【正文】 文件和頭文件添加進(jìn) 去，這將直接導(dǎo)致程序能否運(yùn)行成功。 image： 被寫入的幀。 7） cvWriteFrame( )： 寫入一幀到一個視頻文件中 int cvWriteFrame( CvVideoWriter* writer, const IplImage* image )。 frame_size： 視頻流的大小。 在 Win32下，如果傳入?yún)?shù) 1，可以從一個對話框中選擇壓縮方法和壓縮參數(shù) 。G39。P39。J39。M39。139。M39。I39。P39。 filename： 輸出視頻文件名?？梢允窍旅嬷唬? CV_CAP_PROP_POS_MSEC 從文件開始的位置，單位為毫秒 CV_CAP_PROP_POS_FRAMES 單位為幀數(shù)的位置（只對視頻文件有效） CV_CAP_PROP_POS_AVI_RATIO 視頻文件的相對位置（ 0 影片的開始， 1 影片的結(jié)尾 ) CV_CAP_PROP_FRAME_WIDTH 視頻流的幀寬度（只對攝像頭有效） CV_CAP_PROP_FRAME_HEIGHT 視頻流的幀高度（ 只對攝像頭有效） 湖南工學(xué)院（本科）畢業(yè)設(shè)計論文 14 CV_CAP_PROP_FPS 幀率（只對攝像頭有效） CV_CAP_PROP_FOURCC 表示 codec的四個字符（只對攝像頭有效） value ： 屬性的值。目前這個函數(shù)對視頻文件只支持： CV_CAP_PROP_POS_MSEC, CV_CAP_PROP_POS_FRAMES, CV_CAP_PROP_POS_AVI_RATIO； capture： 視頻獲取結(jié)構(gòu) ?？梢允窍旅嬷?： CV_CAP_PROP_POS_MSEC 影片目前位置，為毫秒數(shù)或者視頻獲取時間戳 CV_CAP_PROP_POS_FRAMES 將被下一步解壓 /獲取的幀索引，以 0為起點CV_CAP_PROP_POS_AVI_RATIO 視頻文件的相對位置（ 0 影片的開始， 1 影片的結(jié)尾 ) CV_CAP_PROP_FRAME_WIDTH 視頻流中的幀寬度 CV_CAP_PROP_FRAME_HEIGHT 視頻流中的幀高度 CV_CAP_PROP_FPS 幀率 CV_CAP_PROP_FOURCC 表示 codec的四個字符 CV_CAP_PROP_FRAME_COUNT 視頻文件中幀的總數(shù) int cvSetCaptureProperty( CvCapture* capture, int property_id, double value )。 獲得攝像頭或者視頻文件的指定屬性 ； capture： 視頻獲取結(jié)構(gòu) 。返回的圖像不可以被用戶釋放或者修改。 capture： 視頻獲取結(jié)構(gòu)。釋放這個結(jié)構(gòu)， 也要 使用函數(shù) cvReleaseCapture。如果只有一個攝像頭或者用哪個攝像頭也無所謂，那使用參數(shù) 1應(yīng)該便可以。 CvCapture* cvCreateCameraCapture( int index )。 函數(shù) cvCreateFileCapture給指定文件中的視頻流分配和初始化 CvCapture結(jié)構(gòu)。 3） cvCreateFileCapture( )與 cvCreateCameraCapture( ) CvCapture* cvCreateFileCapture( const char* filename )。 name：窗口的名字。 指定的顏色可以將輸入的圖片轉(zhuǎn)為 3信道 (CV_LOAD_IMAGE_COLOR)， 單信(CV_LOAD_IMAGE_GRAYSCALE)， 或者保持不變(CV_LOAD_IMAGE_ANYCOLOR)。 Videoname： 該 char型常量代表的是被加載的視頻名字。 5） cvCreateVideoWriter 結(jié)構(gòu) typedef struct CvVideoWriter Movie_Reader。 //以字節(jié)為單位的圖像大小 } 4） CvCapture 結(jié)構(gòu) typedef struct CvCapture CvChance。 //表示圖像比較活躍的區(qū)域 int Data_Size。 //圖像的寬，用像素值表示其大小 int m_Height。 //0 和 1 分別代表交叉存取顏色信道和分開顏色信道 int Orange。 //支持的信道 int Depther。 //結(jié)構(gòu)體大小 int Card。 3） IplImage 結(jié)構(gòu) IplImage 結(jié)構(gòu)體的主要功能是用來處理和創(chuàng)造圖像，它隸屬于 inter 函數(shù)庫 IPL，該函數(shù)庫的 主要功能是圖像處理。 //代表坐標(biāo)系中的豎坐標(biāo)，原點坐標(biāo)為 0 } CvPoint。 以下是對常用數(shù)據(jù)結(jié)構(gòu)的介紹： 1） CvPoint 結(jié)構(gòu) 它是一個 int 型結(jié)構(gòu)，代表了二維坐標(biāo)系下面的點，其結(jié)構(gòu)體如下所示： 湖南工學(xué)院（本科）畢業(yè)設(shè)計論文 11 typedef struct CvPoint { int a。 2） 項目設(shè)置 每次創(chuàng)建項目時，若想使用 OpenCV，則需要在工程中加入 需要的 lib 庫文件。 OpenCV 在 下的詳細(xì)配置過程： 1） 全局設(shè)置 菜單 ?工具 ?選擇 ?目錄： 首先設(shè)置 lib 路徑，平臺選擇 Win32，目錄 選擇 Library files，然后在空白處輸入lib 路徑 ,如 下圖 1 所示 。 然 后 ，檢 查 C:\Program Files\OpenCV\bin 是否已經(jīng)被加入到環(huán)境變量 PATH 中（我的電腦 ?屬性 ?環(huán)境變量），如果沒有，請加入。軟件開發(fā)平臺為湖南工學(xué)院（本科）畢業(yè)設(shè)計論文 9 WindowsXP 操作系統(tǒng) 、 OpenCV 以及 MS Visual C++ (以下簡稱 )。 搭建 OpenCV 環(huán)境 本文的硬件平臺為惠普 G42474TX 筆記本電腦， CPU 為主頻 32 位雙核酷睿 i3 390M， 2G 內(nèi)存。 然后確認(rèn)將二進(jìn)制文件路徑添加到操作系統(tǒng)的環(huán)境變量 PATH 中。當(dāng)然，你也可以進(jìn)入下載安裝包的? /make 目錄下，使用 VS20xx 打開 ，或者使用低版本的 MC++(如)打開 opencv. dsw，然后按照提示生成調(diào)試版本的庫，當(dāng)然也可以重新生成Release 版本的庫。在 Windows 操作系統(tǒng)下，首先，從 OpenCV官網(wǎng)中下載 EXE 安裝程序，雙擊后即可安裝。 下載和安裝 OpenCV OpenCV 主頁在 SourceFe 網(wǎng)站 : llSourceFe. Netlprojectsl opencvlibrary，對應(yīng)的 Wiki 在 : //opencv. willowgarage. ，對于 Windows 系統(tǒng)，則為 OpenC 安裝程序，然而，最新的版本始終都在 SourceFe 的 SVN 倉庫中 【 16】 。由于計算機(jī)視覺和機(jī)器學(xué)習(xí)是密切相關(guān)的，因此OpenCV 還提供 MLL 機(jī)器學(xué)習(xí)庫，能夠很容易的 應(yīng)用到其他的機(jī)器學(xué)習(xí)場所。 OpenCV 的作用主要是為了構(gòu)建出簡易的計算機(jī)影像框架，其目的是為科學(xué)家們設(shè)計出更好的計算機(jī)影像相關(guān)軟件提供幫助。 OpenCV 除了 C 之外，它 還支持 TPython 、 Ruby 等 語言。預(yù)處理又分為噪聲處理和圖像灰度化處理兩個重要內(nèi)容。最后第四節(jié)，里面提到的腐蝕與膨脹當(dāng)前用的比較多，他屬于一種濾波算法，通過這兩種技術(shù)的處理，能過使粗糙的圖像變得光滑。圖像的灰度化處理用到的技術(shù)是對圖像進(jìn)行加權(quán)平 均；而去噪處理用到的則是中值濾波。 開啟運(yùn)算可以做到磨掉突出圖像的外部棱角，閉合運(yùn)算恰好相反，磨掉的是內(nèi)部尖角，此外，開閉運(yùn)算還具有濾波特性。 (2)開啟和閉合 開啟和閉合運(yùn)算由膨脹運(yùn)算和腐蝕運(yùn)算復(fù)合而來， b 對 f 的開啟運(yùn)算被定義為 : ? ? bbfbf ???? (7) 開啟運(yùn)算的原理是對圖像在進(jìn)行一次腐蝕運(yùn)算之后，再對圖像進(jìn)行一次膨脹運(yùn)算。腐蝕運(yùn)算能夠做到將跟蹤目標(biāo)身上小于變量元素的物質(zhì)腐蝕掉，因此，我們選取的結(jié)構(gòu)元素相 當(dāng)重要，它的大小將決定了所去掉物質(zhì)的大小。其實，用變量元素 b 來腐蝕輸入圖像 f 所得到的集合正好等價于 b 全部包含在 f 中時 b 零點位置的集合。所有 ,針對膨脹運(yùn)算來說，變量元素 b 的映像與輸入的圖像 f 相與不為 零，也就是說，用 b 來膨脹 f 就是將 b 的映像與 f 中的非零元素相交時 b 在零點位置的集合。膨脹與腐蝕的符號分別為 ? 和 ? 。 (1)膨脹和腐蝕 膨脹與腐蝕，它們是數(shù)學(xué)形態(tài)學(xué)中最基礎(chǔ)的運(yùn)算。利用該方法處理后，能夠做到充分保持圖像的基本特性，并且能夠處理掉不相干的結(jié)構(gòu)，從而大大的簡化圖像數(shù)據(jù)。它的原理是用固定形態(tài)的構(gòu)造元素，提取出圖像中相對應(yīng)的形狀，用來識別圖像，以便于對圖像進(jìn)行分析?；趫D像的表示法又可分為空間表示和時空表示等，空間表示是將圖像或圖像中目標(biāo)的一部分變換到非笛卡爾空間，得到對圖像數(shù)據(jù)更簡潔的表示 ，通常采用的變換有傅里葉變換、主成份量分析、離散余弦變換、小波變換等，時空表示是在空間表示法基礎(chǔ)上加上時間維信息，湖南工學(xué)院（本科）畢業(yè)設(shè)計論文 6 以表示與運(yùn)動相關(guān)的特征。因此，那些用光流法得到的目標(biāo)大多用塊表示法來實現(xiàn)。每個團(tuán)塊內(nèi)的像素點都有相似之處。外輪廓線能夠用跟蹤目標(biāo)邊沿點的連線表示。矩形框表示法 在顯示目標(biāo)位置的同時也能得出目標(biāo)的大小。 點表示法，即用若干個點來代表目標(biāo)，如跟蹤目標(biāo)物體的重心或者目標(biāo)本身。在選好表達(dá)方法之后，我們還需要描述跟蹤目標(biāo)，主要目的是使電腦做到完全識別出所得到的分割結(jié)果，并且做到充分利用。只有節(jié)省存儲空間、而且計算簡便的方式才是一個優(yōu)秀的表達(dá)方式。 通過以上步驟可以看出，中值濾波的主要功能就是把不同的像素灰度值修改成與周圍像素值大小接近的值，這樣對于椒鹽噪聲的消除能力是很強(qiáng)的，與均值濾波相比較，由于中值濾波不是簡單的取平均值，所以產(chǎn)生的模糊比較少。 ④ 找出這些值里最中間的一個 。 ② 讀取模板相對應(yīng)的像素點灰度值 。其計算公式為 : ? ?? ? ? ? ? ?? ?tsfyx m e d ia ng yxNtsm e d ia n , , ?? (4) 其中 ? ?yxN , ,為 ? ?yx, 的鄰域， ? ?tsf , 為含有噪聲的原圖。 湖南工學(xué)院（本科）畢業(yè)設(shè)計論文 5 (2)中值濾波 中值濾波依賴于模板的實現(xiàn)，是一種非線性濾波。 (1)均值濾波 均值濾波能夠消除圖像的噪聲，是一種線性濾波。根據(jù)人的視覺習(xí)慣，人眼對綠色敏感度會大于紅色，對紅色的敏感度又比藍(lán)色強(qiáng)烈，所以 ??? ?? 能得到比較好的灰度圖像，根據(jù)理論和以往經(jīng)驗證 明，當(dāng) , ??? ??? 時，得到的灰度圖像比較合理?，F(xiàn)在有三種灰度化處理方法 : (1)最大值法 :讓 R,G,B 的值等于三個值當(dāng)中最大的一個，即 : ? ?BGRBGR ,m a x??? (1) 從公式中能夠得到，利用最大值法處理后的圖像，其灰度值會很高?；叶然幚砭褪菍⒉噬?R, G, B 進(jìn)行分量處理。下面章節(jié)將會對上面所提到的難點進(jìn)行逐一攻破。第三節(jié)詳細(xì)介紹了該項技術(shù)在實現(xiàn)過程中所遇到的難點，例如：跟蹤背景比較復(fù)雜、能否做到實時性跟蹤和跟蹤過程中目標(biāo)被遮擋等問題。所以若想要設(shè)計出一個 能夠快速、準(zhǔn)確、穩(wěn)定地在復(fù)雜環(huán)境下跟蹤目標(biāo)的方法，仍然是一項非常艱巨的任務(wù)，還需要研究者進(jìn)一步的研究。 上述存在的問題，對運(yùn)動目標(biāo)實時魯棒的跟蹤將會更加艱難。在目標(biāo)跟蹤過程中，目標(biāo)很容易被自身的遮擋，或者跟蹤目標(biāo)被周圍其他的雜物跟背景所掩蓋。算法耗時必須要少，至少做到每采集一幀圖像湖南工學(xué)院（本科）畢業(yè)設(shè)計論文 3 時，算法要運(yùn)行一遍，否則將無法實現(xiàn)運(yùn)動目標(biāo)的正常跟蹤。 (2)目標(biāo)外觀的變化 運(yùn)動目標(biāo)跟蹤一般是在不受控制的條件下進(jìn)行的，各種因素都可能導(dǎo)致跟蹤目標(biāo)外觀的變化，如光、角、規(guī)模和目標(biāo)對象，以及形變等因素，所以如果我們想要對目標(biāo)進(jìn)行長期有效地跟蹤，我們需要合理地處理這些變化。馬麗主要研究的是在跟蹤中運(yùn)動目標(biāo)被遮擋的問題，并提出了多子塊表決與灰度相關(guān)匹配相連接的跟蹤算法，然后再把 粒子濾波算法和 MeanShift 跟蹤 算法進(jìn)行有效 的 結(jié)合 起來。但是該方法只有在目標(biāo)線性運(yùn)動時跟蹤效果挺好，一旦處于非線性運(yùn)動則效果很差。因為樣本點隨機(jī)的分布在樣本空間，應(yīng)該如何選取合適的長度與角度以及正確的窗口寬度依舊是 MeanShift 算法 需要解決 的重要問題。 MeanShift 算法 主要是 通過有限次迭代 ，從而做到 準(zhǔn)確定位目標(biāo)， 很大程度上 避免了全局 采集，大大減少了時間，如果目標(biāo)區(qū)域已知，該算法完全可以做到實時的跟蹤，近幾年來被非常廣泛的應(yīng)用在目標(biāo)跟蹤領(lǐng)域。 在視頻圖像處理方面的探索我國起步相對較晚，一直到 86 年才 正式開始 對視頻跟蹤技術(shù)的研究 立項。英國、法國和葡萄牙在歐