【正文】 是黑點(diǎn))，中間是結(jié)構(gòu)元素B，那個標(biāo)有origin的點(diǎn)是中心點(diǎn)，即當(dāng)前處理元素的位置，右邊是腐蝕后的結(jié)果。可以看出，它仍在原來X的范圍內(nèi)，且比X包含的點(diǎn)要少，就象X被腐蝕掉了一層。圖 31 腐蝕運(yùn)算X被B膨脹的定義為： （公式33）這個公式表示用B膨脹X的過程是，相對B做關(guān)于中心像素的映射，在將其映射平移x，這里X與B映像的交集不為空集。圖32顯示了實際上的膨脹運(yùn)算，左邊是被處理的圖象X(二值圖象，針對的是黑點(diǎn))，中間是結(jié)構(gòu)元素B，右邊是膨脹后的結(jié)果?？梢钥闯?，它包括X的所有范圍，就象X膨脹了一圈似的。圖 32 膨脹運(yùn)算(3)開啟和閉合開啟就是相對圖像進(jìn)行腐蝕，然后膨脹其結(jié)果。閉合就是先對圖像進(jìn)行膨脹，然后腐蝕其結(jié)果。開啟一般使對象的輪廓變得光滑，斷開狹窄的間斷和消除細(xì)的突出物。閉合同樣使輪廓線變得光滑，但是開啟相反的是，它通常消除狹窄的間斷和長細(xì)的鴻溝，消除小的孔洞，并填補(bǔ)輪廓線中的斷裂開啟。使用結(jié)構(gòu)元素B對集合X進(jìn)行開啟操作，表示為，定義為 ： （公式34）使用結(jié)構(gòu)元素B對集合X進(jìn)行閉合操作，表示為，定義為： （公式35）本文著重研究了利用背景減法進(jìn)行目標(biāo)檢測在Matlab中的實現(xiàn)方法。利用Matlab圖像處理功能來實現(xiàn)經(jīng)典的圖像處理方法,簡化了算法,達(dá)到了運(yùn)動行人檢測目標(biāo)的預(yù)期效果。其具體流程圖如下圖41：圖33檢測過程 本文著重研究了利用背景減法進(jìn)行目標(biāo)檢測在Matlab中的實現(xiàn)方法。利用Matlab圖像處理功能來實現(xiàn)經(jīng)典的圖像處理方法,簡化了算法,達(dá)到了檢測目標(biāo)的預(yù)期效果,為后面的目標(biāo)跟蹤、目標(biāo)分類等奠定了基礎(chǔ)。本文經(jīng)過如圖33所示的流程能夠達(dá)到如圖41所示的效果。四、實驗結(jié)果分析及總結(jié)如圖41圖41行人檢測結(jié)果通過上圖分析可得通過背景減法二值化后可得到如圖41（b）的圖。圖中有很多噪聲，通過形態(tài)學(xué)濾波后得到如（c）。從圖中可以清楚分辨出行人，并且濾波后可以明顯的將噪聲濾除。五、參考文獻(xiàn)[1] 孔曉東．智能視頻監(jiān)控技術(shù)研究[D]．上海：上海交通大學(xué)，2008.[2] 虹．?dāng)?shù)字圖像處理基礎(chǔ)[M]．北京：科學(xué)出版社,2005.[3] Gavrila D. The visual analysis cf human movemalt: A survey[J].Compurer Vision and Image Understanding, 1999, 73(1):82298[4] 常好麗．運(yùn)動行人檢測與跟蹤方法研究[D] ．陜西：西北工業(yè)大學(xué)，2006.[5] 常好麗，史忠科．基于單目視覺的運(yùn)動行人檢測與跟蹤方法[J]．交通運(yùn)輸工程學(xué)報，2006.[6] 何東健，耿楠，張義寬編著，數(shù)字圖像處理[M]．西安：西安電子科技大學(xué)出版社，[7] 岡薩雷斯．?dāng)?shù)字圖像處理(MATLAB)中文版[M]．北京：電子工業(yè)出版社，2007[8] 劉志敏,揚(yáng)杰,施鵬飛．?dāng)?shù)學(xué)形態(tài)學(xué)的圖像分割算法[D]．計算機(jī)工程與科學(xué),1998,20 (4):21．[9] 章毓晉．圖像分割．北京:科學(xué)出版社,2001．[10] 王樹偉,楊鴝．Matlab [M]．電子工業(yè)出版社,2003.致　　謝此次實驗首先感謝老師的熱心耐心指導(dǎo)，老師的熱情幫助總能使我們的忙亂的思路得以清晰，而且還時不時對我們的進(jìn)展提供建議和糾錯，并時常鼓勵我們，真誠感謝老師！其次也感謝同學(xué)的熱情幫助，由于自己水平所限，自己經(jīng)常遇到各種各樣的問題，而這些問題又不能經(jīng)常麻煩老師，但在同學(xué)的幫助下也同樣得以完美解決，自己才能夠按時做完這次課程設(shè)計，也同樣真誠感謝他們！本文參考了大量的文獻(xiàn)資料，在此，向各學(xué)術(shù)界的前輩們致敬！附錄實驗代碼：clear all。close all。clc。fileinfo = aviinfo(39。39。)。 % 讀取視頻文件, 39。39。 為待處理的視頻文件，numFrames = 。clipframes = 150。 % 為了避免占用太多內(nèi)存每次只讀150幀Clips = floor(numFrames/clipframes)。Fref = aviread(39。39。,10)。 %讀取視頻序列的第一幀作為參考背景圖像Iref =。 Threh = 15。 %設(shè)定閾值se=strel(39。disk39。,5)。 %定義一個結(jié)構(gòu)元素for m = 1:Clips%計算影片剪輯開始和結(jié)束的幀指數(shù)m startframe = (m 1)* clipframes + 1。 if m == Clips endframe = numFrames 1。 else endframe = m * clipframes。 end%從AVI文件讀第m個影片剪輯幀 movclip =aviread(39。39。,[startframe:endframe])。 for k = 1 : (endframe startframe +1) Icurr = movclip(k).cdata。 % 計算當(dāng)前幀和參考幀之間的絕對差異 Idiff = abs(double(rgb2gray(Iref)) double(rgb2gray(Icurr)))。 % 利用threholding Idiff 檢測運(yùn)動目標(biāo) Ifg = Idiff Threh。%在分割結(jié)果圖像中用imopen形態(tài)學(xué)濾波，去掉噪聲區(qū)域 Ifg2 = imopen(Ifg,se)。 figure(1)。 subplot(2,2,1), imshow(Icurr),title(39。當(dāng)前圖像39。)。 subplot(2,2,2), imshow(Ifg), title(39。圖像的前景(移動物體) 39。)。 subplot(2,2,3), imshow(Ifg2), title(39。利用形態(tài)學(xué)的開操作濾波39。)。 pause()。 endend