間的轉(zhuǎn)換，也可以轉(zhuǎn)換為灰度圖像。 效果圖如 圖 21 所示 圖 (a)為原始圖，圖 (b)為灰度化后的圖像。 （ a）原始圖 (b) 灰度化后的圖像 圖 21 圖像 灰度化 圖像去噪 圖像去噪是視頻 圖像 處理 過程中 的重要部分，它是將輸入的圖像進行濾波去除噪聲 ，增強圖像，銳化。視頻圖像一般經(jīng)過預處理 、灰度處理之 后， 再加上對圖像的濾波去噪，將會改善 感興趣區(qū)域 的 可視化效果， 從而對視頻圖像的檢測起到重要的作用 。 因此 ， 在對 圖像 進行 預處理 時 ， 要謹慎的對待， 它關(guān)系到圖像的下一步質(zhì)量 ，不容輕視。 圖像噪聲是 指 圖像在攝取時或是傳輸時所受到的隨機干擾信號 ，而 這些 隨機 干擾信號的抑制稱為圖像的噪聲抑制 [9]。 一般的圖像序列都是有噪聲存在的，而 這 些噪聲 將影響圖像處理 的 效果。圖像傳感器帶來的噪聲在視頻圖像處理中為主要噪聲源。噪聲 的出現(xiàn) 有兩種：椒鹽噪聲和高斯噪聲 (白噪聲 )。椒鹽噪聲 主要 是由 圖像傳感器，傳輸信道，解碼處理等產(chǎn)生的黑白相間的亮暗點噪聲 ， 往往由圖像切割引起。中值濾波 是 去除脈沖干 8 擾級椒鹽噪聲最常用的算法。高嘶噪聲是從頻率上說的隨機信號干擾，其噪聲服從高斯分布。 圖像中內(nèi)在噪聲 也可能對圖像 的 檢測產(chǎn)生 影響，而原始幀由于 其他原因 不可避免的會疊加噪聲。因此，在 對 圖像處理之前應該將其去除，以便得到良好的處理效果。濾波去噪的方法主要有兩種 方法， 頻域法和空域法。頻域法的計算速度快，但是比較復雜，為了保證實時性，一般采用空域法 。對 場景 中 瞬時環(huán)境噪聲 的 消除常用的是時間域的濾波，如三幀時間域的濾波。傳感 器噪聲的 消除 方法有中值濾波、均值濾波、直方圖濾波等空間域上的濾波。 而 任何去除噪聲的 方法 都或多或少對圖像的質(zhì)量產(chǎn)生影響，使圖像變得模糊。因此，必須在圖像質(zhì)量和去除噪聲之間做出折衷。 在濾波方法中，最常用的有中值濾波 (median filter)、 均值濾波 和 高斯濾波三種。 中值去噪 中值濾波是由 Tukey 提出的 ，它是 一種基于排序統(tǒng)計 的 理論，能 夠 有效 的抑制 噪聲的非線性信號處理技術(shù)。它也是一種類似于卷積 的 鄰域運算，但是 在 計算 過程中并 不是加權(quán)求和，而是把數(shù)字圖像或數(shù)字序列中一 個像素 點的值用該點的一個鄰域中 各點值的中值代替， 這樣會使 周圍像素灰度值差 別 比較大的像素改取 為 與周圍的像素值 比較 接近的值， 這樣能使周圍的值更接近真實值， 從而 就能 消除孤立的噪聲點。 由于 高頻分量對應圖像中的區(qū)域邊緣的灰度值具有較大較快變化的部分， 使用中值去噪 能減弱或消除傅立葉空間的高頻分量，該濾波可將這些分量濾除，使圖像 變得更加 平滑 ， 但 是同時也會影響低頻分量 [10]。 在一定的條件下，中值濾波對濾波脈沖干擾及圖像掃描噪聲非常有效 ，它 可以克服線性濾波器如最小均方濾波、均值濾波 給 圖像 帶來的 細節(jié)模糊， 通過中值濾波不僅 能去除高頻噪聲，抑制脈沖 干擾， 而且還可以 保持圖像清晰 的 輪廓， 由于 在實際運算過程中并 不需要 統(tǒng)計 圖像 的 特征，因此使用 中值濾波操作 較 為 方便。 傳統(tǒng)的中值濾波 一 般采用含有奇數(shù)個點的滑動窗口中各點狄度值的中值來代替指定點的灰度值。偶數(shù)個元素 的 中值是 將數(shù)值按大小 排 列 后 ，取其 中間兩個元素灰度值 稍微平均值 ； 奇數(shù)個元素 的 中值是按大小排序后 而得到 中間的數(shù)值。中值濾波 是 一種用來抑制脈沖噪聲 的 典型低通濾波器，它能夠徹底濾除尖波干擾噪聲， 并且 又具有較好地保護目標圖像邊緣的特點。 標準一維中值濾波器的定義為 ),...,...,( 11 xxxxx NKNKKNKNKk m e dy ??????? （ 21） 式中， med 表示取中值操作。中值濾波的濾波方法是 將像素按照 滑動濾波窗口 2N+l做 大 9 小排序，濾波 后 輸出像素值為該序列的中值。例如取 3X3 滑動窗口．中值為窗口內(nèi)第 5個最大的像素值。 但是 二維中值濾波的窗口形狀和尺寸設(shè)計 會 對濾波的效果 產(chǎn)生較大的影響 ，在針對 不同的圖像內(nèi)容和不同的應用要求 ，使用 二維中值 時 往往采用不同的形狀和尺寸 ， 通常的 濾波窗口有線狀、方形、圓形、十字形及圓環(huán)形等，窗口尺寸一般 設(shè)置為 3，也可以根據(jù)濾波效果 適當 的調(diào)整窗口的 尺寸， 從而得到較好 的濾波效果。 中值的計算 是 對滑動窗口內(nèi)像素的排序操作 ，這就需要 對序列中的數(shù)據(jù)像素做比較和交換，數(shù)據(jù) 不同的排列順序以及 元素之間 的 比較次數(shù) 都會對 排序速度 帶來 影響。傳統(tǒng)的排序算法 是用 冒泡排序法 ，這種 濾波算法 使窗口 每移動一次，就要進行一次排序 。在排序的過程中進行了 大量重復 的 比較，當窗口較大時計算量很大，計算需要 的 時間 將會變得更長，這樣就會浪費大量的時間。 均值去噪 均值濾波也 被 稱為線性濾波， 它所運用的 方法為鄰域平均法， 其 基本原理是用鄰域的均值替代原圖像中的各 個像素值， 通過 對處理的當前像素點 (X,Y)選擇一個模板窗口，而 模板 的選取是 由當前像素近鄰的若干像素 所 組成， 在對 模板求取所有像素的均值，再把 所求的 均值賦 給 當前 的 像素點，作為處理后圖像在該點上的灰度值，具體算法如下： 設(shè) f(x， y)為給定的含有噪聲的圖像，經(jīng)過鄰域平均 法處理 后 得到 的圖像為 g(x， y)，則 為 MyxN yxfyxg ?? ? ),(,),(),( （ 22） 其中 M 是 對 所取鄰域 圖像 中各鄰近像素的坐標， N 是 鄰域中包含的鄰近像素的個數(shù)。 則鄰域平均法的模板為 ??????????11111111191 ， 中間的元素表示以該像素為中心 的中心 元素， 即 該像素 就是 要進行 預 處理的像素。 但是在實際運用中，可根據(jù)不同的需要選擇不同的模板尺寸，如 3 5 7 99 等 ，模板尺寸選取會對圖像的去噪的效果產(chǎn)生較大的影響， 模板 的 尺寸 選取的 越大，噪聲減小就 越顯著，但 是不足之處就是 圖像的對比度下降 就 越多。 在 使用均值濾波 對 進行圖像 進行 平滑往往 會 降低圖像清晰度 。 另外，均值濾波 只是 將雜點無限放 大 ，使 人眼不易察覺，但不能 從本質(zhì)上 消除雜點， 因此均值濾波只能處理要求不高的圖像， 對椒鹽噪聲 的去除，使用 均值濾波 得到的圖像處理效果并不理想 。 10 高斯去噪 高斯濾波是一種適用于消除 高斯 噪聲 的 線性 平滑 濾波， 在對 圖像處理的 的過程中，大多數(shù)去噪方法為高斯去噪 。高斯濾波 通過 對整幅圖像進行加權(quán)平均， 其中圖像中 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。具體操作是：通過 用一個 模板 （或稱卷積、掩模） 對 圖像中的每一個像素 進行掃描 ， 在 用模板確定的鄰域內(nèi)像素 ，對其進行 加權(quán)平均 得到 灰度值 ，在用得到的灰度值 去替代模板 中心 像素點的值。 例如在對一幀圖像進行處理時 ，拿圖像的八連通區(qū)域來說， 就是讓 中間點的像素值等于八連通區(qū)的像素值的均值， 通過這樣的方式 達到 圖像的 平滑效果。 通過 傅立葉變換 的 高斯函數(shù) 仍是高斯函數(shù) ， 因此高斯函數(shù)頻域做乘積來實現(xiàn)高斯濾波 ， 在頻域 上經(jīng)過 平滑 處理可得到一個 低通濾波器 [11]。 均值濾波 在 對信號進行 處理時，通過對 局部平均 ，用其 平均值來代表該像素點的 灰度值 。矩形濾波器 (Averaging Box Filter)是 通過計算和轉(zhuǎn)化 ，對 二維矢量的每一個分量進行獨立的平滑處理 ， 得到一幅單位 矢量圖 。這 樣的話，對于 512512 的矢量圖 就會 被劃分成一個 個 88 的小區(qū)域 ， 再 通過統(tǒng)計每一個小區(qū)域內(nèi)的主要方向 ，在將統(tǒng)計出來 最多的方向作為區(qū)域的主方向。 這樣 就 能夠得到了一個新的 6464 的矢量圖。 高斯濾波器是根據(jù)高斯函數(shù)的形狀來選擇權(quán)值的線性 平滑濾波器 [12]，它廣泛應用于對圖像去噪處理， 它對