一种基于Canny算子的运动物体局部增强图像采集方法
【技术领域】
[0001] 本发明涉及图像处理技术领域，提供了一种基于Canny算子的运动物体局部增强 图像米集方法。
【背景技术】
[0002] 在当今信息时代，社会的发展突飞猛进，各行各业都离不开信息，尤其是图像信 息。图像信息处理作为一门跨学科的前沿科技已经广泛的应用在各个领域。运动目标检测 是图像信息处理中的重要课题，运动目标检测的结果，常常是下一步的目标跟踪、模式识 另IJ、图像理解等高级后处理的输入图像。在许多场合，比如说交通流量的监测等，我们往 往对运动的物体更感兴趣。因此研究只对运动目标敏感的检测与跟踪系统是很有意义的。
[0003] 近几年来，随着多媒体技术的迅猛发展与计算机性能的不断提高，动态图像处理 技术日益受到人们的青睐，并且取得了丰硕的成果，广泛应用于交通管理、军事目标跟踪、 生物医学等领域。目标监测系统，可以用计算机代替值班人员在仓库、变电站、银行等重要 地方进行监控。由于静态图像处理技术有一定的局限性，而动态图像比静态图像包含更多 的信息，因此，引入运动监测很有必要。
[0004] 运动目标检测是机器视觉、视频信息处理和应用视觉研究等领域中的重要课题。 在实际应用中，利用运动目标检测算法进行图像分割的结果，常常是下一步的目标跟踪、 模式识别、图像理解等高级后处理的输入图像。在现实生活中，大量的有意义的视觉信息 包含在运动之中，甚至有些动物的眼睛经过进化，只能看见运动的物体。尽管人类视觉既 能看见运动又能看见静止的物体，但是在许多场合，比如说交通流量的监测、重要场所的 保安、航空和军用飞行器的制导、汽车的自动驾驶或辅助驾驶等，我们往往对运动的物体 更感兴趣。因此研究只对运动目标敏感的检测与跟踪系统是很有意义的。此外，运动目标 的研究对象是图像序列，而对图像序列的研究一般要比对单帧图像作静态分析容易。
【发明内容】
[0005] 本发明的目的在于提供一种将采集到的图像中的运动物体进行识别，并将图形中 的运动物体进行增强的一种方法。
[0006] -种基于Canny算子的运动物体局部增强图像采集方法，其包括以下步骤： 步骤1、采用摄像头采集图像； 步骤2、读取第一帧图像，并转换为灰度图像，并判断是否需要预处理，如果需要则进行 步骤3,不需要则进行步骤4; 步骤3、进行直方图像增强，极值中值增强，并用Canny算子进行边缘提取； 步骤4、求出帧间差图像； 步骤5、按先行后列顺序扫描差图像中每一个像素点，该像素点值为1则进行步骤6,否 则进行步骤11 ; 步骤6,把该像素值赋为1000,并作为标记，扫描该像素点的8个邻点是否有像素值为 1的点，如有像素值为1的点则进行步骤7,否在进行步骤8; 步骤7、把该点的像素值赋1000,把连接长度加1，进行步骤6; 步骤8,判断连接长度是否大于25,是则进行步骤9,否则进行步骤10; 步骤9把该条线上像素值为1000的点重新赋值为1; 步骤10,把该条线上像素值为1000的点重新赋值为0 ; 步骤11，与原图进行比较，得出图像，并判断是否有后续图像，如果还有后续图像则进 行步骤2; 步骤12.对图像f(X，y)卷积处理后得到图像g(x，y)，处理方法为：g(X，y) =f(X，y)*h(X，y)，其中h(X，y)为线性不变算子，*代表卷积； 将区(叉，7)=：?(叉，7)*11(叉，7)表示成变换域中为：6(11，￥)=!1(11，￥)*?(11，￥)，6(11，￥)、 !1(11，￥)、？(11，￥)分别是8(1，7)、11(1，7)、;^1，7)的傅立叶变换，!1(11，￥)通过滤波器来确定， 由g(x，y) =f(x，y)*h(x，y)与G(u，v) =H(u，v)*F(u，v)得g(x，y) =FliKu，v)F(u， v)] 〇
[0007] 上述技术方案中，Canny算子进行边缘提取步骤如下： 步骤2. 1、用高斯滤波器平滑图像； 步骤用2. 2、一阶偏导的有限差分来计算梯度的幅值和方向； 步骤2. 3、对梯度幅值进行非极大值抑制； 步骤2. 4、用双阈值算法检测和连接边缘。
[0008] 本发明采用的技术方案如下： 本申请的Canny算子能在噪声抑制和边缘检测之间取得较好的平衡。
[0009] 本申请去除解决阴影问题外，还解决运动目标粘联问题。
【具体实施方式】
[0010] 本说明书中公开的所有特征，或公开的所有方法或过程中的步骤，除了互相排斥 的特征和/或步骤以外，均可以以任何方式组合。
[0011] 有关图像分割的解释和表述很多，借助于集合概念对图像分割可以给出如下比较 正式的定义： 令集合R代表整幅图像的区域，对R的分割可看成将Rn个满足以下5个条件的非空子 集（子区域）Rn：
② 对所有的i和j，有i辛j，民nRΦ; ③ 对i= 1，2,…，N，有P(?) =True ; ④ 对i辛j，P(?UR) =False ; ⑤i= 1，2, ···，N,民是连通的区域。
[0012]其中POO是对所有在集合中元素的逻辑谓词，Φ代表空集。
[0013] 下面先对上述各个条件分别给予简略解释。条件①指出对一幅图像所得的全部子 区域的综合（并集）应能包括图像中所有像素（就是原图像），或者说分割应将图像的每个 像素都分进某个区域中。条件②指出在分割结果中各个子区域是互不重叠的，或者说在分 割结果中一个像素不能同时属于两个区域。条件③指出在分割结果中每个子区域都有独特 的特性，或者说属于同一个区域中的像素应该具有某些相同特性。条件④指出在分割结果 中，不同的子区域具有不同的特性，没有公共元素，或者说属于不同区域的像素应该具有一 些不同的特性。条件⑤要求分割结果中同一个子区域内的像素应当是连通的，即同一个子 区域的两个像素在该子区域内互相连通，或者说分割得到的区域是一个连通组元。
[0014] 另外，上述这些条件不仅定义了分割，也对进行分割有指导作用。对图像的分割总 是根据一些分割准则进行的。条件①与条件②说明正确的分割准则应可适用于所有区域和 所有像素，而条件③和条件④说明合理的分割准则应能帮助确定各区域像素有代表性的特 性，条件⑤说明完整的分割准则应直接或间接地对区域内像素的连通性有一定的要求或限 定。
[0015] 最后需要指出，实际应用中图像分割不仅要把一幅图像分成满足上面5个条件的 各具特性的区域而且需要把其中感兴趣的目标区域提取出来。只有这样才算真正完成了图 像分割的任务。
[0016] 图像分割算法分类 图像分割算法的研究一直受到人们的高度重视，到目前为止，提出的分割算法已经多 达上千种，由于现有的分割算法粉肠多，所以将它们进行分类的方法也提出了不少。例如有 把分割算法分成3类的：①边缘检测、②阈值分割和③区域生长。但事实上阈值分割算法分 割的方法在本质上也是一种区域提取方法，所以③实际上包含了①。
[0017] 本章从实际应用的角度考虑，详细介绍了图像分割的如下算法：分割检测、阈值分 害J、区域生长等。
[0018] 腐蚀是数学形态学最基本的运算，它的实现是基于填充结构元素的概念。利用结 构元素填充的过程，取决于一个基本的欧氏空间运算一一平移。将一个集合A平移距离X 可以表示为A+x，其定义为：
从几何上看，A+x表示A延矢量X平移了一段距离。探测的目的，就是标记出图像内部 那些可以将结构元素填入的（平移）位置。
[0019] 集合A被集合B腐蚀，表示为ΑΘΒ，其定义为：
其中e表示子集关系。腐蚀还可以用E(A，B)和ERODE(A，B)来表示。其中A称为输入 图像，B称为结构元素。ΑθB由将B平移X但仍然包含在A内的所有点X组成。如果将B看 作成模板，那么，ΑΘB则由在平移模板的过程中，所有可以填