基于MATLAB的相機(jī)視野移動方向判斷

摘 要：文章主要對相機(jī)視野的移動方向進(jìn)行判斷。針對相機(jī)拍攝到的低像素下的一系列圖片，利用MATLAB圖像處理功能進(jìn)行統(tǒng)一處理，通過分層原理在每幀圖片上設(shè)置一定數(shù)量的宏觀特征點(diǎn)，而宏觀特征點(diǎn)由若干微觀像素點(diǎn)組成，從而標(biāo)記圖像，然后通過對圖片逐幀分析，設(shè)定諸多闕值，用于判斷和追蹤特征點(diǎn)，進(jìn)而判斷相機(jī)視野的移動方向。

關(guān)鍵詞：MATLAB圖像處理；分層特征點(diǎn)；闕值分析法；視野移動方向判斷

引言

相機(jī)實(shí)際拍攝過程情況十分復(fù)雜，根據(jù)視頻中攝像機(jī)和場景之間是否運(yùn)動可以將物體的運(yùn)動分為以下幾種模式，有目標(biāo)靜止-相機(jī)移動，目標(biāo)移動-相機(jī)靜止，目標(biāo)移動-相機(jī)移動等，其中目標(biāo)靜止-相機(jī)移動主要用于機(jī)器人視覺導(dǎo)航，電子地圖的自動生成，以及三維場景理解等[1]。文章主要針對此模式，通過MATLAB圖像處理與數(shù)據(jù)運(yùn)算功能，建立數(shù)學(xué)模型以分析移動相機(jī)視野的移動方向。

1 模型的建立與求解

建立的算法需要逐幀對圖像設(shè)置特征點(diǎn)以標(biāo)識圖像時(shí)序，并逐幀對圖像的特征點(diǎn)進(jìn)行跟蹤，位置坐標(biāo)化。因此，對于特征點(diǎn)的設(shè)置直接影響視野移動方向判斷的準(zhǔn)確性。

圖像灰度的大小可以表達(dá)黑白面積所占的比例，顏色越淺，該像素大小的實(shí)際圖形空白區(qū)域越多。計(jì)算機(jī)灰度位圖的灰度是有由一個(gè)從0到255的數(shù)字來表示，且純黑為0，純白為255。

令灰度為H，H=[0.255]，可以定義灰度分?jǐn)?shù)h=[2]

利用MATLAB圖像處理功能對捕獲的逐幀圖像進(jìn)行灰度處理（如下圖1圖2所示），并以一個(gè)像素為一個(gè)單位，以左下角像素為坐標(biāo)原點(diǎn)建立平面直角坐標(biāo)系，對每個(gè)像素的位置進(jìn)行坐標(biāo)化，每個(gè)像素代表其所在位置的灰度值。

我們在宏觀上標(biāo)定初始圖像的中點(diǎn)為主特征點(diǎn)A0，此特征點(diǎn)由九宮格形式的像素點(diǎn)組成，并用中心像素的坐標(biāo)值標(biāo)識A0，同理，以此A0為中心標(biāo)記另外四個(gè)頂點(diǎn)A1，A2，A3，A4作為副特征點(diǎn)構(gòu)成矩形。

特征點(diǎn)的坐標(biāo)值以微觀像素的中心像素坐標(biāo)標(biāo)識。圖2所示為每個(gè)特征點(diǎn)的微觀結(jié)構(gòu)，數(shù)值代表各像素的灰度值。

2 闕值分析法對特征點(diǎn)的判定與追蹤

基于上述模型準(zhǔn)備，根據(jù)闕值分析法編寫MATLAB程序首先對相機(jī)在平行面的平動情形判斷視野的移動。

首先，通過MATLAB將10幀圖像按時(shí)序?qū)胲浖?，進(jìn)行灰度處理。

設(shè)置各特征點(diǎn)A0（16，32），A1（11，26），A2（21，26），A3（11，38），A4（21，38）

以Hk，s=ai-1，j-1 ai-1，j ai-1，j+1ai，j-1 ai，j ai，j+1ai+1，j-1 ai+1，j ai+1，j+1作為第k幀圖像的第s個(gè)特征點(diǎn)的灰度值矩陣。

設(shè)定灰度值闕值T1，在第k+1幀圖像內(nèi)首先尋找所有滿足條件的|am，n-aAo|？燮T1的像素點(diǎn)，構(gòu)成疑似特征點(diǎn)坐標(biāo)集合D0=[A0，1 A0，1 A0，1…………]和疑似特征點(diǎn)灰度值矩陣H0。

設(shè)定九宮格內(nèi)像素灰度值匹配度闕值T2，將疑似特征點(diǎn)為中心的九宮格灰度值與第k幀圖像的主特征點(diǎn)A0九宮格對應(yīng)位置像素的灰度值進(jìn)行比較，當(dāng)滿足|am'，n'-aA'o|？燮T1的像素在九宮格中所占的個(gè)數(shù)M>T2時(shí)，即可確定唯一的第k+1幀圖像內(nèi)的主特征點(diǎn)，并標(biāo)記為A0k+1，實(shí)現(xiàn)了對主特征點(diǎn)進(jìn)行跟蹤標(biāo)識。同理，設(shè)置副特征點(diǎn)匹配度闕值T3，對第k+1幀圖像的各副特征點(diǎn)進(jìn)行標(biāo)識追蹤，分別記為Axk+1（mk+1，nk+1），Hk+1，x其中（x=1，2，3，或4），用于當(dāng)A0k+1不唯一時(shí)對主特征點(diǎn)進(jìn)行唯一識別。

由于拍攝過程中相機(jī)將發(fā)生微小的抖動，為了消除抖動帶來的特征點(diǎn)移動引起的誤差，引入第k幀主特征點(diǎn)的坐標(biāo)與第1幀圖像的主特征點(diǎn)的坐標(biāo)距離的闕值T4，當(dāng)|Axk+1（mk+1，nk+1）-A0（16，32）|>T4時(shí)，即可在消除抖動的影響后判斷相機(jī)視野的移動的距離和方向。

最終，可以通過滿足所有闕值條件的主特征點(diǎn)與初始特征點(diǎn)坐標(biāo)進(jìn)行運(yùn)算，即可得到視野移動方向。

3 模型的性能參數(shù)

根據(jù)對整體模型的搭建，初選10幀連續(xù)圖片，設(shè)定各特征點(diǎn)A0（16，32），A1（11，26），A2（21，26），A3（11，38），A4（21，38），設(shè)置闕值T1=5，T2=7，T3=4，T4=5，使用編寫的MATLAB程序進(jìn)行運(yùn)算。

為了對我們的模型進(jìn)行性能分析，我們定義以幾個(gè)參數(shù)：

（1）最少幀幅數(shù)Z。如果能使用少的圖像數(shù)量檢測到視野移動方向，能夠是模型運(yùn)算更加簡化。

（2）程序運(yùn)行時(shí)間TI。此參數(shù)體現(xiàn)了模型的時(shí)效性，較少的時(shí)間代表著模型能夠更加迅速的得出結(jié)果。

可以分析得模型的性能參數(shù)主要受各闕值的設(shè)定值，特征點(diǎn)、特征像素的數(shù)量和位置影響，所以，研究不同影響因素對模型性能參數(shù)的影響，使用盡量少的幀數(shù)和運(yùn)算時(shí)間，建立優(yōu)化模型，即：

min（Z，TI）=f（T1，T2，T3，T4）

便于在保證準(zhǔn)確性的條件下，對特征點(diǎn)的數(shù)量及位置進(jìn)行調(diào)整，可提高運(yùn)算速度。

4 模型的評價(jià)

4.1 模型的優(yōu)點(diǎn)

（1）在問題要求的條件下，本模型可以較為精確地體現(xiàn)視野的移動方向。

（2）闕值分析在鏡頭緩慢移動的情況下可以消除抖動，光照等條件的影響。

（3）模型的調(diào)整能力強(qiáng)，可以通過調(diào)整不同參數(shù)，達(dá)到性能最優(yōu)化目的。

4.2 模型的缺點(diǎn)

（1）由于模型對鏡頭的移動方向進(jìn)行約束，對于存在鏡頭轉(zhuǎn)動的情況無法準(zhǔn)確求解。

（2）模型對于目標(biāo)景物存在相對運(yùn)動的情況無法進(jìn)行準(zhǔn)確求

解。

4.3 模型的推廣

此次問題模型僅限于相機(jī)在空間內(nèi)的平動，而并沒有考慮到相機(jī)鏡頭的轉(zhuǎn)向因素，所以在一定程度上并不完全符合事實(shí)中復(fù)雜情況。所以為了提升模型的適用范圍和適用范圍的復(fù)雜性，在模型的推廣上可以將鏡頭的轉(zhuǎn)向因素考慮其中。

模型可以為機(jī)器人視覺導(dǎo)航，電子地圖的自動生成，以及三維場景理解等提供一定的算法依據(jù)。

參考文獻(xiàn)

[1]孫斌.圖像序列中運(yùn)動物體的檢測與跟蹤[D].天津大學(xué)，2006.

[2]2008年數(shù)學(xué)建模A題數(shù)碼相機(jī)定位，具有仿射不變性的幾何結(jié)

構(gòu)在相機(jī)定位中的應(yīng)用[Z].

作者簡介：王孚康（1993-），男，漢族，河南省洛陽市人，本科生，單位：南京農(nóng)業(yè)大學(xué)工學(xué)院，研究方向：車輛工程。