【正文】 西南交通大學(xué)本科畢業(yè)設(shè)計（論文） 第 14 頁見，此時就可以進(jìn)行批生成。具體步驟為：生成批生成僅選擇所有的debug|win32 和 release|win32生成，如圖 23 所示：圖 23 錯誤修改5. VC 的工程中加入庫文件和包含文件。點擊工具選項項目和解決方案VC++目錄,切換目錄下拉至庫文件 (Library files)，添加路徑C:\ProgramFiles\OpenCV\lib。如圖 24 所示。切換目錄下拉至包含文件 (Include files)，添加以下路徑：C:\Program Files\OpenCV\cv\includeC:\Program Files\OpenCV\cvaux\include C:\Program Files\OpenCV\cxcore\include C:\Program Files\OpenCV\otherlibs\highgui C:\Program Files\OpenCV\otherlibs\cvcam\include 如圖 25 所示。圖 24 庫文件路徑修改 西南交通大學(xué)本科畢業(yè)設(shè)計（論文） 第 15 頁圖 25 包含文件路徑修改6. 以上是一些全局設(shè)置，新建一個 OpenCV 工程后，需要再進(jìn)行局部設(shè)置。點擊項目XXX 屬性，在項目屬性頁中點擊配置屬性鏈接器輸入，在附加依賴項中添加 ，如圖 26 所示：圖 26 OpenCV 局部環(huán)境設(shè)置7. 此時關(guān)于 OpenCV 在 VS2022 下的配置結(jié)束。VC 中就可以調(diào)用 OpenCV 中的庫函數(shù)了。 西南交通大學(xué)本科畢業(yè)設(shè)計（論文） 第 16 頁 本章小節(jié)在本章中主要介紹了基于視頻車流量檢測系統(tǒng)的總體設(shè)計和基本思路。以及本設(shè)計中運(yùn)用到的相關(guān)軟件,同時對 OpenCV 圖像處理軟件的環(huán)境配置做了詳細(xì)的介紹。 西南交通大學(xué)本科畢業(yè)設(shè)計（論文） 第 17 頁第 3章 基于視頻車流量的算法研究視頻交通車流量檢測技術(shù)在智能交通系統(tǒng)中占有很重要的地位,是智能交通系統(tǒng)領(lǐng)域研究的熱點。它通過視頻攝像機(jī)和計算機(jī)模仿人眼的功能，將連續(xù)的模擬圖像轉(zhuǎn)換成離散的數(shù)字圖像后，在成熟的物理模型和數(shù)學(xué)模型的基礎(chǔ)上編制軟件進(jìn)行分析處理，模擬各種其它形式的車輛檢測器獲取交通信息，為交通領(lǐng)域的多種實際應(yīng)用提供了工作平臺。目前關(guān)于這方面的研究工作,已經(jīng)提出了許多的解決方案和算法。下面介紹一下本設(shè)計的算法。 算法綜述算法的基本原理是通過設(shè)置虛擬線，檢測虛擬線灰度的變化 [5]來檢測出是否有車輛經(jīng)過。但是考慮到僅僅設(shè)置單條線，容易出現(xiàn)噪聲，這樣將嚴(yán)重影響分析的結(jié)果，所以采用了線后一個平滑策略，具體而言，在設(shè)置虛擬，不是單純檢測線的灰度變化，而是計算一定的范圍，在虛擬線中，檢測矩形范圍內(nèi)灰度的變化，這樣實際上起到一個平滑效果，而不是單純計算虛擬線的灰度。然后具體算法過程可以描述為：依次讀取各視頻幀，首先計算虛擬線的初始灰度值 H，作為評判依據(jù)。由于車輛會導(dǎo)致在虛擬線處連續(xù)的變化，因此設(shè)置標(biāo)識符ID，初始值設(shè)為假。設(shè)置區(qū)域內(nèi)閾值為 Y 依次讀取后續(xù)幀，計算虛擬線變化，當(dāng)發(fā)現(xiàn)灰度變化與初始灰度 H 差值大過閾值時，此時檢測 ID，如果為假，則表示檢測到一輛車的開始，設(shè)置 ID 為真；否則 ID 為真則表示檢測到一輛車的結(jié)束，則設(shè)置 ID為假，并將檢測出的車輛記錄下來。在檢測到各輛車后，由于有些灰度的畸變會帶來誤檢測，比如車窗的灰度變化，常常會使一輛車檢測為二輛，所以采用有效的策略來對檢測出來的結(jié)果進(jìn)行處理顯得很有意義，程序中采用了一個連續(xù)幀檢測的方法，即一輛車應(yīng)當(dāng)持續(xù)一定時間長度幀，將連續(xù)幀數(shù)小于給定幀的車輛進(jìn)行合并。具體流程圖如圖 31 所示。 圖像數(shù)字化實際的交通圖像是由圖像采集系統(tǒng)采集進(jìn)來的模擬信號，并經(jīng)過模數(shù)轉(zhuǎn)換，將模擬信號變成數(shù)字信號，送入計算機(jī)進(jìn)行相應(yīng)的處理。數(shù)字圖像處理的目的在于改善圖像的質(zhì)量，將輸入的質(zhì)量低的圖像，運(yùn)用各種方法如圖像增強(qiáng)、復(fù)原、編碼、壓縮等進(jìn)行改善，使得處理后的圖像更適合后續(xù)的分析。圖像數(shù)字化是計算機(jī)圖像處理之前的基本步驟，目的是把真實的圖像轉(zhuǎn)變成計算機(jī)能夠接受的存儲格式。 西南交通大學(xué)本科畢業(yè)設(shè)計（論文） 第 18 頁開始設(shè)置虛擬線 ， 設(shè)置閾值 ， 設(shè)置表示符 I D 為假計算虛擬線中的灰度值依次讀取視頻各幀計算當(dāng)前虛擬線中的灰度值 Y| Y H | 閾值I D 真假開始檢測第一輛車設(shè)置 I D 為真車輛計數(shù)檢測一輛車結(jié)束設(shè)置 I D 為假結(jié)束YYNN圖 31 算法流程圖 西南交通大學(xué)本科畢業(yè)設(shè)計（論文） 第 19 頁數(shù)字化過程分為采樣,量化處理與編碼三個步驟：采樣:一個是信號在時間上的離散化,即采樣的實質(zhì)就是要用多少點來描述一張圖像。一副圖像就被采樣成有限個像素點構(gòu)成的集合。例如：一副 640480 分辨率的圖像，表示這幅圖像是由 640480＝307200 個像素點組成。量化是指要使用多大范圍的數(shù)值，來表示圖像采樣之后的每一個點。這個數(shù)值范圍包括了圖像上所能使用的顏色總數(shù)。例如，以 8 個 bits 存儲一個點，就表示圖像只能有 256 種顏色，數(shù)值范圍越大，表示圖像可以擁有越多的顏色，自然可以產(chǎn)生更為細(xì)致的圖像效果。量化的結(jié)果是圖像能夠容納的顏色總數(shù),它反映了采樣的質(zhì)量。壓縮編碼:數(shù)字化后得到的圖像數(shù)據(jù)量十分巨大，必須采用編碼技術(shù)來壓縮其信息量。在一定意義上講，編碼壓縮技術(shù)是實現(xiàn)圖像傳輸與儲存的關(guān)鍵。 目前已有許多成熟的編碼算法應(yīng)用于圖像壓縮。常見的有圖像的預(yù)測編碼、變換編碼、分形編碼、小波變換圖像壓縮編碼等。數(shù) 字 圖 象 處 理 (Digital Image Processing)是 通 過 計 算 機(jī) 對 圖 像 進(jìn) 行 去 除 噪 聲 、增 強(qiáng) 、 復(fù) 原 、 分 割 、 提 取 特 征 等 處 理 的 方 法 和 技 術(shù) 。 它 一 般 都 用 計 算 機(jī) 處 理 或?qū)?時 的 硬 件 處 理 ， 因 此 也 稱 為 計 算 機(jī) 圖 像 處 理 。 其 優(yōu) 點 是 處 理 精 度 高 ， 處 理 的 內(nèi)容 豐 富 ， 可 進(jìn) 行 復(fù) 雜 的 非 線 性 處 理 ， 有 靈 活 的 變 通 能 力 。 其 缺 點 是 處 理 速 度 還 是一 個 問 題 ， 特 別 是 進(jìn) 行 復(fù) 雜 的 處 理 更 是 如 此 。 一 般 來 講 ,對 圖 像 進(jìn) 行 處 理 的 主 要目 的 有 三 個 方 面 :1. 高 圖 像 的 視 覺 質(zhì) 量 ， 進(jìn) 行 圖 像 的 亮 度 、 彩 色 變 換 ,增 強(qiáng) 、 抑 制 某 些 成 分 ,對圖 像 進(jìn) 行 幾 何 變 換 等 ,以 改 善 圖 像 的 質(zhì) 量 。2. 取 圖 像 中 所 包 含 的 某 些 特 征 或 特 殊 信 息 ,這 些 被 提 取 的 特 征 或 信 息 往 往為 計 算 機(jī) 分 析 圖 像 提 供 便 利 。 提 取 特 征 或 信 息 的 過 程 是 模 式 識 別 或 計 算 機(jī) 視 覺 的預(yù) 處 理 。 提 取 的 特 征 可 以 包 括 很 多 方 面 ,如 頻 域 特 征 、 灰 度 或 顏 色 特 征 、 邊 界 特征 、 區(qū) 域 特 征 、 紋 理 特 征 、 形 狀 特 征 、 拓 撲 特 征 和 關(guān) 系 結(jié) 構(gòu) 等 。3. 像 數(shù) 據(jù) 的 變 換 、 編 碼 和 壓 縮 ,以 便 于 圖 像 的 存 儲 和 傳 輸 。 模 擬 圖 像 處 理(AnafogImageProcessing)包 括 ： 光 學(xué) 處 理 和 電 子 處 理 ， 如 :照 相 、 電 視 信 號 處 理等 。 模 擬 圖 像 處 理 的 特 點 是 速 度 快 ， 一 般 為 實 時 處 理 ， 理 論 上 講 可 達(dá) 到 光 的 速 度 ，并 可 同 時 并 行 處 理 。 將 模 擬 圖 像 信 號 轉(zhuǎn) 變 為 計 算 機(jī) 處 理 的 信 號 的 過 程 稱 為 數(shù) 字 化 。如 圖 32， 33 所 示 ：通 常 的 圖 像 都 是 模 擬 圖 像 ， 可 用 一 個 二 維 連 續(xù) 函 數(shù) f(x， y)來 表 示 ， 其 中(x， y)是 圖 像 平 面 上 任 意 一 個 二 維 坐 標(biāo) 點 ， f 指 出 該 點 顏 色 的 深 淺 (灰 度 )。 將模 擬 圖 象 進(jìn) 行 采 樣 和 量 化 之 后 ,空 間 坐 標(biāo) (x,y)的 數(shù) 字 化 被 稱 為 圖 象 采 樣 ,顏 色深 淺 幅 度 的 數(shù) 字 化 被 稱 為 灰 度 級 量 化 ,由 此 可 見 ,所 謂 數(shù) 字 圖 象 就 是 灰 度 值 的 二 西南交通大學(xué)本科畢業(yè)設(shè)計（論文） 第 20 頁維 數(shù) 組 。模擬圖像 離散圖像傳感器采樣數(shù)字圖像A D 轉(zhuǎn)換圖像處理數(shù)字圖像打印驅(qū)動打印機(jī)顯卡驅(qū)動顯卡及顯示器圖 32 圖 象 的 數(shù) 字 化 模 型模擬圖像 離散圖像采樣數(shù)字圖像量化圖 33 圖像的數(shù)字化輸入模型進(jìn) 行 圖 像 處 理 時 ， 對 所 獲 得 的 數(shù) 字 圖 像 進(jìn) 行 預(yù) 處 理 是 重 要 的 。 因 為 經(jīng) 過 數(shù) 字化 后 得 到 的 圖 像 ， 可 能 帶 有 嚴(yán) 重 噪 聲 信 號 ， 或 變 形 ， 或 信 號 微 弱 等 ， 影 響 人 們 和計 算 機(jī) 對 圖 像 的 分 析 理 解 。 只 有 通 過 圖 像 預(yù) 處 理 環(huán) 節(jié) ， 使 要 處 理 分 析 的 圖 像 除 掉噪 聲 干 擾 ， 增 強(qiáng) 信 號 強(qiáng) 度 ， 對 圖 像 進(jìn) 行 恢 復(fù) ， 改 善 圖 像 質(zhì) 量 ， 從 而 保 證 以 后 對 圖像 分 析 理 解 的 準(zhǔn) 確 性 。 圖像銳化圖像銳化就是補(bǔ)償圖像的輪廓,增強(qiáng)圖像的邊緣及灰度跳變的部分,使圖像變得清晰。圖像平滑往往使圖像中的邊界、輪廓變的模糊，為了減少這類不利效果的影響，這就需要利用圖像銳化技術(shù)，使圖像的邊緣變的清晰。圖像銳化處理的方法多種多樣，應(yīng)用領(lǐng)域也很寬廣，為了消除模糊通常采用以下增強(qiáng)輪廓的算法:拉普拉斯算子：拉普拉斯(Laplacian)算子式一種二階導(dǎo)數(shù)算子 ,對一個連續(xù)函數(shù)f(x,y),它在圖中位置(x,y )的拉普拉斯定義如 31 所示 : (31)22fxy????在數(shù)字圖像處理中使用離散型的 Laplacian 算子即二階差分，如 32 所示: 西南交通大學(xué)本科畢業(yè)設(shè)計（論文） 第 21 頁222(,)(,)(,)xyfyffx????= (32)1(,1)(,)4(,)fyfxyfxy???拉普拉斯算子是無方向的算子，它比計算多個方向的導(dǎo)數(shù)算子計算量要小，因為只使用一個模板，且不必綜合各模板的值。計算數(shù)字圖像函數(shù)的拉普拉斯算子是借助各種模板卷積實現(xiàn)的。這里對模板的基本要求是對應(yīng)中心像素的系數(shù)應(yīng)是正的，而對應(yīng)中心像素鄰近像素的系數(shù)應(yīng)是負(fù)的，且所有系數(shù)的和應(yīng)該是零，這樣就不會產(chǎn)生灰度偏移。實現(xiàn)拉普拉斯運(yùn)算的幾種模板如 33 所示: (33) 19???????015???????215???????本設(shè)計采用本方法處理后的圖像，輪廓線條將明顯得到增強(qiáng)。輪廓線以外的部分將變得較暗,而輪廓線以內(nèi)變得比較明亮。用此方法有利于對圖像進(jìn)行分析,提升圖像處理的數(shù)度與效率，辨識能力的到大幅的提升，系統(tǒng)的識別能力也有所提高。 像素分類像素（Pixel）是由 Picture(圖像) 和 Element(元素)這兩個單詞的字母所組成的，是用來計算數(shù)碼影像的一種單位。越高位的像素，其擁有的色板也就越豐富，越能表達(dá)顏色的真實感。一 個 像 素 通 常 被 視 為 圖 像 的 最 小 的 完 整 采 樣 。 對于每幀圖像中的每個像素處理，它的相應(yīng)處理公式是 。0(,)(,)(,)RxytItIxy?? 圖像分割圖像分割是圖像處理中的一項關(guān)鍵技術(shù)。圖像分割是圖像分析的第一步,是計算加視覺的基礎(chǔ),是圖像理解的重要組成部分,是圖像處理到圖像分析的關(guān)鍵步驟,同時是圖像處理中最古老和最困難的問題之一，至今已提出了上千種分割算法。圖像分割:將圖像表示為物理上有意義連通區(qū)域的集合,也就是根據(jù)目標(biāo)與背景的先驗知識,對圖像中的目標(biāo),背景進(jìn)行標(biāo)記,定位,然后將目標(biāo)從背景或其他偽目標(biāo)中分離出來。圖 像 分 割 (Image Segmentation)： 所 謂 圖 像 分 割 就 是 按 一 定 的 規(guī) 則 將 圖 像 劃 分成 若 干 有 意 義 的 區(qū) 域 ， 即 各 區(qū) 域 的 并 集 是 整 個 圖 像 ， 各 區(qū) 域 的 交 集 為 0。 借助集合概念對圖像分割有如下定義:令幾何 R 代表整個圖像區(qū)域,對 R 的分割可看做 R 分成 N 個滿足一列五個條件的非空子集, , ,…... :12N1. =R；NiU? 西南交通大學(xué)本科畢業(yè)設(shè)計（論文） 第 2