【導(dǎo)讀】除文中已經(jīng)注明引用的內(nèi)容外，本論文（設(shè)計(jì)）不包含任何其。他個(gè)人或集體已經(jīng)發(fā)表或撰寫的作品成果。對(duì)本人實(shí)驗(yàn)或設(shè)計(jì)中做出。重要貢獻(xiàn)的個(gè)人或集體，均已在文中以明確的方式注明。識(shí)到本承諾書的法律結(jié)果由本人承擔(dān)。OpenCV以C++為開(kāi)發(fā)語(yǔ)言，可用于window系統(tǒng)和Linux系統(tǒng)，其函數(shù)。庫(kù)是開(kāi)放源代碼的，可以免費(fèi)從Intel公司的網(wǎng)站下載。頻系統(tǒng)程序開(kāi)發(fā)項(xiàng)目中直接使用。在本文中，利用OpenCV豐富的數(shù)據(jù)庫(kù)對(duì)圖像進(jìn)行二值化、膨脹、腐蝕等處理，為進(jìn)一步的輪廓檢測(cè)提供良好的基礎(chǔ)。檢測(cè)出車輛的輪廓線。在的基礎(chǔ)上運(yùn)用OpenCV編程實(shí)現(xiàn)此方法，是對(duì)汽。可獲得比較理想的結(jié)果，既節(jié)省了時(shí)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(diǎn)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(shuō)明 所示 ）。 說(shuō)明： 這個(gè) 函數(shù)的 典型的 應(yīng)用是對(duì)灰度圖像 采用 閾值操作 來(lái)獲得該圖像的 二值圖像，或者是去 除圖像中的噪聲?？梢酝ㄟ^(guò)函數(shù) threshold_type來(lái)確定該函數(shù)所支持的對(duì)圖像取閾值的方法，具體過(guò)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(cè)實(shí)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(shí)的 實(shí)際 環(huán)境 情況， 在 多次 分析和 實(shí)驗(yàn) 對(duì)比 后 ，本篇文章 中 覺(jué)得取 threshold=150， max_value=255最為合理 。 因?yàn)?圖片采集的環(huán)境問(wèn)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(duì)圖像進(jìn)行閾值分割后再采用 取反處理， 這樣才能將待檢測(cè)車輛和背景分離出來(lái)。相應(yīng)的 函數(shù) 語(yǔ)句 如下 所示 ： cvNOT（ src， dst）； 輪廓檢測(cè)及繪制 在二值 化 圖像中尋找輪廓 ，用以下函數(shù)語(yǔ)句可以實(shí)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(yǔ)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(chǔ)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(diǎn)序列 )； 第 4 章 基于 OpenCV 的車輛輪廓線檢測(cè)實(shí)現(xiàn) 20 ? CV_CHAIN_APPROX_NONE – 代表的是 將所有 的 點(diǎn) 從 鏈碼形式 轉(zhuǎn)換成 點(diǎn)序列 的形式； ? CV_CHAIN_APPROX_SIMPLE – 代表的是 壓縮水平 和垂直以及 對(duì)角分割， 也就是說(shuō)只有 末端的象素點(diǎn) 才能被函數(shù)所保留下來(lái) ； ? 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(gè)輪廓點(diǎn)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(lái) 輪廓 的時(shí)候，可以 通過(guò)使用偏移量并根據(jù) 整個(gè)圖像上下文來(lái)對(duì)輪廓 進(jìn)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(gè)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(méi)有檢測(cè)到 有任何 輪廓存在 （比如 當(dāng)圖像顏色全是 黑 色 的 時(shí)候 ）。其它輪廓可以 first_contour 利用h_next 和 v_next 鏈接訪問(wèn)到。 在對(duì) 輪廓 進(jìn)行了 查找后，得到 了 一個(gè) contour序列， 在 OpenCV程序 中 有專門 繪制輪廓的函數(shù) 語(yǔ)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(jìn)行輪廓 繪制時(shí) 的外輪廓 的 顏色 ， hole_color表示 的是在進(jìn)行輪廓繪制時(shí) 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(jí)， 若該 等級(jí) 是 0的時(shí)候 ， 就 繪制單獨(dú)的輪廓。 若該等級(jí)是 1的時(shí)候 ， 在 繪制 該 輪廓 的同時(shí)還要繪制后面與之有 相同等級(jí)的輪廓。如果為 2，則繪制所有輪廓。如果為負(fù)，則不繪制輪廓。在 本篇文章 中，我們將繪制輪廓的最大等級(jí)取為 0，繪制 出 單獨(dú)的 車輛局部圖像的 輪廓；thickness表示 的是在 繪制輪廓 的時(shí)候采用的 線條的粗細(xì)度，此處 我們 取 之 為 1；line_type為線條的類型，此處取 8。 檢測(cè)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(cè)結(jié)果分析及結(jié)論 21 第 5 章 汽車輪廓線檢測(cè) 結(jié)果分析及結(jié)論 汽車輪廓線檢測(cè) 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(jìn)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(duì)原圖像進(jìn)行去噪、平滑等預(yù)處理，在進(jìn)行輪廓檢測(cè)之前，先把圖像處理得符合檢測(cè)要求，如圖 2 所示，在運(yùn)用去噪函數(shù)和平滑函數(shù)進(jìn)行去噪處理后，圖像中的噪聲點(diǎn)減少，線條變得平滑，為接下來(lái)的輪廓線檢測(cè)提供了良好的條件。在車輛輪廓檢測(cè)中，對(duì)預(yù)處理好的圖像進(jìn)行了輪廓檢測(cè)和輪廓跟蹤，在檢測(cè)函數(shù)的運(yùn)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(cè)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(cè)效果和效率比傳統(tǒng)的檢測(cè)方法有著更大的優(yōu)勢(shì)。此外，由于受個(gè)人對(duì) OpenCV 軟件接觸的時(shí)間較短，對(duì)它的理解不夠深入，運(yùn)用得不夠熟練，故在很多處理過(guò)程中會(huì)存在著一定的紕漏，致使檢測(cè)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(cuò)。 結(jié)論 由實(shí)驗(yàn)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(yùn)用，都能將圖像很好的和背景環(huán)境等影響因素分離出來(lái)，得到良好的輪廓線檢測(cè)原圖像，為進(jìn)一步的車輛輪廓線檢測(cè)提供了良好的基礎(chǔ)。運(yùn)用OpenCV 設(shè)計(jì)的車輛輪廓線檢測(cè)程序，運(yùn)用起來(lái)相當(dāng)便捷，相對(duì)其它的軟件程序而言也比較簡(jiǎn)單易懂，在實(shí)際運(yùn)用中也比較容易實(shí)現(xiàn)且能得到比傳統(tǒng)檢測(cè)方法更高效的檢測(cè)結(jié)果。由本文可以看出，基于 OpenCV 的車輛輪廓線檢測(cè)程序有著比較高的可行性，若再稍加改進(jìn)和完善，將得到更為理想的檢測(cè)效果。 此外，在學(xué)習(xí)和運(yùn)用軟件的過(guò)程中，為了達(dá)到預(yù)期的實(shí)驗(yàn)效果，廣泛的閱讀和參考了中外相關(guān)文獻(xiàn)，在吸收運(yùn) 用的同時(shí)，也強(qiáng)化了自身的學(xué)習(xí)能力。同時(shí)，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(xiàn) 22 參 考 文 獻(xiàn) 【 1】劉慧英 ， 王小波 .基于 OpenCV 的車輛輪廓檢測(cè) . 科學(xué)技術(shù)與工程， 20xx 【 2】肖永清 .國(guó)內(nèi)外汽車檢測(cè)技術(shù)發(fā)展?fàn)顩r .中國(guó)機(jī)電工業(yè)， 20xx 【 3】林慧英 . 基于立體視覺(jué)的汽車車身與車軸位置偏差檢測(cè)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(yùn)動(dòng)目標(biāo)檢測(cè)： [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(jì)算機(jī)視覺(jué)技術(shù)實(shí)現(xiàn) .科學(xué)出版社， 20xx 【 7】吳曉陽(yáng) .基于 OpenCV 的運(yùn)動(dòng)目標(biāo)檢測(cè)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(cè)算法在車身尺寸檢測(cè)中的應(yīng)用 .信息技術(shù)應(yīng)用 .20xx 【 9】翟乃斌 . 基于計(jì)算機(jī)視覺(jué)的汽車整車尺寸測(cè)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(diǎn)的提取 . 組合機(jī)床與自動(dòng)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(jì)算機(jī) .20xx， 04 【 12】 王立梅 . 開(kāi)源計(jì)算機(jī)視覺(jué)庫(kù) OpenCV 的應(yīng)用研究 .信息科技 .20xx,05 參考文獻(xiàn) 23 致謝 23 致 謝 在整個(gè)論文設(shè)計(jì)過(guò)程中，指導(dǎo)老師林慧英對(duì)我悉心指導(dǎo)，從論文的選題、方案及文獻(xiàn)查找、軟件學(xué)習(xí)運(yùn)用，老師付出了大量的時(shí)間和心血對(duì)我進(jìn)行指導(dǎo)，讓我從對(duì) OpenCV 軟件的陌生到能夠初步掌握運(yùn)用，并在老師的引導(dǎo)下能夠順利的得到實(shí)驗(yàn)預(yù)期結(jié)果，整個(gè)畢業(yè)設(shè)計(jì)過(guò)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(chéng)摯 的謝意。 此外，畢業(yè)設(shè)計(jì)的順利完成也離開(kāi)不了每 周的指導(dǎo)老師，雖然每周只有兩天對(duì)我們進(jìn)行指導(dǎo)監(jiān)督，但也對(duì)我的設(shè)計(jì)起著舉足輕重的作用。在此，向汽車運(yùn)用工程的全體老師表達(dá)深深的感謝，感謝你們的栽培與關(guān)愛(ài)。 英文資料原文及中文翻譯稿 24