基于OpenCV的數(shù)字圖像處理技術(shù)研究與實(shí)現(xiàn)

鄒宏偉

摘? ?要：近年來(lái)，機(jī)器視覺圖像處理技術(shù)得到了大力發(fā)展，如何提高數(shù)字圖像處理的效率和性能是人們廣泛關(guān)注的熱點(diǎn)話題。文章將利用OpenCV編譯技術(shù)來(lái)加強(qiáng)數(shù)字圖像處理效果，先建立OpenCV環(huán)境，進(jìn)而完成OpenCV視頻圖像采集應(yīng)用，利用已截取的圖像來(lái)完成邊緣檢測(cè)和角點(diǎn)提取與檢測(cè)。

關(guān)鍵詞：機(jī)器視覺;數(shù)字圖像處理技術(shù);OpenCV

數(shù)字圖像處理技術(shù)是計(jì)算機(jī)視覺、機(jī)器視覺等現(xiàn)代技術(shù)實(shí)現(xiàn)的技術(shù)前提。為了滿足更多用戶在圖像處理方面的高質(zhì)量需求，現(xiàn)代圖像處理往往需要加強(qiáng)像素級(jí)別的合理操作，從而有利于開展各種基于圖像采集的數(shù)字化分析與理解。OpenCV作為數(shù)字圖像處理技術(shù)中的開源算法數(shù)據(jù)庫(kù)，基于計(jì)算機(jī)VC++語(yǔ)言所構(gòu)建的編譯環(huán)境運(yùn)行，是不少數(shù)字圖像處理以及計(jì)算機(jī)視覺用戶的得力輔助工具。現(xiàn)階段，以O(shè)penCV圖像處理算法完成的圖像處理與仿真分析，已經(jīng)在實(shí)際工程中廣泛應(yīng)用。

1? ? 基于OpenCV數(shù)據(jù)庫(kù)的程序環(huán)境構(gòu)建

1.1? 安裝OpenCV

OpenCV圖像處理算法數(shù)據(jù)庫(kù)的安裝過(guò)程要關(guān)注對(duì)環(huán)境變量的設(shè)置，選中“Add＼OpenCV＼bin to the system PATH”選項(xiàng)后，可完成對(duì)環(huán)境變量PATH的載入。假定已安裝好的OpenCV 路徑為C：＼Program Files＼OpenCV。進(jìn)入VC++環(huán)境，依次在菜單中點(diǎn)選Tools—Options—Directories，確認(rèn)lib路徑為L(zhǎng)ibrary files，要包含所有OpenCV庫(kù)文件路徑。

1.2? 程序框架的規(guī)范構(gòu)建

按以下步驟完成對(duì)OpenCV應(yīng)用程序的創(chuàng)建：（1）新建工程，依次點(diǎn)選文件—新建—工程，下一步可選win32 Application或win32 console appiication。（2）新建獨(dú)立工作空間workspace，或直接加載新項(xiàng)目到當(dāng)前已建Workspace。（3）依次點(diǎn)選next—An empty project/ok。（4）新建工程文件，依次點(diǎn)選文件—new—files，并選C++ Source file/ok。（5）配置工程，依次點(diǎn)選工程—設(shè)置—所有配置，點(diǎn)“連接”后，點(diǎn)擊“對(duì)象、模塊庫(kù)”添加“cxcore.1ib cv. 1ib m1. 1ib cvaux. lib highgui. 1ib cvcam. 1ib”模塊庫(kù)。按上述5步操作就可完成OpenCV算法數(shù)據(jù)庫(kù)的編程環(huán)境創(chuàng)建。

2? ? 利用OpenCV完成圖像采集

本文利用OpenCV算法數(shù)據(jù)庫(kù)對(duì)視頻頭拍攝的圖像進(jìn)行采集，可使用相關(guān)抓取程序來(lái)予以實(shí)現(xiàn)。將程序語(yǔ)句輸入到新建C++Source file 中，重新連接攝像頭，就能直接得到視頻圖像[1]。本次實(shí)驗(yàn)所采集到的視頻數(shù)字圖像如圖1所示。

3? ? 基于OpenCV的圖像技術(shù)處理

文章所探討的OpenCV圖像技術(shù)處理主要是利用計(jì)算機(jī)軟件完成截圖的圖像變換、幾何變換、濾波、邊緣檢測(cè)、直方圖以及數(shù)學(xué)形態(tài)學(xué)處理等內(nèi)容，通過(guò)各種技術(shù)能夠直接對(duì)圖像進(jìn)行分析與理解，采集后完成底層處理，并形成較高質(zhì)量的圖像以便后期的機(jī)器視覺應(yīng)用。

3.1? 從已獲圖像中截圖

人們往往會(huì)對(duì)靜態(tài)圖像中的一部分內(nèi)容感興趣，可以利用軟件對(duì)感興趣的區(qū)域進(jìn)行必要的截圖。將部分要截取的圖像稱為感興趣區(qū)域（Region of Interest，ROI），截圖過(guò)程主要用到的變量或函數(shù)如下：

CvRect ROI_rect_src;//截取圖像ROI位置與大小

CvRect ROI_rect_dst;//目標(biāo)圖像ROI

cvSetImageROI（src_img，ROI_rect_src）;//明確矩形框架后，設(shè)定待截圖像目標(biāo)區(qū)域函數(shù)

cvShowImage（”src_img”，src_img）;//加載完成指定圖像ROI函數(shù)

3.2? 圖像處理中的邊緣檢測(cè)技術(shù)

通常，各種圖像包含的各類目標(biāo)的邊緣灰度值常涵蓋有關(guān)該圖像的海量原始信息。邊緣檢測(cè)常常使用各種已經(jīng)成熟的算子來(lái)完成，常見的有高斯差分邊緣檢測(cè)算子DoG，Sobel邊緣檢測(cè)算子、Canny邊緣檢測(cè)算子、二階微分Laplacian邊緣檢測(cè)算子和高斯-拉普拉斯算子LOG等，基本原理都是通過(guò)對(duì)灰度突變類型的二階導(dǎo)數(shù)進(jìn)行分割來(lái)展開實(shí)例計(jì)算，各種算子的應(yīng)用有所側(cè)重[1]。

3.2.1? Sobel邊緣檢測(cè)算子

Sobel邊緣檢測(cè)算子是典型的基于一階導(dǎo)數(shù)的邊緣檢測(cè)算子，主要思想是考察目標(biāo)圖像上出現(xiàn)的不同的像素，特別是對(duì)不同像素的四周各鄰點(diǎn)灰度加權(quán)差進(jìn)行計(jì)算，求得鄰點(diǎn)與就近像素點(diǎn)的鄰近權(quán)值。如圖2所示，若存在某一像素點(diǎn)[i ， j]，按Sobel算法思想，其偏導(dǎo)數(shù)可用下列公式計(jì)算：

Sobel算子可表示為：

其中，Δfx和Δfy能夠通過(guò)建立兩個(gè)3×3卷積模板來(lái)表示。對(duì)于數(shù)字圖像而言，其中出現(xiàn)的任何一點(diǎn)像素點(diǎn)就能用此兩個(gè)模板以卷積形式實(shí)現(xiàn)，因此，圖像邊緣檢測(cè)也基于兩個(gè)模板在圖像中所作規(guī)律性運(yùn)動(dòng)而實(shí)現(xiàn)。

3.2.2? Canny邊緣檢測(cè)算子

Canny邊緣檢測(cè)算法同樣是基于卷積運(yùn)算的算法應(yīng)用，主要是結(jié)合目標(biāo)圖像同時(shí)考慮平滑濾波脈沖響應(yīng)完成一階微分運(yùn)算。計(jì)算結(jié)果能夠表現(xiàn)經(jīng)平滑處理后的圖像，表達(dá)式為：

圖像梯度的計(jì)算可按以下式子展開：

則有卷積運(yùn)算為：

式子中的Δh（x，y）算子，一般稱之為一階微分高斯算子，主要是因算法中多次利用高斯函數(shù)來(lái)充當(dāng)平滑濾波工具。Canny邊緣檢測(cè)技術(shù)中，對(duì)于梯度幅值的限制主要采用非極大點(diǎn)抑制的方法，能夠較為理想地解決因平滑變模糊后的圖像所出現(xiàn)的邊緣增寬的問題。

經(jīng)過(guò)以上算法的運(yùn)算，可以得到圖像處理中邊緣檢測(cè)的相關(guān)結(jié)果。如圖3所示。其中，圖3（a）表示圖1（c）經(jīng)過(guò)Sobel邊緣檢測(cè)算子處理后的效果，圖3（b）表示圖1（c）經(jīng)過(guò)Canny邊緣檢測(cè)算子處理后的效果，圖3（c）表示圖1（b）經(jīng)過(guò)Sobel邊緣檢測(cè)算子處理后的效果。

3.3? 圖像處理中的角點(diǎn)提取技術(shù)

對(duì)于目標(biāo)圖像而言，其中的角點(diǎn)能夠成為描述事物運(yùn)動(dòng)狀態(tài)的重要憑證，還能夠積極輔助完成圖像中視覺特征點(diǎn)的提取與描述。通常，數(shù)字圖像的角點(diǎn)由圖像不同目標(biāo)、不同空間等邊緣交點(diǎn)或邊緣曲率較大的點(diǎn)組成，所以整體上具有相當(dāng)高的曲率。通過(guò)分析角點(diǎn)信息，能夠從中挖掘到圖像目標(biāo)的具體幾何形狀。

當(dāng)前，圖像角點(diǎn)提取的方法較多，常用的兩種思路為：（1）先描述圖像邊界，完成提取，再計(jì)算角點(diǎn)。（2）直接測(cè)出灰度圖像的角點(diǎn)。此外，還可以通過(guò)建立最小化代價(jià)函數(shù)等數(shù)學(xué)方法完成角點(diǎn)的探尋和計(jì)算。圖像角點(diǎn)探測(cè)尋求方法也有很多類型，常見的諸如K-R法、Z-H法和Harris法等[2]。本文主要探討了Harris角點(diǎn)尋求方法，該方法主要思路是應(yīng)用圖像灰度信息挖掘來(lái)完成角點(diǎn)檢測(cè)。通常，在分析圖像角點(diǎn)時(shí)都需要緊密聯(lián)系圖像灰度的變化特征?；诮屈c(diǎn)與自相關(guān)數(shù)的曲率特性的相關(guān)性，可直接列出自相關(guān)函數(shù)，并在探測(cè)像素點(diǎn)進(jìn)行一階泰勒多項(xiàng)式展開，進(jìn)而可得到基于Harris法的角點(diǎn)探測(cè)函數(shù)工具。

對(duì)于選定的像素點(diǎn)而言，其中的角點(diǎn)探測(cè)函數(shù)工具計(jì)算值若超出限定值，就稱該像素點(diǎn)為角點(diǎn)。利用Harris法完成角點(diǎn)探測(cè)后，通過(guò)軟件的仿真對(duì)角點(diǎn)所在區(qū)域進(jìn)行灰度內(nèi)插值擬合，就能夠完成角點(diǎn)的提取工作。

4? ? 結(jié)語(yǔ)

計(jì)算機(jī)數(shù)字圖像處理技術(shù)是眾多行業(yè)領(lǐng)域不可缺少的功能性應(yīng)用，能夠成為圍繞圖像開展合理分析、數(shù)字化理解和規(guī)范特征識(shí)別的重要技術(shù)支撐。為了提高圖像處理的效率，應(yīng)該認(rèn)真研究各種算法的實(shí)用性。采用OpenCV圖像處理算法數(shù)據(jù)庫(kù)對(duì)相關(guān)算法進(jìn)行表達(dá)和實(shí)現(xiàn)，是有效增強(qiáng)圖像處理與計(jì)算機(jī)視覺的可行手段，值得擴(kuò)大研究與應(yīng)用。

[參考文獻(xiàn)]

[1]江偉.機(jī)器視覺圖像中目標(biāo)識(shí)別及處理方法研究[D].北京：華北電力大學(xué)，2015.

[2]王福斌，李迎燕，劉杰，等.基于OpenCV的機(jī)器視覺圖像處理技術(shù)實(shí)現(xiàn)[J].機(jī)械與電子，2010（6）：54-57.