1、題 目 基于質(zhì)心追蹤算法的低分辨率視野運(yùn)動(dòng)研究 關(guān) 鍵 詞 二值化 膨脹和腐蝕 8鄰域搜索 質(zhì)心追蹤 鏈碼標(biāo)記 摘 要本文針對(duì)低分辨率下視野運(yùn)動(dòng)方向識(shí)別的問(wèn)題進(jìn)行了研究。在合理假設(shè)條件下，對(duì)圖像進(jìn)行預(yù)處理，將圖像像素點(diǎn)坐標(biāo)化，采用膨脹和腐蝕算法、質(zhì)心追蹤算法，建立了物體形態(tài)提取、參考形態(tài)區(qū)域質(zhì)心追蹤等模型，解決了題目中的問(wèn)題。首先，利用讀取視頻，將其以某一時(shí)間間隔進(jìn)行單幀處理；任意讀取相鄰時(shí)刻的2幀圖像，將其灰度化；然后對(duì)灰度圖像進(jìn)行增強(qiáng)和二值化處理，得出二值化圖像，然后利用8鄰域搜索法，去除圖像孔洞；再采用膨脹和腐蝕算法，建立物體形態(tài)提取模型，提出去圖像中所有的物體形態(tài)區(qū)域,同時(shí)標(biāo)記所有形態(tài)

2、區(qū)域；接著將像素點(diǎn)坐標(biāo)化，計(jì)算所有形態(tài)區(qū)域的灰度質(zhì)心位置、面積和周長(zhǎng)；設(shè)定閥值，篩選出參考形態(tài)區(qū)域集合，建立圖像形態(tài)區(qū)域匹配模型，將前后兩幀圖像特征進(jìn)行對(duì)比，求出最佳參考形態(tài)區(qū)域；最后計(jì)算運(yùn)動(dòng)前后形態(tài)區(qū)域的質(zhì)心坐標(biāo)差，進(jìn)而判斷質(zhì)心運(yùn)動(dòng)方向，反推出了視野區(qū)的運(yùn)動(dòng)方向。隨機(jī)拍攝一段短視頻驗(yàn)證模型，以0.02s為時(shí)間間隔提取圖像，在圖像序列中隨機(jī)選取兩張圖像，代入模型，程序在0.5s內(nèi)判斷出視野運(yùn)動(dòng)方向，結(jié)果與實(shí)際拍攝方向相符，從而驗(yàn)證了模型的準(zhǔn)確性、魯棒性。為進(jìn)一步提高運(yùn)算速度、減少計(jì)算量，利用鏈碼標(biāo)記算法對(duì)模型中形態(tài)邊界搜尋過(guò)程進(jìn)行優(yōu)化，計(jì)算得到更精確的形態(tài)邊界，再采用Marius區(qū)域填充算法計(jì)

3、算得到形態(tài)區(qū)域面積。最后，對(duì)模型進(jìn)行評(píng)價(jià)與推廣。 缺點(diǎn)：該文沒(méi)有進(jìn)行算法的復(fù)雜度分析一、問(wèn)題重述數(shù)碼攝像技術(shù)被廣泛應(yīng)用于多個(gè)場(chǎng)合中。有時(shí)由于客觀條件的限制，拍攝設(shè)備只能在較低的分辨率下成像。為了簡(jiǎn)單起見(jiàn)，我們只考慮單色成像。假設(shè)成像的分辨率為32x64，成像方式為整個(gè)矩形視野劃分為32x64個(gè)相同大小的矩形格子，圖像中每個(gè)像素的取值為對(duì)應(yīng)格子的亮度平均值。每隔一定時(shí)間拍攝一幀圖像，運(yùn)動(dòng)的畫(huà)面體現(xiàn)為圖像的序列。第一階段問(wèn)題提出：現(xiàn)在整個(gè)視野區(qū)域向某個(gè)方向緩慢運(yùn)動(dòng)，拍攝到的系列圖像實(shí)時(shí)地傳輸?shù)接?jì)算機(jī)中。請(qǐng)你建立合理的數(shù)學(xué)模型和算法，通過(guò)分析實(shí)時(shí)拍攝的圖像，使用盡量少的時(shí)間，以判斷出運(yùn)動(dòng)的方向。二、

4、基本假設(shè)1、假設(shè)視野區(qū)內(nèi)背景物體均是靜止的；2、假設(shè)攝影機(jī)是拍攝時(shí)不抖動(dòng)；3、假設(shè)只考慮單色成像；4、假設(shè)攝影機(jī)的分辨率為；5、假設(shè)運(yùn)動(dòng)方向所在的平面為參考平面，簡(jiǎn)化為二維平面下運(yùn)動(dòng)；6、假設(shè)物體邊界為單個(gè)像素點(diǎn)。三、符號(hào)說(shuō)明 具體符號(hào)文中相應(yīng)處均有說(shuō)明。四、問(wèn)題分析 攝影機(jī)沿著某個(gè)方向緩慢運(yùn)動(dòng)拍攝物景時(shí)，并且背景是靜止的。對(duì)于視頻資料，將其分離成單幀圖像，并隨機(jī)選出兩幀時(shí)序圖像進(jìn)行單獨(dú)處理。在低分辨率下識(shí)別視野運(yùn)動(dòng)方向，選取和識(shí)別參考目標(biāo)是重點(diǎn)，對(duì)此，本文選取物體的灰度質(zhì)心、面積、周長(zhǎng)作為判斷匹配參考目標(biāo)的參數(shù)。對(duì)于參考目標(biāo)的選取，本文在待選物體中去除掉灰度面積過(guò)大和過(guò)小的物體，選取一個(gè)最靠

5、近圖像中心的物體作為參考目標(biāo)，以避免視野移動(dòng)造成參考目標(biāo)信息損失。對(duì)于參考目標(biāo)的識(shí)別，本文采用灰度面積、周長(zhǎng)作為識(shí)別條件，由于攝影時(shí)候的干擾，比如抖動(dòng)、亮度、拍攝角度變化等因素的影響，都可能造成物體提取出的輪廓有輕微變化，所以，本文將灰度面積和周長(zhǎng)最相近的物體判定為運(yùn)動(dòng)后的參考物體。對(duì)于視野運(yùn)動(dòng)方向的判斷，可以用運(yùn)動(dòng)前后參考目標(biāo)質(zhì)心位置坐標(biāo)的變化情況反映視野運(yùn)動(dòng)方向。五、模型建立鑒于上述分析過(guò)程，本文首先在視頻中提取前后兩個(gè)單幀圖像，將圖像進(jìn)行灰度化處理，并對(duì)其進(jìn)行二值化，消除孔洞對(duì)計(jì)算造成的誤差，提取出圖像中的物體輪廓，并將不同的物體進(jìn)行分區(qū)編號(hào)，計(jì)算出不同物體的灰度質(zhì)心位置、面積和周長(zhǎng)；同

6、理，對(duì)運(yùn)動(dòng)后的圖像進(jìn)行如上處理。將前一幀圖像提出的灰度面積過(guò)大和過(guò)小的物體去掉，選取最靠近圖像中心位置的物體作為參考目標(biāo)，將參考目標(biāo)的灰度面積、周長(zhǎng)和后一幀圖像中提取出的物體的灰度面積、周長(zhǎng)分別進(jìn)行比較，設(shè)置一定的誤差閾值，在滿足誤差閾值之內(nèi)的物體之中，和參考目標(biāo)最相近的物體即為運(yùn)動(dòng)后的參考物體。5.1數(shù)字圖像灰度處理由于計(jì)算機(jī)只接受處理后的數(shù)字圖像，因此需要將攝影機(jī)拍攝的慢運(yùn)動(dòng)畫(huà)面進(jìn)行單幀圖像處理，然后對(duì)每個(gè)單幀圖像進(jìn)行離散化處理，把這一連續(xù)的模擬信息轉(zhuǎn)換為離散的數(shù)字圖像的過(guò)程稱(chēng)為圖像的數(shù)字化1。（1）圖像采樣空間上連續(xù)的圖像變換成離散的點(diǎn)的過(guò)程稱(chēng)為采樣。實(shí)質(zhì)就是將圖像用許多點(diǎn)來(lái)描述，采樣的

7、結(jié)果一般用圖像分辨率來(lái)衡量質(zhì)量的高低。每一個(gè)像素點(diǎn)為一個(gè)小格。（2）灰度化任何一幅完整的圖像都是由紅色、綠色、藍(lán)色三種顏色通道組成。紅色、綠色、藍(lán)色通道都是以灰度顯示，采用不同的灰度值來(lái)表示紅、綠、藍(lán)在圖像中的比重稱(chēng)為圖像的灰度化。把有黑灰白的連變化續(xù)的灰度值量化為共256級(jí)灰度值（圖1 灰度值變化示意圖），而在模式中，假如，則顏色表示為灰度值。灰度化過(guò)程就是取圖像的分量相等的值，圖像由原來(lái)的三維特征峰降到灰度化的一維特征必然會(huì)丟失部門(mén)信息，因此本文選取最合理灰度圖像權(quán)值對(duì)圖像進(jìn)行灰度化2，公式如下： ， （1）式中：Gray表示圖像的像素灰度值，R表示圖像紅色分量，G表示綠色分量，B表示藍(lán)色

8、分量。0255圖1 灰度值變化示意圖灰度圖像是指每一個(gè)像素只有一個(gè)采樣顏色的圖像。通過(guò)采樣將圖像像素化，然后對(duì)每一個(gè)像素進(jìn)行灰度化處理，得到灰度圖像。圖2 為處理后的灰度圖像原始圖像灰度處理處理后圖像圖2 原始圖像與處理后的灰度圖像對(duì)比（3）直方圖均衡化處理 .直方圖均衡化處理是為了增強(qiáng)灰度圖像的信息，使得灰度圖像更加清晰。實(shí)質(zhì)上是將一幅已知灰度概率分布的圖像，經(jīng)過(guò)某種變換算法，得出一幅灰度概率分布均勻的新圖像3。下面是直方圖均衡化算法 4的運(yùn)算過(guò)程：:列出原始圖像與變換為灰度圖像的灰度級(jí)，其中為灰度級(jí)個(gè)數(shù)；：統(tǒng)計(jì)灰度圖像各灰度級(jí)的像素個(gè)數(shù)；：計(jì)算原始圖像直方圖：，為原始圖像的像素總個(gè)數(shù)；：原

9、始圖像的累計(jì)直方圖：；：取整計(jì)算；：確定映像關(guān)系，將原始圖像的灰度值修正為計(jì)算的灰度值；：統(tǒng)計(jì)新直方圖各個(gè)灰度級(jí)的像素個(gè)數(shù)；：計(jì)算新的直方圖。（4）灰度圖像二值化處理二值化是圖像分割的一種方法。通過(guò)設(shè)定閥值，把它變?yōu)閮H用兩個(gè)灰度值表示圖像的前景和背景顏色的二值圖像，即用灰度值為0（黑色）和1（白色）表示。設(shè) 為數(shù)字圖像的空間坐標(biāo)，為灰度值的正整數(shù)值，的閥值，為一對(duì)灰度級(jí)，,。用灰度級(jí)作為閥值對(duì)圖放大司法非凡非凡非凡非凡非凡非凡非凡非凡非凡非凡非凡凡非凡非凡非凡非凡非凡非凡非凡 像進(jìn)行二值化，則產(chǎn)生的圖像函數(shù)為5： （2）其中，可為固定閥值，也可為動(dòng)態(tài)的閥值，根據(jù)情況而定。5.2形態(tài)提取后圖像的

10、去孔洞觀察形態(tài)提取后的圖像，發(fā)現(xiàn)區(qū)域中并不是所有的像素點(diǎn)均為1，出現(xiàn)了孔洞的情況，這是由于在二值化的過(guò)程中，程序?qū)D像中的灰度值較低的像素點(diǎn)標(biāo)記為0，將這種被灰度值為0包圍的高灰度像素點(diǎn)稱(chēng)之為孔洞點(diǎn)，考慮存在孔洞點(diǎn)的兩種情況，如下圖：圖3 孔洞點(diǎn)存在的情況從上圖可以看出，孔洞點(diǎn)存在的兩種情況為：在區(qū)域小塊中心處的像素點(diǎn)的灰度值為0，在四個(gè)頂點(diǎn)里有且僅有一個(gè)頂點(diǎn)的像素值為0，則記該中心點(diǎn)為孔洞點(diǎn)；在的區(qū)域小塊中心處的像素點(diǎn)灰度值為0，同時(shí)在小塊的其他8個(gè)像素點(diǎn)的灰度值均為1，則將該中心點(diǎn)處的像素點(diǎn)記為孔洞點(diǎn)。本文中只考慮上述兩種情況下的孔洞，得到去除孔洞后的圖像，如圖4：圖4 去孔洞后圖像對(duì)比

11、將去除孔洞前后的二值化灰度圖進(jìn)行放大后觀察，發(fā)現(xiàn)在原圖中出現(xiàn)的孔洞經(jīng)過(guò)處理后得到了填補(bǔ)，證明對(duì)孔洞的處理是合+理的。5.3對(duì)二值化圖像中待選目標(biāo)形態(tài)提取數(shù)學(xué)形態(tài)是用一定形態(tài)的結(jié)構(gòu)元素來(lái)度量和提取圖像中對(duì)應(yīng)的形狀，以達(dá)到對(duì)圖像分析和識(shí)別的目的。設(shè)為輸入圖像，是結(jié)構(gòu)元素，則對(duì)進(jìn)行灰度膨脹定義6： （3）對(duì)進(jìn)行灰度腐蝕定義6： （4）對(duì)灰度圖像的膨脹（或腐蝕）操作效果：如果結(jié)構(gòu)元素的值均為正，則輸出圖像比輸入圖像更亮（或更暗）。定義：灰度圖像膨脹后，圖像像素為1；灰度圖像腐蝕后，圖像像素為0。5.4待選形態(tài)區(qū)域形態(tài)標(biāo)記從圖像中提出目標(biāo)物體形態(tài)后，可得到其連通域的邊界，使得計(jì)算機(jī)能夠快速識(shí)別目標(biāo)物體形

12、態(tài)。通過(guò)目標(biāo)物體形態(tài)的識(shí)別，隨機(jī)給目標(biāo)物體形態(tài)區(qū)域賦予不同的顏色，從而得到不同顏色的區(qū)域，以便后續(xù)能夠快速跟蹤識(shí)別形態(tài)區(qū)域。圖5 像素賦值示意圖通過(guò)上圖看，標(biāo)記過(guò)后的形態(tài)區(qū)域，使得形態(tài)區(qū)域更加清晰。5.5形態(tài)區(qū)域的質(zhì)心計(jì)算根據(jù)對(duì)圖像的邊界提取與跟蹤，得到每個(gè)目標(biāo)的邊界和邊界上每個(gè)像素點(diǎn)坐標(biāo)值，即和，且相應(yīng)的灰度值為1。設(shè)定圖像的左下角為坐標(biāo)原點(diǎn)，向右為x軸，向上為y軸，其像素點(diǎn)值1為單位長(zhǎng)度。示意圖見(jiàn)圖6：132個(gè)像素方格64個(gè)像素點(diǎn)方格圖6 圖像坐標(biāo)示意圖質(zhì)心的計(jì)算是統(tǒng)計(jì)平均的過(guò)程，是形態(tài)區(qū)域中各像素點(diǎn)灰度加權(quán)平均的位置。當(dāng)形態(tài)區(qū)域移動(dòng)時(shí)，其質(zhì)心該區(qū)域內(nèi)的位置是固定的；同一坐標(biāo)系中，不同的圖

13、像相同形態(tài)區(qū)域的質(zhì)心坐標(biāo)不同,因而以形態(tài)區(qū)域的質(zhì)心作為跟蹤點(diǎn)，得到的跟蹤效果具有誤差小、抗干擾強(qiáng)、精確度高等特點(diǎn)。二維圖像中，設(shè)定其圖像大小為,灰度質(zhì)心的坐標(biāo)位置由下面數(shù)學(xué)表達(dá)式計(jì)算得到 （5） （6）其中，為第個(gè)區(qū)域的在點(diǎn)的像素值。提示，如果形態(tài)區(qū)域與攝影機(jī)發(fā)生相對(duì)運(yùn)動(dòng)時(shí)，可重復(fù)公式（1），每一幀圖像均進(jìn)行質(zhì)心移動(dòng)記錄，從而實(shí)現(xiàn)目標(biāo)質(zhì)心的搜索與跟蹤。5.6形態(tài)區(qū)域的面積計(jì)算在5.3節(jié)中，只是對(duì)形態(tài)區(qū)域進(jìn)行不同顏色標(biāo)記，而其真實(shí)的灰度值未變，因此在計(jì)算形態(tài)區(qū)域面積時(shí)，可以將第個(gè)形態(tài)區(qū)域內(nèi)每個(gè)像素點(diǎn)像素值之和作為其面積值，公式如下： （7）5.7形態(tài)區(qū)域的周長(zhǎng)計(jì)算形態(tài)區(qū)域均是由若干個(gè)小像素點(diǎn)構(gòu)成

14、，因此形態(tài)區(qū)域的周長(zhǎng)統(tǒng)一規(guī)定為所有邊界像素點(diǎn)之和，即： （8）其中，為第個(gè)區(qū)域邊界二值化灰度矩陣(即區(qū)域邊界上灰度值為1，其他地方灰度值為0)。5.8圖像的目標(biāo)選取和識(shí)別模型對(duì)于參考目標(biāo)的選取，本文在待選目標(biāo)區(qū)域中去除掉灰度面積過(guò)大和過(guò)小的區(qū)域，選取一個(gè)最靠近圖像中心的區(qū)域作為參考目標(biāo)，以避免視野移動(dòng)造成參考目標(biāo)的信息損失。查閱資料發(fā)現(xiàn)，通過(guò)對(duì)參考目標(biāo)的識(shí)別采用區(qū)域灰度面積、區(qū)域灰度周長(zhǎng)兩個(gè)參數(shù)同時(shí)進(jìn)行判斷，可以大大縮短計(jì)算時(shí)間，同時(shí)能夠提高比對(duì)精確度?？紤]到圖像在成像過(guò)程中參考目標(biāo)有可能輕微失真，在進(jìn)行邊緣提取后，待識(shí)別圖像中形態(tài)區(qū)域和原圖像中形態(tài)區(qū)域可能有輕微差距，故本文選取和參考形態(tài)區(qū)域

15、灰度面積、周長(zhǎng)誤差小于5%的區(qū)域，作為待識(shí)別圖像中的形態(tài)區(qū)域。規(guī)定:在待識(shí)別形態(tài)區(qū)域集合內(nèi)（有個(gè)參考形態(tài)區(qū)域），取同時(shí)滿足面積和周長(zhǎng)誤差值最小的形態(tài)區(qū)域視為與參考形態(tài)區(qū)域相同，即滿足下列公式： （9）其中，為識(shí)別后的滿足條件的形態(tài)區(qū)域；，分別為運(yùn)動(dòng)后圖像中第個(gè)待識(shí)別形態(tài)區(qū)域中滿足條件的形態(tài)區(qū)域灰度面積與周長(zhǎng)；分別為參考形態(tài)區(qū)域的面積和周長(zhǎng)；表示參考形態(tài)區(qū)域集合中第個(gè)參考形態(tài)區(qū)域灰度面積與周長(zhǎng)。尋找到滿足公式(9)的形態(tài)區(qū)域后，用5.4節(jié)算法得出其運(yùn)動(dòng)后的質(zhì)心坐標(biāo)。5.9基于坐標(biāo)相對(duì)變化的形態(tài)區(qū)域質(zhì)心追蹤模型通過(guò)前面的解析，得到形態(tài)區(qū)域位置可由其質(zhì)心的位置表示，所以判斷視野區(qū)的運(yùn)動(dòng)方向，可直接通

16、過(guò)對(duì)兩相鄰單幀圖像中參考形態(tài)區(qū)域的質(zhì)心運(yùn)動(dòng)方向來(lái)做判定。在二維圖中，物體運(yùn)動(dòng)方向的判斷最簡(jiǎn)單的方法是：確定一個(gè)固定參考點(diǎn)，在同一坐標(biāo)系中，計(jì)算運(yùn)動(dòng)前后參考點(diǎn)的坐標(biāo)相對(duì)變化情況，從而確定運(yùn)動(dòng)后的參考點(diǎn)相對(duì)于運(yùn)動(dòng)前參考點(diǎn)的運(yùn)動(dòng)方向。在這里，將參考形態(tài)區(qū)域的質(zhì)心看作參考點(diǎn)，在同一標(biāo)準(zhǔn)坐標(biāo)系下，計(jì)算得到其與運(yùn)動(dòng)后圖像參考形態(tài)區(qū)域的質(zhì)心坐標(biāo)相對(duì)位置變化，從而判斷出視野的運(yùn)動(dòng)方向。根據(jù)坐標(biāo)相對(duì)變化與運(yùn)動(dòng)方向規(guī)律，當(dāng)?shù)玫絻少|(zhì)心的坐標(biāo)差橫縱坐標(biāo)滿足如下9種情況時(shí)，可做運(yùn)動(dòng)方向判斷：（1）當(dāng)運(yùn)動(dòng)后形態(tài)區(qū)域的質(zhì)心橫坐標(biāo)比參考形態(tài)區(qū)域的質(zhì)心橫坐標(biāo)大時(shí)，對(duì)質(zhì)心運(yùn)動(dòng)方向有如下判斷：（2）當(dāng)運(yùn)動(dòng)后形態(tài)區(qū)域的質(zhì)心橫坐標(biāo)比參

17、考形態(tài)區(qū)域的質(zhì)心橫坐標(biāo)相等時(shí)，對(duì)質(zhì)心運(yùn)動(dòng)方向有如下判斷：（3）當(dāng)運(yùn)動(dòng)后形態(tài)區(qū)域的質(zhì)心橫坐標(biāo)比參考形態(tài)區(qū)域的質(zhì)心橫坐標(biāo)小時(shí)，對(duì)質(zhì)心運(yùn)動(dòng)方向有如下判斷：根據(jù)相對(duì)運(yùn)動(dòng)知識(shí)，視野區(qū)域運(yùn)動(dòng)方向與質(zhì)心的運(yùn)動(dòng)方向相反。所以最終視野區(qū)域的運(yùn)動(dòng)情況為：（1）若質(zhì)心向右上方運(yùn)動(dòng)，則視野區(qū)向左下方運(yùn)動(dòng)；（2）若質(zhì)心向正右方運(yùn)動(dòng)，則視野區(qū)向正左方運(yùn)動(dòng)；（3）若質(zhì)心向右下方運(yùn)動(dòng)，則視野區(qū)向左上方運(yùn)動(dòng)；（4）若質(zhì)心向正上方運(yùn)動(dòng)，則視野區(qū)向正下方運(yùn)動(dòng)；（5）若質(zhì)心向正下方運(yùn)動(dòng)，則視野區(qū)向正上方運(yùn)動(dòng)；（6）若質(zhì)心向左上方運(yùn)動(dòng)，則視野區(qū)向右下方運(yùn)動(dòng)；（7）若質(zhì)心向正左方運(yùn)動(dòng)，則視野區(qū)向正右方運(yùn)動(dòng)；（8）若質(zhì)心向左下方運(yùn)動(dòng)，則視

18、野區(qū)向右上方運(yùn)動(dòng)；（9）若質(zhì)心靜止，則視野區(qū)靜止。六、模型求解與結(jié)果分析任意選取一段現(xiàn)場(chǎng)拍攝短視頻，對(duì)其用軟件進(jìn)行讀取，并以0.02s為時(shí)間分度，單幀為150張圖像。任意選取其中相鄰兩張單幀圖像（像素為），通過(guò)軟件編程實(shí)現(xiàn)模型中的算法，具體步驟見(jiàn)如下算法流程圖：圖7 算法流程圖將前后2張單幀圖像在中將其轉(zhuǎn)化為灰度圖，其原始圖與灰度圖像對(duì)比如下： （1）前一張單幀原圖 （2）前一張單幀灰度圖 （3）后一張單幀原圖 （4）后一張單幀灰度圖圖8 原始圖與灰度圖的對(duì)比圖像灰度化后，形成了單色圖像，這與題目中只考慮單色成像相符合。接著，對(duì)灰度圖進(jìn)行二值化處理，使圖像效果增強(qiáng)；然后，二值化后的灰度圖進(jìn)行去

19、孔洞操作，其目的是消除孔洞對(duì)參考形態(tài)區(qū)域的選擇與識(shí)別造成的干擾。其結(jié)果如下圖9、圖10（以前一張單幀圖為例）： 圖9 二值化后圖像 圖10 去孔洞后的圖像從圖9、圖10中可以看出，去孔后的圖像中形態(tài)區(qū)域更明確，減少了雜點(diǎn)對(duì)形態(tài)的干擾。將二值化后的圖像進(jìn)行邊緣提取，提取出物體的輪廓，并對(duì)圖像中不同的物體形態(tài)區(qū)域進(jìn)行標(biāo)記，如圖11、圖12所示： 圖11前一張圖像的邊緣提取 圖12后一張圖像的邊緣提取標(biāo)記后的圖像中物體形態(tài)區(qū)域更容易辨別，可直觀數(shù)出其個(gè)數(shù)：前一張單幀圖像有9個(gè)形態(tài)區(qū)域，后一張有6個(gè)形態(tài)區(qū)域。在對(duì)圖形中的物體形態(tài)區(qū)域標(biāo)記后，將圖像統(tǒng)一標(biāo)準(zhǔn)坐標(biāo)化，然后根據(jù)模型中公式（5）、（6）求解得出

20、前一幀和后一幀圖像中不同物體形態(tài)的灰度質(zhì)心位置、面積和周長(zhǎng)（具體結(jié)果見(jiàn)表1 ）。再根據(jù)目標(biāo)匹配模型中的算法，去掉前一幀圖像中灰度面積過(guò)大和過(guò)小的形態(tài)區(qū)域，選取最靠近中心位置的物體作為參考目標(biāo)，由于整個(gè)視野區(qū)域運(yùn)動(dòng)是緩慢的，所以圖像中心位置的物體形態(tài)區(qū)域不會(huì)在下一單幀圖像中產(chǎn)生信息損失。表1 運(yùn)動(dòng)前后各形態(tài)區(qū)域的灰度面積、周長(zhǎng)與坐標(biāo)前一單幀圖像后一單幀圖像NumberAreaCentroidNumberAreaCentroid125355.39,22.18127954.62,21.5929230.98,10.4129929.10,9.6937352.47,5.1438251.23,4.33412

21、31.17,1.424728,15239.50,135343,146242.50,146340,137135,158139,179146,23由計(jì)算出前一幀圖像目標(biāo)形態(tài)區(qū)域質(zhì)心坐標(biāo)為（30.98，10.41）。在后一幀圖像中，各形態(tài)區(qū)域的灰度面積、周長(zhǎng)與參考目標(biāo)進(jìn)行比較，滿足公式（9）時(shí)，取得最佳形態(tài)區(qū)域，同時(shí)得到最佳形態(tài)區(qū)域的質(zhì)心坐標(biāo)（29.10，9.69）。求得后一單幀圖片中最佳形態(tài)區(qū)域的質(zhì)心位置坐標(biāo)值后，將其與參考目標(biāo)（前一張單子圖像的參考形態(tài)區(qū)域）質(zhì)心坐標(biāo)值作差，其結(jié)果如下：求得坐標(biāo)差值與坐標(biāo)相對(duì)變化的形態(tài)區(qū)域質(zhì)心追蹤模型中的判斷規(guī)律，得出圖像中的參考形態(tài)區(qū)域質(zhì)心運(yùn)動(dòng)方向?yàn)樽笊戏剑粗?/p>

22、視野區(qū)域運(yùn)動(dòng)方向?yàn)橛蚁路健Ｕ麄€(gè)模型運(yùn)算過(guò)程中，經(jīng)過(guò)多次反復(fù)使用軟件的運(yùn)算，發(fā)現(xiàn)其最短運(yùn)行時(shí)間為0.5s，平均運(yùn)行時(shí)間為0.7s，同時(shí)發(fā)現(xiàn)在圖像處理板塊軟件所消耗的時(shí)間最多（附件）。七、模型優(yōu)化7.1基于鏈碼搜索算法的物體形態(tài)邊界優(yōu)化模型鏈碼方法最先由Freeman于1961年提出，用于表示由順次連接的具有指定長(zhǎng)度和方向的直線段組成的邊界線；常用的鏈碼方法有4向鏈碼和8向鏈碼兩種，分別如圖1(a）和圖(b)所示。鏈碼的方向編號(hào)可用一個(gè)數(shù)字集表示： ，方向編號(hào)表示與軸正方向成 度角；其中，n和的值與具體采用的-+5+鏈碼有關(guān)。如：4向鏈碼，則n=4，；8向鏈碼，則n=8，。鏈碼尋找目標(biāo)輪廓的過(guò)程為

23、：1、將在檢測(cè)過(guò)程中遇到的第一個(gè)點(diǎn)作為鏈碼的起點(diǎn)； 2、順序掃描該點(diǎn)周?chē)?8 個(gè)點(diǎn)，判斷是否有邊緣點(diǎn)； 3、每遇到一個(gè)邊緣點(diǎn)，鏈碼的長(zhǎng)度加 1，同時(shí)為了避免被重復(fù)檢測(cè)需要將該點(diǎn)設(shè)置為非邊緣點(diǎn)；4、繼續(xù)掃描該點(diǎn)周?chē)? 個(gè)點(diǎn)，如此循環(huán)，形成鏈碼，直到某個(gè)點(diǎn)周?chē)鷽](méi)有邊緣點(diǎn)為止。4向鏈碼的方向編號(hào)只能表示一個(gè)象素與其4鄰域象素的連線，所以在編號(hào)過(guò)程中，要表示一個(gè)對(duì)角線移動(dòng)時(shí)，4向鏈碼需要兩個(gè)碼；即必須先沿水平（或垂直）方向移動(dòng)，然后再往垂直（或水平）方向移動(dòng)。 因此4向鏈碼表示的圖象邊界與實(shí)際邊界可能存在差異,差異程度視圖象邊界形狀不同而變化。而一個(gè)象素最多只有8個(gè)鄰近象素，因此8向鏈碼能準(zhǔn)確地表

24、示圖象邊界。故本文采取8向鏈碼對(duì)邊界進(jìn)行標(biāo)記。 圖13 4向鏈碼方向編號(hào) 圖14 8向鏈碼方向編號(hào)比較發(fā)現(xiàn)8向鏈碼表示的邊界與原圖象邊界一致,而4向鏈碼表示的邊界只是原圖象邊界的大致反映。另外,由于4向鏈碼存在額外取象素的可能,所以4向鏈碼的鏈碼長(zhǎng)度一般比8向鏈碼長(zhǎng)?；谏鲜鲈?本文可以采用8向鏈碼對(duì)圖像中邊界提取進(jìn)行優(yōu)化，通過(guò)查閱文獻(xiàn)可知，該算法能夠節(jié)省存儲(chǔ)空間，有效縮短鏈碼從而減少運(yùn)行時(shí)間，使得軟件對(duì)能夠進(jìn)一步快速判斷視野區(qū)運(yùn)動(dòng)方向【】。7.2基于Marius區(qū)域填充算法的物體形態(tài)區(qū)域面積計(jì)算模型Marius區(qū)域填充算法的關(guān)鍵是進(jìn)行區(qū)域邊界的搜索，通過(guò)新邊界點(diǎn)與前一邊界點(diǎn)的位置關(guān)系來(lái)確定

25、新邊界點(diǎn)的狀態(tài)。邊界上的點(diǎn)如果用T、B、L、R進(jìn)行標(biāo)記，則一共有15種不同的狀態(tài)。例如，用0=0000：表示非邊界點(diǎn)或未標(biāo)記點(diǎn)，用T=2=00102，B=8=10002，L=4=01002，R=1=0001：分別表示上下左右邊界點(diǎn)。如圖所示： 圖15 像素邊界標(biāo)記整個(gè)區(qū)域邊界搜索從左上方開(kāi)始，設(shè)定初始點(diǎn)位，搜尋方向定義為，并滿足如下公式：當(dāng)為奇數(shù)時(shí)，新的搜索方向?yàn)椋?6）；當(dāng) 為偶數(shù)時(shí)，新的搜索方向?yàn)椋?7）。在搜尋邊界標(biāo)定時(shí)，假定圖像第i行左邊界像素（標(biāo)記）的橫坐標(biāo)為；圖像第i行右邊界像素(標(biāo)記R)的橫坐標(biāo)為，則表示第i行出在區(qū)域內(nèi)部的像素格式，按行累加可得到區(qū)域內(nèi)像素個(gè)數(shù)，可得到面積計(jì)算公

26、式：這樣計(jì)算區(qū)域面積方式可不用編碼，從而使得具有速度快、計(jì)算量小、結(jié)果準(zhǔn)確度高等優(yōu)點(diǎn)。八、模型評(píng)價(jià)與推廣8.1模型優(yōu)點(diǎn)本文所建立的模型和算法的優(yōu)點(diǎn)在于，通過(guò)對(duì)區(qū)域內(nèi)像素點(diǎn)檢索，消除了孔洞對(duì)模型產(chǎn)生的影響，大大提高了物體輪廓提取的精確性。在對(duì)運(yùn)動(dòng)方向的判斷過(guò)程中，用盡可能簡(jiǎn)便的方法，對(duì)參考目標(biāo)特征進(jìn)行提取，提高了目標(biāo)識(shí)別的精度。在對(duì)圖像進(jìn)行二值化處理時(shí)，緩慢移動(dòng)的視野區(qū)域，圖像中心像素變化不大，因此采取區(qū)域劃分方法，比較不同時(shí)刻相同區(qū)域的質(zhì)心坐標(biāo)變化，能夠簡(jiǎn)單迅速的推斷出視野移動(dòng)方向。為避免質(zhì)心追蹤過(guò)程丟失幀的問(wèn)題，用鏈碼對(duì)輪廓進(jìn)行提取并對(duì)其進(jìn)行標(biāo)記，再求取出質(zhì)心位置坐標(biāo)，很好的解決了這一問(wèn)題。

27、整個(gè)算法過(guò)程中運(yùn)行時(shí)間少，最快為0.5s。8.2模型缺點(diǎn)在將灰度圖進(jìn)行二值化處理時(shí)，由于選取的闕值不同，二值化后的圖像會(huì)有很大差別，本文所建立的模型沒(méi)有對(duì)闕值進(jìn)行優(yōu)化，只是選取了標(biāo)準(zhǔn)闕值，因此針對(duì)灰度變化比較大的像素時(shí)，對(duì)二值圖進(jìn)行區(qū)域劃分是可能會(huì)造成很大誤差。8.3模型推廣本文中的圖像處理算法可應(yīng)用于指紋識(shí)別、人臉識(shí)別、目標(biāo)追蹤、視頻圖像分析等方向應(yīng)用，還可以應(yīng)用于資源探測(cè)中的圖像形貌提取。參考文獻(xiàn)1劉曉樂(lè),王素華. 灰度圖像基本處理及實(shí)現(xiàn)J. 吉林化工學(xué)院學(xué)報(bào). 22(2)：50-51 .2005.042白瑞,姜明新.基于Opencv的運(yùn)動(dòng)目標(biāo)的檢測(cè)和跟蹤J.2012.20(12).126

28、-1283林壽光. 基于圖像增強(qiáng)的直方圖均衡化處理J. 科技廣場(chǎng).2010.10.4徐輝. 基于matlab的圖像增強(qiáng)技術(shù)的分析與研究J. 湖北第二師范學(xué)院學(xué)報(bào).25(8)：77-78.2008.08.5張明志. 基于微特征的指紋識(shí)別算法研究D. 廈門(mén)大學(xué)碩士論文. 2009.6P.Soille著. 形體學(xué)圖像分析原理與應(yīng)用M. 北京：清華大學(xué)出版社. 48-52 . 2008.067白曉方.復(fù)雜背景下目標(biāo)檢測(cè)與跟蹤技術(shù)研究D.中北大學(xué).2014.51-54.8陸宗騏,童韜. 鏈碼和在邊界形狀分析中的應(yīng)用J. 中國(guó)圖像圖形學(xué)報(bào).2002.12(7). 1321-1328.9唐振華,張顯全.圖形

29、邊界的鏈碼表示研究J.微計(jì)算機(jī)信息.2005.23.10葛偉華,陳優(yōu)廣.基于邊界跟蹤的區(qū)域面積計(jì)算.J.2008. 26(6).239-240.11孫殿臣.基于MATLAB的低分辨率圖像增強(qiáng)處理J. 中國(guó)刑警學(xué)院學(xué)報(bào).2012.3. 42-46.12崗薩雷斯, 伍茲.數(shù)字圖像處理M.北京：電子工業(yè)出版社.2011.252-318.附 錄附件1Matlab2014afileName = '視頻.mp4'obj = VideoReader(fileName);numFrames = obj.NumberOfFrames;%

30、 幀的總數(shù) for k = 1 : numFrames% 讀取數(shù)據(jù)     frame = read(obj,k);     imshow(frame);%顯示幀     imwrite(frame,strcat(num2str(k),'.jpg'),'jpg');% 保存幀end附件2Matlab2014

31、atic;i1=imread('tp.jpg');i2=rgb2gray(i1);%i2灰度圖像n,m=size(i2);for i=1:1:n for j=i:1:m if i2(i,j)>80 i3(i,j)=0; else i3(i,j)=1; end endendu=i3;m,n=size(u);%去除孔洞和毛刺i11=imread('tp2.jpg');i22=rgb2gray(i11);%i2灰度圖像n,m=size(i22);for i=1:1:n for j=i:1:m if i22(i,j)>80 i33(i,j)=0; else

32、i33(i,j)=1; end endendm,n=size(u);for x=2:m-1 for y=2:n-1 if u(x,y)=1 if u(x,y-1)+u(x-1,y)+u(x,y+1)+u(x+1,y)+u(x-1,y-1)+u(x+1,y+1)+u(x+1,y-1)+u(x-1,y+1)=0 u(x,y)=0; end end endendfigure;title('去孔洞');imshow(u);%尋找不包括孔連通域的邊緣，并且把每個(gè)連通域的邊界描出來(lái)B,L=bwboundaries(u,4); figure;imshow(label2rgb(L, jet,

33、.5 .5 .5)hold onfor k = 1:length(B) boundary = Bk; plot(boundary(:,2),boundary(:,1),'w','LineWidth',2);end% 找到每個(gè)連通域的質(zhì)心stats=regionprops(L,'Area','Centroid','Perimeter');S=stats.Area;C=stats.Perimeter;S=sort(S);S(1,1:3)=0;S(1,length(S):length(S)-2)=0;Z=stats.Centroid;for i=1:2:length(stats.Centroid) x1(1,ceil(i/2)=Z(1,i); y1(1,ceil(i/2)=Z(1,i+1);endfor i=1:length(x1) if (x1(1,i)<45)&(x1(1,i)>15) n1=i