【正文】 penCV作為一個(gè)開(kāi)放的計(jì)算機(jī)視覺(jué)函數(shù)庫(kù)在使用上必然沒(méi)有Matlab那樣解釋執(zhí)行來(lái)得方便，而softhitegration將CH和OpenCV綁定起來(lái)推出的CH OpenCV，解決了這一使用上的瓶頸。 OpenCV在Visual C++本文的硬件平臺(tái)為普通的筆記本電腦，內(nèi)存容量為2G。軟件開(kāi)發(fā)平臺(tái)為WindowsXP、OpenCV Visual C++ ()。然后，檢查C:\Program Files\OpenCV\bin是否已經(jīng)被加入到環(huán)境變量PATH，如果沒(méi)有，請(qǐng)加入。()。 Library files設(shè)置然后選擇Include files，在下方填入路徑： Include files設(shè)置然后選擇Source files，在下方填入路徑： Source files設(shè)置最后點(diǎn)擊“OK”，完成設(shè)置。菜單：ProjectSettings，然后將Setting for選為All Configurations，然后選擇右邊的link標(biāo)簽，在Object/library modules(對(duì)象/庫(kù)模塊)附加上： ，你可以只添加你需要的lib。下面對(duì)幾個(gè)比較常用的簡(jiǎn)單結(jié)構(gòu)進(jìn)行介紹。 /* x坐標(biāo), 通常以0為基點(diǎn) */int y。2）CvSize結(jié)構(gòu) CvSize結(jié)構(gòu)用來(lái)表示矩形框大小，以像素為精度，結(jié)構(gòu)體中分別定義了矩形的寬高和高度，定義如下：typedef struct Cvsize {int width； /*矩形寬度，單位為像素*/ int height； /*矩形高度，單位為像素*/ }CvSize。IplImage結(jié)構(gòu)來(lái)源于inter的另外一個(gè)函數(shù)庫(kù)IPL,該函數(shù)庫(kù)主要是針對(duì)圖像處理。 /*IplImage大小*/ int ID。 /*大多數(shù)opencv函數(shù)支持1~4個(gè)信道*/ int depth。 /*0:交叉存取顏色信道。只有cvCreateImage可以創(chuàng)建交叉存取圖像*/ int origin。 /* 圖像寬像素 */ int heighet。 /*圖像感興趣區(qū)域*/ int imageSize。 /*排列的圖像大小，以字節(jié)為單位*/ }4）CvCapture結(jié)構(gòu)typedef struct CvCapture CvCapture。5）cvCreateVideoWriter結(jié)構(gòu)typedef struct CvVideoWriter CvVideoWriter。1）cvLoadImage( )：載入圖像IplImage* cvLoadImage( const char* filename, int iscolor=CV_LOAD_IMAGE_COLOR )。iscolor：指定讀入圖像的顏色和深度。2）cvShowImage( )：在指定窗口中顯示圖像void cvShowImage( const char* name,const CvArr* image )。image：被顯示的圖像。初始化從文件中獲取視頻；filename：視頻文件名。當(dāng)分配的結(jié)構(gòu)不再使用的時(shí)候，它應(yīng)該使用cvReleaseCapture函數(shù)釋放掉。初始化從攝像頭中獲取視頻；index ：要使用的攝像頭索引。函數(shù)cvCreateCameraCapture給從攝像頭的視頻流分配和初始化CvCapture結(jié)構(gòu)。4）cvQueryFrame( )：從攝像頭或者文件中抓取并返回一幀IplImage* cvQueryFrame( CvCapture* capture )。 函數(shù)cvQueryFrame從攝像頭或者文件中抓取一幀，然后解壓并返回這一幀。5）cvGetCaptureProperty( )與cvSetCaptureProperty( )double cvGetCaptureProperty( CvCapture* capture, int property_id )。property_id：屬性標(biāo)識(shí)。設(shè)置指定視頻獲取的屬性。property_id：屬性標(biāo)識(shí)。6）cvCreateVideoWriter( )：創(chuàng)建視頻寫(xiě)入器結(jié)構(gòu)CvVideoWriter* cvCreateVideoWriter( const char* filename,int fourcc, double fps,CvSize frame_size,int is_color=1 )。 fourcc：四個(gè)字符用來(lái)表示壓縮幀的codec 例如，CV_FOURCC(39。,39。,39。,39。)是MPEG1 codec，CV_FOURCC(39。,39。,39。,39。)是motionjpeg codec等。fps：被創(chuàng)建視頻流的幀率。is_color：如果非零，編碼器將希望得到彩色幀并進(jìn)行編碼；否則，是灰度幀（只有在Windows下支持這個(gè)標(biāo)志）。writer：視頻寫(xiě)入器結(jié)構(gòu)。 本章小結(jié)本章主要介紹了OpenCV技術(shù)，包括OpenCV在Visual C++，著重介紹了與本文工作密切相關(guān)的OpenCV中的數(shù)據(jù)結(jié)構(gòu)和常用函數(shù)，為后面的系統(tǒng)實(shí)現(xiàn)打下基礎(chǔ)。為了消除采集圖像的噪聲和干擾，加強(qiáng)有用信息，使圖像更易于辨識(shí)。通常圖像里的噪聲類(lèi)型有高斯噪聲、脈沖噪聲、瑞利噪聲等。受高斯噪聲污染的圖像不僅在圖像的每一像素灰度級(jí)上都受影響，而且即便同一灰度級(jí)上造成的污染程度也可能存在著較大的差異。一般用平滑濾波器降低高斯噪聲。這是因?yàn)?，?duì)于固定場(chǎng)景，運(yùn)動(dòng)物體在運(yùn)動(dòng)，其轉(zhuǎn)瞬即逝，大多數(shù)時(shí)間我們看到的都是靜止背景，因此圖像上某個(gè)像素點(diǎn)作為前景的時(shí)間相對(duì)作為背景的時(shí)間短得多；而且，運(yùn)動(dòng)物體和靜止背景在色彩上有明顯區(qū)別，人能輕易分辨出前景物體，即使在一張靜止圖像上。利用普通的彩色CCD 攝像機(jī)拍攝的圖像都可以統(tǒng)一規(guī)整為寬度為384，高度為255像素(pixels)點(diǎn)的位圖文件格式，即彩色的BMP 位圖文件。BMP 圖像文件的結(jié)構(gòu)分為:文件頭、調(diào)色板數(shù)據(jù)和圖像數(shù)據(jù)三個(gè)部分，其中文件頭的長(zhǎng)度固定為54個(gè)字節(jié)，文件頭中包含兩種數(shù)據(jù)結(jié)構(gòu)。一些系統(tǒng)的攝像部分采用單色CCD 攝像頭則可以直接得到灰度圖像。在openCV 中，主要使用的圖像格式為Ipllmage，即IpL 圖像頭。OpenCV 只支持其中的一個(gè)子集。 圖像噪聲噪聲主要在數(shù)字圖像的獲取(量化)和傳輸中產(chǎn)生，可以理解為妨礙人的視覺(jué)器官或系統(tǒng)傳感器對(duì)所接收?qǐng)D像源信息進(jìn)行理解或分析的各種因素，一般是不可預(yù)測(cè)的隨機(jī)信號(hào)，只能用概率統(tǒng)計(jì)的方法去認(rèn)識(shí)。特別是圖像的輸入、采集噪聲的抑制是十分關(guān)鍵的問(wèn)題，若輸入伴有較大的噪聲，必然影響處理全過(guò)程及輸出的結(jié)果。 噪聲的特征設(shè)圖像信號(hào)為灰度圖像并按二維亮度 f (x, y)分布，則噪聲可看作是對(duì)亮度的干擾，可用n(x, y)來(lái)表示。但在許多情況下這些函數(shù)很難測(cè)出或描述，甚至不可能得到，所以常用統(tǒng)計(jì)特征描述噪聲，如:均值、方差、相關(guān)函數(shù)等。用噪聲的方差描述噪聲的交流功率。 噪聲的分類(lèi)根據(jù)噪聲產(chǎn)生的來(lái)源，大致可以分為外部噪聲和內(nèi)部噪聲兩大類(lèi)。如天線干擾或電磁波從電源線竄入系統(tǒng)的噪聲。但綜合來(lái)說(shuō)，噪聲是隨機(jī)產(chǎn)生的量，所以又可以從統(tǒng)計(jì)數(shù)學(xué)的觀點(diǎn)來(lái)定義噪聲。從噪聲的分類(lèi)方法來(lái)看是多種多樣的。凡是統(tǒng)計(jì)特征不隨時(shí)間變化的噪聲稱為平穩(wěn)噪聲，而統(tǒng)計(jì)特征隨時(shí)間變化的噪聲稱作非平穩(wěn)噪聲。高斯噪聲的特點(diǎn)是密度大、噪聲強(qiáng)度的波動(dòng)范圍寬。 圖像濾波為了消除采集圖像的噪聲和干擾，加強(qiáng)有用信息，使圖像更易于辨識(shí)，需要去除噪聲。噪聲信號(hào)的濾波是信號(hào)處理的基本任務(wù)之一。因而，近年來(lái)的噪聲信號(hào)恢復(fù)問(wèn)題主要采用非線性濾波器來(lái)處理。中值濾波器的主要功能是改變與周?chē)笏鼗叶戎挡顒e比較大的象素的值而改取與周?chē)笏鼗叶戎到咏闹?，從而消除孤立的噪聲點(diǎn)。中值濾波這種方法由于不依賴于鄰域內(nèi)那些與典型值差別很大的值，因而能在去除噪聲脈沖、椒鹽噪聲的同時(shí)又能保留圖像邊緣細(xì)節(jié)。本文在對(duì)圖像進(jìn)行濾波時(shí)正是考慮了圖像中多為尖峰狀干擾，中值濾波能去除點(diǎn)狀尖峰干擾而邊緣不會(huì)變壞，若用低通濾波雖能去除噪聲但陡峭的邊緣將被模糊。使用二維中值濾波最值得注意的是要保持圖像中有效的細(xì)線狀物體，如果圖像中的線、尖角細(xì)節(jié)較多，則不宜采用中值濾波。對(duì)尖峰性干擾效果好，即保持邊緣的陡度又去掉干擾，對(duì)高斯分布噪聲效果差；對(duì)脈沖干擾來(lái)講，特別是相距較遠(yuǎn)的窄脈沖干擾，中值濾波是很有效的。4 運(yùn)動(dòng)目標(biāo)檢測(cè)運(yùn)動(dòng)目標(biāo)檢測(cè)處于整個(gè)視頻監(jiān)視系統(tǒng)的最底層，是各種后續(xù)高級(jí)應(yīng)用如目標(biāo)跟蹤、目標(biāo)分類(lèi)、目標(biāo)行為理解等的基礎(chǔ)。運(yùn)動(dòng)目標(biāo)檢測(cè)的結(jié)果是一種“靜態(tài)”目標(biāo)一一前景目標(biāo)，由一些靜態(tài)特征所描述。相對(duì)于靜止信息來(lái)說(shuō)，運(yùn)動(dòng)信息更能引起人們的注意，也更加有用。自動(dòng)視頻監(jiān)控系統(tǒng)是利用攝像機(jī)采集到的圖像序列對(duì)監(jiān)控的對(duì)象進(jìn)行不間斷監(jiān)視，如出現(xiàn)異常情況，給出報(bào)警信號(hào)，通知有關(guān)人員進(jìn)行及時(shí)處理。目前，檢測(cè)運(yùn)動(dòng)目標(biāo)的方法主要有光流法和幀間差閾值法。幀間差閾值法速度快，易于硬件實(shí)現(xiàn)。本文使用圖像背景差分的方法來(lái)對(duì)序列圖像中的運(yùn)動(dòng)目標(biāo)進(jìn)行檢測(cè)。目標(biāo)檢測(cè)與提取的準(zhǔn)確性直接影響到跟蹤的結(jié)果和精度。2 在各種天氣條件下應(yīng)是魯棒的。4 應(yīng)能夠處理雜亂無(wú)章的大面積區(qū)域的各種運(yùn)動(dòng)，以及視場(chǎng)內(nèi)目標(biāo)的疊加。人們總是希望能有一個(gè)能適用于監(jiān)視各種各樣環(huán)境，能夠滿足各種要求以及普遍適用的一個(gè)運(yùn)動(dòng)目標(biāo)檢測(cè)算法，但是實(shí)際應(yīng)用中要達(dá)到這樣的要求是十分困難的，因?yàn)閷?shí)際應(yīng)用中不但要考慮到算法要盡量適用于多種環(huán)境，而且一般還要在算法的復(fù)雜度、可靠性，以及實(shí)時(shí)性等諸多方面中考慮。 幀間差分法對(duì)于許多應(yīng)用來(lái)說(shuō)，檢測(cè)圖像序列中連續(xù)幀圖像的差異是非常重要的步驟。進(jìn)一步，如果目標(biāo)的運(yùn)動(dòng)限制在平行于圖像平面的一個(gè)平面上，則可以得到目標(biāo)運(yùn)動(dòng)特性定量參數(shù)的很好估計(jì)。相鄰兩幀圖像差分法的基本運(yùn)算過(guò)程如圖()。在對(duì)差分圖像二值化后還可以使用數(shù)學(xué)形態(tài)學(xué)對(duì)其進(jìn)行濾波處理，然后得到圖像凡，最后對(duì) 圖像進(jìn)行區(qū)域連通性分析，當(dāng)某一連通的區(qū)域的面積大于某一給定閉值，則成為檢測(cè)目標(biāo)，并認(rèn)為該區(qū)域就是目標(biāo)的區(qū)域范圍，就可以確定目標(biāo)的最小外接矩形。 為幀差圖像?；谶B續(xù)幀間差分法的運(yùn)動(dòng)目標(biāo)檢測(cè)其主要優(yōu)點(diǎn)是：1 算法實(shí)現(xiàn)簡(jiǎn)單。3 易于實(shí)現(xiàn)實(shí)時(shí)監(jiān)視。然而，這種方法在使用過(guò)程中還存在兩個(gè)問(wèn)題:一是兩幀間目標(biāo)的重疊部分不容易檢測(cè)出來(lái)，即只能檢測(cè)出目標(biāo)的一部分:二是檢測(cè)出目標(biāo)在兩幀中變化的信息，這樣會(huì)存在較多的偽目標(biāo)點(diǎn)，檢測(cè)出的目標(biāo)要比實(shí)際的目標(biāo)大一些。后者是由于相鄰兩幀必然存在的灰度變化所產(chǎn)生的。 ()其中fk(x,y) 、fbk(x,y)為連續(xù)兩幀圖像， Dk(x,y)為幀差圖像。此方法的主要特點(diǎn)是：1 要求使用當(dāng)前被監(jiān)視環(huán)境中的一幅靜態(tài)背景圖像。在確定了比例參數(shù)后調(diào)解積分參數(shù)，最后調(diào)節(jié)微分參數(shù)。使用“表觀運(yùn)動(dòng)”的主要原因是光流無(wú)法有運(yùn)動(dòng)圖像的局部信息唯一的確定，例如，亮度比較均勻的區(qū)域或亮度等值線上的點(diǎn)都無(wú)法唯一的確定其點(diǎn)的運(yùn)動(dòng)對(duì)應(yīng)性，但是運(yùn)動(dòng)是可以觀察到的。但一般情況下，可以認(rèn)為光流與運(yùn)動(dòng)場(chǎng)沒(méi)有太大區(qū)別，因此就可以根據(jù)圖運(yùn)動(dòng)估計(jì)相對(duì)運(yùn)動(dòng)。 本文采用的算法設(shè)計(jì)鑒于背景差分法和幀間差分法的優(yōu)缺點(diǎn)，我們將這兩種方法結(jié)合起來(lái)，使它們優(yōu)勢(shì)互補(bǔ)，從而克服相互的弱點(diǎn)，提高運(yùn)動(dòng)檢測(cè)的效果。所以在背景差分法的實(shí)現(xiàn)中，它的固定背景不能一成不變。因此，我們?cè)谔岢鰴z測(cè)算法的同時(shí)，要建立背景更新模型。 新算法思想在視頻圖像序列中，利用已有的背景差分法和幀間差分法作為啟示，將動(dòng)態(tài)圖像中連續(xù)兩幀差圖像和背景差圖像直接進(jìn)行與操作，再將結(jié)果進(jìn)行二值化處理得到運(yùn)動(dòng)結(jié)果。 算法描述（l）、對(duì)序列圖像進(jìn)行33中值濾波預(yù)處理，去掉圖像隨機(jī)噪聲。（2）、從視頻圖像序列中選取出背景圖像Bk(x,y)，使其只包含固定的背景圖像；（3）、在視頻圖像序列中選取連續(xù)的兩幀圖像，其中前一幀圖像Pk1(x,y)，當(dāng)前幀圖像Pk(x,y)；（4）、計(jì)算當(dāng)前幀與背景幀的差得FD(x,y)，從 圖像中提取出完整的目標(biāo)；（5）、計(jì)算當(dāng)前1幀的差得FG(x,y)，得到目標(biāo)的變化量；（6）、求幀差FD（x,y）與，F(xiàn)G(x,y)的交集得到運(yùn)動(dòng)目標(biāo)粗糙的運(yùn)動(dòng)區(qū)域圖像；（7）、數(shù)學(xué)形態(tài)學(xué)運(yùn)算使得運(yùn)動(dòng)區(qū)域封閉、連續(xù)、完整，并去掉背景中的噪聲。對(duì)于給定視頻序列的圖像．假設(shè)像素點(diǎn)k處沒(méi)有運(yùn)動(dòng)，其幀差dk服從均值為0，方差為的Gauss分布N(0，)： ()上式中表示無(wú)運(yùn)動(dòng)假設(shè)，是幀差的統(tǒng)計(jì)方差，通常認(rèn)為它等于攝像機(jī)噪聲方差的兩倍。由試驗(yàn)測(cè)試得閾值T在本文特定的應(yīng)用背景下可以選在5~15之間。圖像的二值化處理就是講圖像上的點(diǎn)的灰度置為0或255，也就是講整個(gè)圖像呈現(xiàn)出明顯的黑白效果。在數(shù)字圖像處理中，二值圖像占有非常重要的地位，特別是在實(shí)用的圖像處理中，以二值圖像處理實(shí)現(xiàn)而構(gòu)成的系統(tǒng)是很多的，要進(jìn)行二值圖像的處理與分析，首先要把灰度圖像二值化，得到二值化圖像，這樣子有利于再對(duì)圖像做進(jìn)一步處理時(shí)，圖像的集合性質(zhì)只與像素值為0或255的點(diǎn)的位置有關(guān)，不再涉及像素的多級(jí)值，使處理變得簡(jiǎn)單，而且數(shù)據(jù)的處理和壓縮量小。所有灰度大于或等于閥值的像素被判定為屬于特定物體，其灰度值為255表示，否則這些像素點(diǎn)被排除在物體區(qū)域以外，灰度值為0，表示背景或者例外的物體區(qū)域。如果物體同背景的差別表現(xiàn)不在灰度值上（比如紋理不同），可以將這個(gè)差別特征轉(zhuǎn)換為灰度的差別，然后利用閥值選取技術(shù)來(lái)分割該圖像。 圖像的二值化 數(shù)學(xué)形態(tài)學(xué)濾波為了解決閾值分割后的差分圖像可能會(huì)存在的一些目標(biāo)空洞和少孤立噪聲的問(wèn)題，使用了數(shù)學(xué)形態(tài)學(xué)圖像處理。數(shù)學(xué)形態(tài)學(xué)的基本思想是用具有一定形態(tài)結(jié)構(gòu)元素去度量和提取圖像中的對(duì)應(yīng)形狀以達(dá)到對(duì)圖像分析和識(shí)別的。形態(tài)學(xué)運(yùn)算主要用于如下幾個(gè)目的：1 圖像預(yù)處理(去噪聲、簡(jiǎn)化形狀)2 增強(qiáng)物體結(jié)構(gòu)(抽取