【文章內(nèi)容簡(jiǎn)介】 ，綠，蘭 ”在圖像中的比重。通道中的純白，代表了該色光在此處為最高亮度，亮度級(jí)別是 255。 在計(jì)算機(jī)領(lǐng)域中，灰度數(shù)字圖像是每個(gè)像素只有一個(gè)采樣顏色的圖像。這類圖像通常顯示為從最暗黑色到最亮的白色的灰度，盡管理論上這個(gè)采樣可以任何顏色的不同深淺，甚至可以是不同亮度上的不同顏色?；叶葓D像與黑白圖像不同，在計(jì)算機(jī)圖像領(lǐng)域中黑白圖像只有黑色與白色兩種顏色；灰度圖像在黑色與白色之間還 有許多級(jí)的顏色深度。但是，在數(shù)字圖像領(lǐng)域之外， “黑白圖像 ”也表示 “灰度圖像 ”，例如灰度的照片通常叫做 “黑白照片 ”。在一些關(guān)于數(shù)字圖像的文章中單色圖像等同于灰度圖像，在另外一些文章中又等同于黑白圖像。 按一定的規(guī)律修改像素的灰度值，是圖像的亮度或?qū)Ρ榷确派淖?，使之更容易分辨，貨或達(dá)到某種預(yù)定的視覺(jué)效果。 9 2．圖像的二值化 圖像的二值化處理就是將圖像上的像素點(diǎn)的灰度值設(shè)置為 0 或 255，也就是講整個(gè)圖像呈現(xiàn)出明顯的黑白效果。 將 256 個(gè)亮度等級(jí)的灰度圖像通過(guò)適當(dāng)?shù)拈y值選取而獲得仍然可以反映圖像整體和局部特征的 二值化圖像。在數(shù)字圖像處理中，二值圖像占有非常重要的地位，首先，圖像的二值化有利于圖像的進(jìn)一步處理，使圖像變得簡(jiǎn)單，而且數(shù)據(jù)量減小，能凸顯出感興趣的目標(biāo)的輪廓。其次，要進(jìn)行二值圖像的處理與分析，首先要把灰度圖像二值化，得到二值化圖像。 所有灰度大于或等于閥值的像素被判定為屬于特定物體，其灰度值為 255 表示，否則這些像素點(diǎn)被排除在物體區(qū)域以外，灰度值為 0，表示背景或者例外的物體區(qū)域。 為了分析圖像的的特征，常常需要從圖像分離出對(duì)象物，從而把圖像看做僅由對(duì)象區(qū)域與背景區(qū)域所構(gòu)成。 3． 圖像復(fù)原 當(dāng)造成圖像退 化的原因己知時(shí)，復(fù)原技術(shù)可以對(duì)圖像進(jìn)行修復(fù)。圖像復(fù)原的關(guān)鍵的是對(duì)每種退化的偶需要有一個(gè)合理的模型。例如，掌握了聚焦不良成像系統(tǒng)的物理特性，便可恢復(fù)原模型，而且對(duì)獲取圖像的特定光學(xué)系統(tǒng)的直接測(cè)量也是可能的。退化模型和特點(diǎn)數(shù)據(jù)一起描述了圖像的退化的影響，從而產(chǎn)生一個(gè)等價(jià)與理想成像系統(tǒng)所獲得的圖像。因?yàn)楸疚牟捎玫膱D像為靜態(tài)圖像，從而選取的圖像都為識(shí)別度很高的圖像，則而不需要圖像復(fù)原 。 4． 圖像增強(qiáng) 圖像增強(qiáng)是對(duì)圖像質(zhì)量在一般意義上的改善。當(dāng)無(wú)法知道圖像有關(guān)的定量信息時(shí)，可以使用圖像技術(shù)較為主觀地改善圖像的質(zhì)量。 所以，圖像增強(qiáng) 技術(shù)是用于改善圖像 質(zhì)量所采取的一種方法 ， 因?yàn)樵鰪?qiáng)技術(shù)并非是針對(duì)某種退化所采取的方法。所以很難預(yù)測(cè)哪一種特定技術(shù)是最好的，只能通過(guò)實(shí)驗(yàn)和分析誤差來(lái)選擇一種的合適的方法。有時(shí)可能需要徹底改變圖像的視覺(jué)效果，以便突出重要特征的可觀察性，使人或計(jì)算機(jī)更以觀察或檢測(cè)。在這種情況下，可以把增強(qiáng)理解為增強(qiáng)感興趣的特征的可觀察性，而非改善視感質(zhì)量。電視節(jié)目片頭或片尾處的顏色，輪廓的變換，其目的是得到一種特殊的藝術(shù)增強(qiáng)動(dòng)感和力度。 5． 圖像分割 基于 opencv的車型識(shí)別系統(tǒng)設(shè)計(jì) 10 把圖像分成區(qū)域的過(guò)程就是圖像分割。圖像自動(dòng)分割是圖像處理中最困難 的問(wèn)題之一。人類視覺(jué)系統(tǒng)的優(yōu)越性，使得人類能夠?qū)⑺^察的復(fù)雜環(huán)境觀察出來(lái)，可計(jì)算機(jī)卻是個(gè)難題，由于解決和分割有關(guān)的基本問(wèn)題是特定領(lǐng)域中圖像分析實(shí)用化的關(guān)鍵一步，因此，將各種方法融合在一起并使用技術(shù)來(lái)提高處理的可靠性和有效性是圖像分割的研究熱點(diǎn)。 6． 邊緣提取 圖像中的邊緣是視覺(jué)感知的重要線索，這些邊緣對(duì)應(yīng)圖像中特性“有意變化的地方。例如，對(duì)于車輛圖像來(lái)說(shuō)，邊緣特征常常對(duì)應(yīng)車輛的輪廓線或線。圖像的邊緣檢測(cè)能夠使圖像的輪廓更加突出，是一種重要的區(qū)域處理技在對(duì)圖像進(jìn)行特征提取之前，一般都需要進(jìn)行邊緣檢測(cè)，然后進(jìn) 行二值化處邊緣檢測(cè)將突出圖像的邊緣，邊緣以外的圖像區(qū)域通常被削弱。處理后邊界 度與原圖中邊緣周圍的亮度變化率成正比 邊緣發(fā)生在圖像灰度值不連續(xù)的地方，可以對(duì)圖像進(jìn)行差分運(yùn)算得到。的邊緣檢測(cè)算子包括 sobel 算子、 Prewitt 算子、 Roberts 算子、 earmy 算子和 而本文采用了 Sobel 算子和 LaPlace 算子 Sobel 來(lái)進(jìn)行 邊緣檢測(cè) 。 OpenCV OpenCV是英特爾公司開(kāi)發(fā)的開(kāi)源圖像處理和計(jì)算機(jī)視覺(jué)函數(shù)庫(kù)。它由一系列 C 函數(shù)和少量 C++ 類構(gòu)成，實(shí)現(xiàn)了圖像處理和計(jì)算機(jī)視覺(jué)方面的很多通用算法。 OpenCV 是一個(gè)跨平臺(tái)的中、高層 API 構(gòu)成，目前包括 300 多個(gè) C 函數(shù)。它不依賴與其它的外部庫(kù)，盡管也可以使用某些外部庫(kù)。 OpenCV 對(duì)非商業(yè)用途和商業(yè)用途都是免費(fèi)的。 這是目前的現(xiàn)狀。而標(biāo)準(zhǔn)的 API 將簡(jiǎn)化計(jì)算機(jī)視覺(jué)程序和解決方案的開(kāi)發(fā)。OpenCV致力于成為這樣的標(biāo)準(zhǔn) API。 它有以下特點(diǎn)： (1) 開(kāi)放的 C/C++源碼 (2) 基于 Intel 處理器指令集開(kāi)發(fā)的優(yōu)化代碼 (3) 統(tǒng)一的結(jié)構(gòu)和功能定義 (4) 強(qiáng)大的圖像和矩陣運(yùn)算能力 (5) 方便靈活的用戶接口 11 (6）同時(shí)支持 MSWINDOWS、 LINUX 平臺(tái) 基于 opencv的車型識(shí)別系統(tǒng)設(shè)計(jì) 12 3 基于 OPENCV 的車型系統(tǒng)的實(shí)現(xiàn) 本章詳細(xì)介紹基于 OPENCV的車型系統(tǒng)的實(shí)現(xiàn) 。 OpenCV 環(huán)境配置 首先按要求安裝 OPENCV 軟件，安裝完成后要對(duì)其進(jìn)配置。 OPENCV 環(huán)境配置包括兩個(gè)方面，一個(gè)是系統(tǒng)環(huán)境配置；一個(gè)是 VC++ 軟件環(huán)境配置。 1． Windows 環(huán)境變量的配置 首先檢查 C:\Program Files\Opencv\bin 是否已經(jīng)被加入到環(huán)境變量 PATH，如果沒(méi)有，請(qǐng)加入。先打開(kāi)“我的電腦”屬性，選擇“高級(jí)”選項(xiàng)，點(diǎn)擊“環(huán)境 變量”，如下圖所示 ： 圖 windows環(huán)境變量框圖 2．配置 VC++ 13 菜單 ToolsOptionsDirectories；先配置 lib 路徑，選擇 Library files，在下方填入路徑： C:\Program Files\Opencv\lib 然后選擇 include files，在下方填入路徑： C:\Program Files\Opencv\cxcore\include C:\Program Files\Opencv\ cv\include C:\Program Files\Opencv\ cvaux\include C:\Program Files\Opencv\ ml\include C:\Program Files\Opencv\ otherlibs\highgui C:\Program Files\Opencv\ otherlibs\cvcam\include 如下圖所示： 圖 options 設(shè)置 3．項(xiàng)目配置 每創(chuàng)建一個(gè)將要使用 Opencv 的 VC Project，都需要給它指定需要的 lib。菜單基于 opencv的車型識(shí)別系統(tǒng)設(shè)計(jì) 14 ProjectSettings，然后將 Setting for 選為 AllConfigurations，然后選擇右邊的 link 標(biāo)簽，在 Object/library modules 附加上： 圖像的讀取 在 MFC 環(huán)境下，要使用 OPENCV 的函數(shù)和功能，主要通過(guò) CImage 類及其成員函數(shù)實(shí)現(xiàn)。 IplImage*結(jié)構(gòu)指針是 OPENCV最基本的結(jié)構(gòu)， OPENCV 的基本函數(shù)都是以此結(jié)構(gòu)為基礎(chǔ)實(shí)現(xiàn)的。如何實(shí)現(xiàn) IplImage*的對(duì)象與 CImage 類對(duì)象的數(shù)據(jù)傳輸，從而實(shí)現(xiàn)圖像數(shù)據(jù)的讀取、顯示和處理是關(guān)鍵。具體的實(shí)現(xiàn)過(guò)程是通過(guò) CImage 的CopyOf（）函數(shù)和 GetImage()函數(shù)實(shí)現(xiàn)。 IplImage* Image。 //生成 OPENCV處理的對(duì)象 CImage m_image。 //生成 CImage 對(duì)象 1 CImage MyImage。 //生成 CImage 對(duì)象 2 在打開(kāi)文件的 OnOpenDocument(LPCTSTR lpszPathName)函數(shù)中，添加下列語(yǔ)句 (lpszPathName,1)。 //以圖片原本的通道方式打開(kāi)圖片 (m_image)。 //復(fù)制圖片，接受以后的處理 Image=()。 //得到 IplImage*指針，方便運(yùn)用 opencv 進(jìn)行處理 這樣就將圖像讀進(jìn)了 m_image 中，并復(fù)制給了 opencv 的對(duì)象 Image。 圖像的顯示在 OnDraw(CDC* pDC)函數(shù)中實(shí)現(xiàn)： CRect rect。 GetClientRect(rect)。 //把顯示區(qū)設(shè)為圖像的真實(shí)寬度和高度 =pDoc()。 =pDoc()。 //定義一個(gè) CSize 對(duì)象 , 用于保存滾動(dòng)條的尺寸 , 設(shè)為圖像的真實(shí)尺寸 CSize sizeTotal(, )。 15 SetScrollSizes(MM_TEXT, sizeTotal)。//設(shè)置滾動(dòng)條的位置 //調(diào)用 CImage 類的成員函數(shù) DrawToHDC 在視圖窗口顯示圖像 //函數(shù)形參為當(dāng)前 的設(shè)備環(huán)境和顯示區(qū)大小 pDoc(pDCm_hDC, rect)。 OPENCV函數(shù)處理完成后的圖像，通過(guò) CopyOf（）函數(shù)傳回 MyImage，顯示。 圖像的邊緣檢測(cè) 圖像中的邊緣是視覺(jué)感知的重要線索，這些邊緣對(duì)應(yīng)圖像中特性“有意變化的地方。例如，對(duì)于車輛圖像來(lái)說(shuō)，邊緣特征常常對(duì)應(yīng)車輛的輪廓線或線。圖像的邊緣檢測(cè)能夠使圖像的輪廓更加突出，是一種重要的區(qū)域處理技在對(duì)圖像進(jìn)行特征提取之前，一般都需要進(jìn)行邊緣檢測(cè)，然后進(jìn)行二值化處邊緣檢測(cè)將突出圖像的邊緣，邊緣以外的圖像區(qū)域通常被削弱。處理后邊界 度與原圖中邊緣周圍的亮度變化率成正比 邊緣發(fā)生在圖像灰度值不連續(xù)的地方，可以對(duì)圖像進(jìn)行差分運(yùn)算得到。 Sobel 是邊緣檢測(cè)的算法之一 ，使用擴(kuò)展 Sobel 算子計(jì)算一階 ,二階，三階或混合圖像差分。 在 OpenCV中運(yùn)用 cvsobel 函數(shù)如下為運(yùn)用 cvsobel 的函數(shù)算法函數(shù)程序： void cvSobel (const CvArr* src(輸入圖像 ).CvArr*dst（輸出圖像） . Int xorder（ X方向上的差分階數(shù)） . Int aperture– size=3)。 函 數(shù) cvSobel 通過(guò)對(duì)圖像用相應(yīng)的內(nèi)核進(jìn)行卷積操作來(lái)計(jì)算圖像的差分 （ ） ded e t( , ) ( , )x o r d e r y o r rx o r d e r y o r d e rd s r cx y x yd x d y?? （ ） 由于 Sobel 算子結(jié)合了 Gaussian 平滑和微分，所以，其結(jié)果或多或少的對(duì)噪聲有一定的魯棒性通常情況，函數(shù)調(diào)用用如下參數(shù)（ xorder=1， yorder=0,aperture_size=3）或（ xorder=0,yorder=1， aperture_size=3）來(lái)計(jì)算一階圖像差分。 Sobel 算 子 采有如表的 的模板 。 基于 opencv的車型識(shí)別系統(tǒng)設(shè)計(jì) 16 表 Sobel 算子水平模板 1 2 1 0 0 0 1 2 1 表 Sobel 算子垂直模板 1 0 1 2 0 2 1 0 1 上面圖表為對(duì)圖像像素處理的模板矩陣，每個(gè)圖像像素點(diǎn) 都與這個(gè)兩個(gè)模板作卷積，第一個(gè)模板用于檢測(cè)水平邊緣，第二個(gè)模板用于檢測(cè)豎直邊緣。兩個(gè)卷積結(jié)果的最大值即為該點(diǎn)的輸出值。 Sobel 邊緣檢測(cè)算子對(duì)灰度漸變和噪聲較大的圖像處理的比較好 。 LOG 邊緣檢測(cè) （ 1） LOG 邊緣檢測(cè)的一般算法： LOG 算子提取車輛圖像邊緣 的方法是一種比較簡(jiǎn)便的處理方法，與其它方法比較，優(yōu)于 Roberts 算子和 Sobel 算子的方法，邊緣比較完整，位置比較準(zhǔn)確；與小波分析的方法比較，雖然獲得的圖像質(zhì)量略有不足。但其算法簡(jiǎn)單處理速度快，在流量較大路口的車輛檢測(cè)系統(tǒng)中有較高實(shí)用價(jià)值 LOG 算法是一種 2 階邊緣檢測(cè)方法。它通過(guò)尋找圖像灰度值的中二階微分中的過(guò)零點(diǎn) (Zero Crossing)來(lái)檢測(cè)邊緣點(diǎn)。因?yàn)椋叶染徸冃纬傻倪吘壗?jīng)過(guò)微分算分算子峰值兩側(cè)符號(hào)相反，而原先的極值點(diǎn)對(duì)應(yīng)二階微分中的零點(diǎn)為了消除噪聲影響。必須用高斯函數(shù)對(duì)圖像進(jìn)行濾波在對(duì)濾波后的 的圖像求二階導(dǎo)數(shù)，即按照下式計(jì)算 2[ ( , ) ( , ) ]v G x y f x y? （ ） 其中以 (, )f xy 為圖像， G(X， Y)為高斯函數(shù)，上述兩個(gè)處理步驟可以合成一個(gè)算子，經(jīng)運(yùn)算可得 17 2 2 2[ ( , ) ( , ) ] ( , ) ( , )v G x y f x y v G x y v f x y? ? ? （ ） 公式中 2 ( , )VGxy 稱為拉普拉斯高斯算子，經(jīng)運(yùn)算可得： 2 2 2 221 2 21( , ) ( ) e x p ( )2 x y x yV G x y ?