基于OpenCV技術(shù)的圖像處理及應(yīng)用

羅志高 王變琴

摘要：利用OpenCV開源庫對圖像進行邊沿檢測、灰度化等一系列操作，得到圖像對應(yīng)的特征像素矩陣，再通過RESTful方法實現(xiàn)數(shù)據(jù)傳輸、存儲，便于后續(xù)操作。實現(xiàn)了文件讀取、邊沿識別、矩陣獲取等功能的圖形化界面操作。

關(guān)鍵詞：圖像處理;邊沿檢測;MFC;OpenCV;Visual Studio

中圖分類號：TP274 ? ? ? ? ?文獻標識碼：A

數(shù)字圖像處理是指通過計算機對圖像進行去噪聲、增強、復(fù)原、分割、提取特征等一系列處理的方法和技術(shù)。由于數(shù)字圖像的組成實質(zhì)上是一個二維矩陣，數(shù)字圖像處理是對二維矩陣進行相關(guān)操作。數(shù)字圖像處理過程：圖像獲取、圖像增強、圖像濾波、灰度化、邊沿檢測、圖像分割、圖像壓縮編碼、圖像復(fù)原、圖像重建[1]。

OpenCV是一個基于C/C++語言的開源圖像處理函數(shù)庫，它具有的諸多特性使其成為圖像處理研究者的首選工具。

1 系統(tǒng)的架構(gòu)設(shè)計

數(shù)字圖像技術(shù)涵蓋方方面面，本文主要通過VS（Visual Studio）的MFC編程，實現(xiàn)一個具有圖像動態(tài)讀取、處理、保存和顯示[2]等功能的系統(tǒng)。整個系統(tǒng)包括文件操作、邊沿檢測、特征提取及查詢3個模塊及其子模塊，如圖1所示。

1.1 文件操作設(shè)計

動態(tài)選擇所需的圖像文件，放至指定的數(shù)據(jù)結(jié)構(gòu)或相應(yīng)控件，便于進一步處理。在處理完成之后，可以把所需存儲的文件以指定格式存儲至指定位置，便于之后查閱。

1.2 邊沿檢測設(shè)計

先將原彩圖進行灰度化，轉(zhuǎn)換為黑白圖，然后把圖像縮放至固定窗口，以便于用戶可以在同一界面查看原圖與處理后的圖像對比。然后利用Sobel邊沿檢測算子檢測出圖像邊沿，并展示至特定位置。同時根據(jù)效果。自行嘗試調(diào)節(jié)閾值得到最佳的邊沿圖像。

1.3 特征提取及查詢設(shè)計

在圖像處理之后，會得到處理后的圖像的矩陣信息，然后點擊查詢按鈕，連接遠程服務(wù)器，比對存儲在服務(wù)器中的數(shù)據(jù)，將信息比較接近的圖片鏈接傳回，直接訪問返回的鏈接，查看系統(tǒng)返回的圖片是否為自己所需。

1.4 圖像處理系統(tǒng)界面設(shè)計

采用單一對話框，所有的東西都集成在一個界面，包含打開文件、保存、查詢等按鈕，全都是圖形界面交互，便于用戶操作。

2 數(shù)字處理系統(tǒng)實現(xiàn)

2.1 文件操作模塊的實現(xiàn)

文件讀、寫、增、刪操作在計算機系統(tǒng)中具有相當重要的作用。操作系統(tǒng)本身就存儲在文件中，在系統(tǒng)啟動過程中加載到內(nèi)存中，自動運行，所涉及的圖像、文檔、應(yīng)用程序等都是以文件形式存儲到系統(tǒng)中的。

2.2 控件類實現(xiàn)文件操作

在MFC開發(fā)中，所有的操作都是對控件添加響應(yīng)函數(shù)實現(xiàn)的，而要實現(xiàn)文件打開，即對“瀏覽”按鍵添加一個函數(shù)響應(yīng)。在MFC中，已經(jīng)集成了一個類CFileDialog可以實現(xiàn)對話框操作，這個函數(shù)如圖2所示。

CFileDialog類型的函數(shù)dlg，可以實現(xiàn)對Windows文件操作的對話框，如圖2所示，該函數(shù)的參數(shù)意思表示該對話框是打開文件還是保存文件，true意味著該對話框為打開文件操作，false表示該操作是保存文件的對話框。文件的默認擴展名，如想打開jpg文件，則在對話框中默認顯示jpg類型的文件或是在保存時候默認保存為jpg格式的文件。要打開的目標文件名，可不指定文件擴展名，不指定則默認用第二個參數(shù)指定的擴展名。表示目標文件的狀態(tài)，OFN_FILEMUSTEXIST表示目標必須存在，OFN_HIDEREADONLY不顯示只讀文件。過濾文件類型，如只顯示jpg或bmp格式文件，可自行選擇。

獲取文件路徑，如圖3所示，可以用DoModal函數(shù)，當用戶選定之后，用CFileDialog自帶的構(gòu)造函數(shù)GetPathName獲取路徑、文件名和擴展名。就可以獲取所需要的文件，進行后續(xù)操作。同時用SetWindowText函數(shù)將路徑寫入文本控件，以便看到文件路徑等相關(guān)信息。

2.3 邊沿檢測模塊的實現(xiàn)

圖像的縮放就是把圖像按照比例進行特定的大小變換，為了使用戶在使用時能夠有更好的體驗，更加直觀地對比原圖像與處理后的圖像，把圖像限定在特定的區(qū)域。而每一幅圖像的大小都不一樣，對每一幅需要處理的圖像進行長和寬的變換，使其能夠適應(yīng)展示窗口。如限定圖像展示區(qū)域的寬（L）和高（H）為400×245，假定每一幅圖像的寬、高分別為X、Y，需要算出變換的系數(shù)S1、S2，則有如下表達式：

實際處理時，通過中間S1、S2表達式先求出系數(shù)S1、S2，然后根據(jù)后面表達式，就可以把圖像轉(zhuǎn)換成為特定大小的圖像了。由于需要把圖像固定在特定窗格，并放置于正中，還需要獲取圖像的位置，因此需要計算圖像在左上角的期望坐標作為原始坐標，以此進行圖像拓展，即可把圖像完整地縮放至特定的顯示窗格了，更加便于查看。邊沿檢測流程如圖4所示。

通過上述流程，即可得到邊沿檢測后的圖像。

2.4 圖像的灰度化

要實現(xiàn)把彩色圖像轉(zhuǎn)變?yōu)橛闪涟当硎镜暮诎讏D，就需要了解彩圖的組成，最常用的彩色圖像格式有RGB、HSV、HLS等幾種。定義于RGB空間的彩圖，每個像素點由R、G、B 3個分量組成，分別代表紅、綠、藍。每個分量取不同的值，組合成的像素點就呈現(xiàn)出不同的顏色，多個像素點的組合就構(gòu)成了一幅彩圖，常見的24深度彩圖，每個像素點的每個分量取值為0～255。HSV顏色模型的3個參數(shù)分別是色調(diào)、飽和度、亮度，是一種比較直觀的顏色模型，可轉(zhuǎn)換為RGB彩圖。HLS模型參數(shù)跟HSV類似，不過HLS是目前工業(yè)界的標準，比HSV更為強大，幾乎包括了目前人類所能感知的顏色，同樣可以轉(zhuǎn)換為RGB圖像。因此，研究RGB圖像灰度化即可得到其他圖像的灰度化方法，而對RGB圖像灰度化，即對RGB 3個分量轉(zhuǎn)為1個，最終得到由亮暗表示的灰度值。常見的方法如下：

1）Gray=B;Gray=G;Gray=R;

2）Gray=max（B+G+R）;

3）Gray=（B+G+R）/3;

4）Gray=0.072169B+0.715160G+0.212671R;

5）Gray=0.11B+0.59G+0.3R。

方法一，用RGB分量的隨便一個值作為該點的灰度;方法二，選取3個分量中最大的作為灰度;方法三，求取3個分量的平均值作為灰度值;方法四與方法五都是根據(jù)相應(yīng)特性對3個分量進行加權(quán)平均，方法五的權(quán)值是從生理學(xué)的角度，即人眼對顏色的敏感度得出，方法四則是OpenCV所采用的加權(quán)值。我們基于OpenCV進行的圖像處理，當然就是用的方法四，即通過VS內(nèi)置函數(shù)，獲取圖像3個分量的大小，然后設(shè)定灰度值Y。根據(jù)方法四，算出灰度值Y，然后渲染，即可把彩圖轉(zhuǎn)換為用亮暗表示的灰度圖了。

2.5 基于一階導(dǎo)數(shù)的邊沿檢測

邊沿檢測是圖像處理重要的環(huán)節(jié)，需要按照以下步驟獲取邊沿圖像。

①需要對圖像進行灰度化，這個步驟已經(jīng)在上一步實現(xiàn)了。由于圖像通常都會受到無關(guān)信息的干擾，因此需要對圖像進行濾波處理，用于消除圖像中的隨機噪聲。鑒于本系統(tǒng)是基于OpenCV實現(xiàn)的，因此需要了解一下OpenCV所采用的高斯濾波。

②高斯濾波的實現(xiàn)，就是采用一個矩陣模板進行加權(quán)運算。舉個例子，八連通區(qū)域的圖像，中間點的像素值就等于八連通區(qū)域像素值的均值，以達到平滑的效果，該矩陣模板就是常說的高斯核。假定高斯核維數(shù)為（2k+1）×（2*+1），則離散高斯核的矩陣計算如下：

③得到濾波后的圖像之后，就可利用一階偏導(dǎo)的有限差分來計算梯度的幅值和方向了。一般來說，獲取灰度圖梯度可用有限差分近似，然后得到圖像在X、Y方向上偏導(dǎo)數(shù)的兩個矩陣，叫做梯度算子。常用的梯度算子有Roberts算子、Sobel算子、Prewitt算子、Canny算子。本文采用的是Canny算子，Canny算法選取的卷積算子根據(jù)實際情況可以隨意調(diào)整，采用的是三維，其實采用的是Sobel算子，因為Sobel算子對灰度漸變和噪聲較多的圖像處理效果較好。矩陣表達式如下：

由上式求得矩陣后，即可進對梯度幅值進行非極大值抑制。顧名思義，非極大值抑制就是把不是極大值的像素點視為不存在，即為0，把極大值突出體現(xiàn)，記為1，由此得到一個二值化矩陣。問題就轉(zhuǎn)換為如何確定極大值，很顯然，需要比較每個像素點的灰度值與其領(lǐng)域像素點的灰度值，通常比較四領(lǐng)域或八領(lǐng)域。在上一步求偏導(dǎo)的過程中，已經(jīng)得到了梯度的方向，因而只需比較該方向上的領(lǐng)域像素點的大小即可，若該點為極大值，則記為1，否則，幅值為0。

④上一步之后，邊沿的地方基本都變?yōu)?，其他地方變?yōu)?，邊沿圖像近在眼前。然而實際操作中，噪聲的去除卻不是那么完善，極大值確定也有可能判斷不出，導(dǎo)致出現(xiàn)很多假邊沿，需要進一步處理，以得到更為接近真實邊沿的邊沿圖像，這就是邊沿檢測的最后一步，用雙閾值算法檢測和連接邊沿，也是Canny算法比較優(yōu)于其他算法的地方。

雙閾值算法把先滿足高閾值的像素點連接起來，如果不閉合，則把部分與高閾值鄰域且滿足低閾值的像素點連接起來，最后把選出來的這些像素點連接起來，就得到邊沿檢測圖了。本文的開發(fā)是基于OpenCV開源庫的一個應(yīng)用軟件，通過有效利用資源，OpenCV已經(jīng)幫我們封裝了一個函數(shù)，可以完成上述的進程。這個函數(shù)是vCanny（constCVArr* image，CVArr* edges，double threshold1，double threshold2，intaperture_size=3）。各參數(shù)含義如下：image，單通道輸入圖像，待處理圖像的灰度圖;edges，單通道輸出圖像，得到的邊沿檢測圖;threshold1，閾值1，較低的閾值;threshold2，閾值2，較高的閾值;aperture_size，內(nèi)核算子的維度，OpenCV采用的算子是Sobel算子，故該值為3。因此只需要把原圖像轉(zhuǎn)變?yōu)榛叶葓D之后調(diào)用該函數(shù)，即可得到灰度圖，同時閾值可以機動調(diào)節(jié)，代碼如圖5所示。

多次結(jié)果證明，低閾值與高閾值的比例在1：2至1：3之間得到的圖像效果最好。至此邊沿檢測完成。

3 矩陣信息提取模塊的實現(xiàn)

OpenCV中圖像與矩陣的轉(zhuǎn)換：就是把圖像對應(yīng)的像素點用矩陣描述出來。在OpenCV中，已經(jīng)存在這樣一個庫函數(shù)，直接調(diào)用即可。庫函數(shù)如下。

cvCreateMat（param1，param2，param3）

param1：矩陣的行數(shù)，通常用*->width，以滿足不同大小的圖片;

param2：矩陣的列數(shù)，通常用*->height，以滿足不同尺寸的圖片;

param3：矩陣元素類型，通常以CV_<比特數(shù)>（S|U|F）C<通道數(shù)>型式描述。

然后直接調(diào)用該函數(shù)，就可以把圖片轉(zhuǎn)換成矩陣形式了。

二值化圖像矩陣：可以把邊沿檢測圖轉(zhuǎn)化為矩陣，作為存儲依據(jù)，這也是最優(yōu)的方案。但本文沒有這樣做，主要是考慮到執(zhí)行順序、效率和界面美觀。倘若用邊沿檢測圖直接轉(zhuǎn)化矩陣，則需要在邊沿檢測圖完成之后，再次觸發(fā)，就必須在界面重新設(shè)置一個能夠使其響應(yīng)的控件，影響界面美觀;若置于同一響應(yīng)函數(shù)，又需要考慮先后問題。因此，本文采用灰度化后的圖片，將其與閾值調(diào)節(jié)放置于同一響應(yīng)函數(shù)，并發(fā)執(zhí)行。實現(xiàn)如圖6所示。

利用CV_MAT_ELEM函數(shù)把矩陣的每一個元素提取出來，然后做判斷，高于某值的設(shè)為1，低于某值的設(shè)為0，即可獲得二值化矩陣。

4 信息查詢模塊的實現(xiàn)

4.1 VS網(wǎng)絡(luò)請求的實現(xiàn)

VS的MFC發(fā)起網(wǎng)絡(luò)請求與大部分網(wǎng)絡(luò)請求一樣，利用RESTful框架，即通常所說的HTTP請求，包括GET和POST兩種方式。實現(xiàn)過程即調(diào)用HTTP請求或相應(yīng)相關(guān)函數(shù)，需要注意參數(shù)的類型與GET或POST請求的吻合，以及URL的正確性。

4.2 信息展示

把從網(wǎng)頁查詢得到的數(shù)據(jù)，通過JSON傳回，解析之后，顯示在對應(yīng)的控件中。為了便于查看，需要在服務(wù)器端進行信息比對，如果有相似信息圖片，則把對應(yīng)URL或搜索關(guān)鍵字進行展示，否則提示不存在。系統(tǒng)整體實現(xiàn)效果如圖7所示

如圖7所示，a為原圖像，b為縮小后放至固定大小控件中的圖像。原圖像尺寸為800×600，經(jīng)過變換，變?yōu)檫m應(yīng)窗口大小的400×245，效果十分明顯[3]。

5 結(jié)語

綜上所述，本文主要研究了數(shù)字圖像處理系統(tǒng)的設(shè)計與實現(xiàn)，選用了VS 2015開發(fā)界面，為用戶提供了一個數(shù)字圖像處理的GUI平臺，對圖像處理方法進行研究，包括圖像的縮放，灰度變換，濾波處理，邊沿檢測及矩陣提取等使用OpenCV庫，利用VS 2015開發(fā)了一套包含文件讀取、邊沿檢測、矩陣提取等功能的數(shù)字圖像處理系統(tǒng)，界面友好，對用戶沒有專業(yè)門檻限制，對話框基本滿足用戶使用需求，同時有很強的拓展性。

參考文獻

[1] 陳天華.數(shù)字圖像處理[M].北京：清華大學(xué)出版社，2007.

[2] 常奇峰.基于VC++的數(shù)字圖像處理軟件開發(fā)[D].南京：南京航空航天大學(xué)，2010.

[3] 賀東霞，李竹林，王靜.淺談數(shù)字圖像處理的應(yīng)用與發(fā)展趨勢[J].延安大學(xué)學(xué)報（自然科學(xué)版），2013，32（12）：18-21.