【導(dǎo)讀】除文中已經(jīng)注明引用的內(nèi)容外，本論文（設(shè)計）不包含任何其。他個人或集體已經(jīng)發(fā)表或撰寫的作品成果。對本人實驗或設(shè)計中做出。重要貢獻的個人或集體，均已在文中以明確的方式注明。識到本承諾書的法律結(jié)果由本人承擔(dān)。OpenCV以C++為開發(fā)語言，可用于window系統(tǒng)和Linux系統(tǒng)，其函數(shù)。庫是開放源代碼的，可以免費從Intel公司的網(wǎng)站下載。頻系統(tǒng)程序開發(fā)項目中直接使用。在本文中，利用OpenCV豐富的數(shù)據(jù)庫對圖像進行二值化、膨脹、腐蝕等處理，為進一步的輪廓檢測提供良好的基礎(chǔ)。檢測出車輛的輪廓線。在的基礎(chǔ)上運用OpenCV編程實現(xiàn)此方法，是對汽?？色@得比較理想的結(jié)果，既節(jié)省了時間，也保證了精度。

　　

【正文】 CvArr*dst， double threshold， double max_value， int threshold _type）； 其中， src為輸入數(shù)組（單通道， 8位整數(shù)或 32位浮點數(shù)）， dst為輸出數(shù)組，且類型 必須與 src一致，或者為 8位整數(shù)。 threshold代表閾值， max_value是使用CV_THRESH和 CV_THRESH_BINARY_INV的最大值。 Threshold_type代表閾值類型（如下說明 所示 ）。 說明： 這個 函數(shù)的 典型的 應(yīng)用是對灰度圖像 采用 閾值操作 來獲得該圖像的 二值圖像，或者是去 除圖像中的噪聲。可以通過函數(shù) threshold_type來確定該函數(shù)所支持的對圖像取閾值的方法，具體過程如下所示： ○1 如果 threshold_type=CV_THRESH_BINARY,則 dst（ x， y） =｛ 0， 其它max _value ，若 src（ x， y） threshold ○2 如果 threshold_type=CV_THRESH_BINARY_INV，則 dst（ x， y） =｛ max _??????????， 其它0， 若 src(x， y)threshold ○3 如果 threshold_type=CV_THRESH_TRUNC，則 dst（ x， y） =｛ src(x， y)， 其它threshold， 若 src(x， y)threshold ○4 如果 threshold_type=CV_THRESH_TOZERO，則 第 4 章 基于 OpenCV 的車輛輪廓線檢測實現(xiàn) 19 dst（ x， y） =｛ 0， 其它src(x， y)， 若 (x， y)threshold ○5 如果 threshold_type=CV_THRESH_TOZERO_INV，則 dst（ x， y） =｛ src(x， y)， 其它0， 若 src(x， y)threshold 根據(jù) 采集圖片時的 實際 環(huán)境 情況， 在 多次 分析和 實驗 對比 后 ，本篇文章 中 覺得取 threshold=150， max_value=255最為合理 。 因為 圖片采集的環(huán)境問題，圖片中 背景 的 灰度值要比 汽車 本身 的灰度值更 高，所以 ， 要在 對圖像進行閾值分割后再采用 取反處理， 這樣才能將待檢測車輛和背景分離出來。相應(yīng)的 函數(shù) 語句 如下 所示 ： cvNOT（ src， dst）； 輪廓檢測及繪制 在二值 化 圖像中尋找輪廓 ，用以下函數(shù)語句可以實現(xiàn)： int cvFindContours( CvArr* image, CvMemStorage* storage, CvSeq** first_contour,int header_size=sizeof(CvContour), int mode=CV_RETR_LIST, int method=CV_CHAIN_APPROX_SIMPLE, CvPoint offset=cvPoint(0,0) )。 image 在 上述 函數(shù)語句中， src代表的是 輸入的 8bit、單通道圖像 ， 其中，像素值不為 0的元素都被當(dāng)成是 1， 象素值 是 0的就直接 保留為 0， 這樣就可以將圖像看作是二值的 。為了從灰度圖像中得到這樣的二值圖像，可以使用 cvThreshold, cvAdaptiveThreshold 或 cvCanny。 本函數(shù)改變輸入圖像內(nèi)容。 Storage代表 得到的輪廓的存儲容器 ； first_contour代表 輸出參數(shù) ；header_size代表序列頭， 如果 method=CV_CHAIN_CODE，則序列頭的大小 =sizeof(CvChain)，否則 =sizeof(CvContour)； mode代表 提取模式 ，有如下四種類型： ? CV_RETR_EXTERNAL – 表示 只提取最外層的輪廓； ? CV_RETR_LIST – 表示 提取所有輪廓，并且放置在 list 中； ? CV_RETR_CCOMP – 表示 提取所有輪廓，將其 構(gòu)造成擁有 兩層的 hierarchy: 定義為頂層和次層，分別代表著 連通域的外圍邊界 和洞 內(nèi)層邊界； ? CV_RETR_TREE – 表示 提取 出 所有輪廓，并且重 新 構(gòu) 造 嵌套輪廓的全部 hierarchy； method代表 的是 逼近方法 ，方法可分為五類，具體如下所示 ： ? CV_CHAIN_CODE Freeman 鏈碼的輸出輪廓 。 其它方法輸出多邊形 (定點序列 )； 第 4 章 基于 OpenCV 的車輛輪廓線檢測實現(xiàn) 20 ? CV_CHAIN_APPROX_NONE – 代表的是 將所有 的 點 從 鏈碼形式 轉(zhuǎn)換成 點序列 的形式； ? CV_CHAIN_APPROX_SIMPLE – 代表的是 壓縮水平 和垂直以及 對角分割， 也就是說只有 末端的象素點 才能被函數(shù)所保留下來 ； ? CV_CHAIN_APPROX_TC89_L1, ? CV_CHAIN_APPROX_TC89_KCOS 應(yīng)用 TehChin 鏈逼近算法 。 Offset代表 的是圖像中各 個輪廓點的偏移量 。 偏移量在特定情況下能起到一定的作用，如 當(dāng)從圖像 ROI 中提取出來 輪廓 的時候，可以 通過使用偏移量并根據(jù) 整個圖像上下文來對輪廓 進行 分析 。 cvFindContours函數(shù)的功能是 從二值圖像中提取 出 輪廓， 然后再 返回提取 到的輪廓的數(shù)目。指針 first_contour 的內(nèi)容由函數(shù)填寫。 該指針含有 第一個最外層輪廓的指針，如果指針 的值是 NULL， 那就代表的是程序 沒有檢測到 有任何 輪廓存在 （比如 當(dāng)圖像顏色全是 黑 色 的 時候 ）。其它輪廓可以 first_contour 利用h_next 和 v_next 鏈接訪問到。 在對 輪廓 進行了 查找后，得到 了 一個 contour序列， 在 OpenCV程序 中 有專門 繪制輪廓的函數(shù) 語句，具體 如下所示 ： void cvDrawContours( CvArr *img, CvSeq* contour,CvScalar external_color, CvScalar hole_color,int max_level, int thickness=1,int line_type=8, CvPoint offset=cvPoint(0,0) )。 其中 img表示用以繪制輪廓的圖像； external_color 表示 的是在進行輪廓 繪制時 的外輪廓 的 顏色 ， hole_color表示 的是在進行輪廓繪制時 繪制的內(nèi)輪廓 的 顏色；max_level表示 的是 繪制輪廓的最大等級， 若該 等級 是 0的時候 ， 就 繪制單獨的輪廓。 若該等級是 1的時候 ， 在 繪制 該 輪廓 的同時還要繪制后面與之有 相同等級的輪廓。如果為 2，則繪制所有輪廓。如果為負，則不繪制輪廓。在 本篇文章 中，我們將繪制輪廓的最大等級取為 0，繪制 出 單獨的 車輛局部圖像的 輪廓；thickness表示 的是在 繪制輪廓 的時候采用的 線條的粗細度，此處 我們 取 之 為 1；line_type為線條的類型，此處取 8。 檢測及繪制得到的車輛輪廓線如下所示： 圖 3 車輛輪廓線第 5 章 汽車輪廓線檢測結(jié)果分析及結(jié)論 21 第 5 章 汽車輪廓線檢測 結(jié)果分析及結(jié)論 汽車輪廓線檢測 結(jié)果分析 受圖像本身的復(fù)雜程度和拍攝環(huán)境所影響，所得到的圖像在一定程度上存在著噪聲和雜質(zhì)，車輛的輪廓線也不是很光滑，若用這樣的圖片進行處理，必然得不到理想的結(jié)果。要想得到理想的處理效果，就必須對原圖像進行去噪、平滑等預(yù)處理，在進行輪廓檢測之前，先把圖像處理得符合檢測要求，如圖 2 所示，在運用去噪函數(shù)和平滑函數(shù)進行去噪處理后，圖像中的噪聲點減少，線條變得平滑，為接下來的輪廓線檢測提供了良好的條件。在車輛輪廓檢測中，對預(yù)處理好的圖像進行了輪廓檢測和輪廓跟蹤，在檢測函數(shù)的運用下得到了車輛局部圖的輪廓線如圖 3 所示，整體效果較為 理想，但由于圖像環(huán)境和背景、光線等原因，使得檢測出的輪廓線在某些部分存在著不連續(xù)性，但就整體而言，檢測效果和效率比傳統(tǒng)的檢測方法有著更大的優(yōu)勢。此外，由于受個人對 OpenCV 軟件接觸的時間較短，對它的理解不夠深入，運用得不夠熟練，故在很多處理過程中會存在著一定的紕漏，致使檢測出的結(jié)果與預(yù)想中的結(jié)果在一定程度上存在差異或差錯。 結(jié)論 由實驗的結(jié)果圖像可以看出，即使拍攝到的圖像成分復(fù)雜，環(huán)境因素影響很大，OpenCV 軟件的運用，都能將圖像很好的和背景環(huán)境等影響因素分離出來，得到良好的輪廓線檢測原圖像，為進一步的車輛輪廓線檢測提供了良好的基礎(chǔ)。運用OpenCV 設(shè)計的車輛輪廓線檢測程序，運用起來相當(dāng)便捷，相對其它的軟件程序而言也比較簡單易懂，在實際運用中也比較容易實現(xiàn)且能得到比傳統(tǒng)檢測方法更高效的檢測結(jié)果。由本文可以看出，基于 OpenCV 的車輛輪廓線檢測程序有著比較高的可行性，若再稍加改進和完善，將得到更為理想的檢測效果。 此外，在學(xué)習(xí)和運用軟件的過程中，為了達到預(yù)期的實驗效果，廣泛的閱讀和參考了中外相關(guān)文獻，在吸收運 用的同時，也強化了自身的學(xué)習(xí)能力。同時，在老師和同學(xué)的幫助下，養(yǎng)成了良好的思維方法和勤于思考的習(xí)慣，為今后的工作奠定了良好的基礎(chǔ)。 參考文獻 22 參 考 文 獻 【 1】劉慧英 ， 王小波 .基于 OpenCV 的車輛輪廓檢測 . 科學(xué)技術(shù)與工程， 20xx 【 2】肖永清 .國內(nèi)外汽車檢測技術(shù)發(fā)展?fàn)顩r .中國機電工業(yè)， 20xx 【 3】林慧英 . 基于立體視覺的汽車車身與車軸位置偏差檢測系統(tǒng)的研究： [學(xué)位論文 ]，吉林：吉林大學(xué)， 20xx 【 4】湯超 . OpenCV 的運動目標(biāo)檢測： [學(xué)位論文 ]，廈門：廈門大學(xué)， 20xx 【 5】劉瑞禎 ， 于仕琪 .OpenCV 教程基礎(chǔ)篇 .北京航空航天大學(xué)出版社， 20xx 【 6】陳勝勇 ， 劉盛等 .基于 OpenCV 的計算機視覺技術(shù)實現(xiàn) .科學(xué)出版社， 20xx 【 7】吳曉陽 .基于 OpenCV 的運動目標(biāo)檢測與跟蹤： [學(xué)位論文 ]，浙江：浙江大學(xué)， 20xx 【 8】 陳偉利，唐虹，耿艷彪 . 基于 OpenCV 的邊緣檢測算法在車身尺寸檢測中的應(yīng)用 .信息技術(shù)應(yīng)用 .20xx 【 9】翟乃斌 . 基于計算機視覺的汽車整車尺寸測量系統(tǒng)的研究 : [學(xué)位論文 ]，吉林：吉林大學(xué)， 20xx 【 10】 劉江，張岑 . 基于 OpenCV 的圓形標(biāo)記點的提取 . 組合機床與自動化加工技術(shù) .20xx,5 【 11】騰俊，王弟林，文漢云 .基于 OpenCV 下的 Visual C++數(shù)字圖像處理方法 .現(xiàn)代計算機 .20xx， 04 【 12】 王立梅 . 開源計算機視覺庫 OpenCV 的應(yīng)用研究 .信息科技 .20xx,05 參考文獻 23 致謝 23 致 謝 在整個論文設(shè)計過程中，指導(dǎo)老師林慧英對我悉心指導(dǎo)，從論文的選題、方案及文獻查找、軟件學(xué)習(xí)運用，老師付出了大量的時間和心血對我進行指導(dǎo)，讓我從對 OpenCV 軟件的陌生到能夠初步掌握運用，并在老師的引導(dǎo)下能夠順利的得到實驗預(yù)期結(jié)果，整個畢業(yè)設(shè)計過程，讓我受益匪淺，培養(yǎng)了良好的心態(tài)和學(xué)習(xí)習(xí)慣，為以后的工作奠定了良好的基礎(chǔ)。再此向我的指導(dǎo)老師 林慧英老師 表示最崇高的敬意和 最誠摯 的謝意。 此外，畢業(yè)設(shè)計的順利完成也離開不了每 周的指導(dǎo)老師，雖然每周只有兩天對我們進行指導(dǎo)監(jiān)督，但也對我的設(shè)計起著舉足輕重的作用。在此，向汽車運用工程的全體老師表達深深的感謝，感謝你們的栽培與關(guān)愛。 英文資料原文及中文翻譯稿 24