视频监控系统开发平台的研制 第13页
第5章游泳池监控救生系统的算法实现
在建立了适当的背景模型后，图像的预处理是一个重要的环节，其处理效果
的优劣直接关系到后续图像的分析和理解。本文将在下一节中对图像的预处理做
详细介绍。
5．1视频图像预处理
图像预处理是相对于图像识别、图像理解而言的一种前期处理。不论采用何
种装置，输入图像往往不能令人满意，在视觉效果和识别方便性等方面可能存在
诸多问题，这类问题不妨统称为“质量”问题【19】。改善图像质量的处理称为图像
预处理，主要是指按需要对图像进行适当的变换突出某些有用的信息，去除或削
弱无用的信息。图像预处理的基本方法有图像变换、灰度变换、直方图变换、图
像平滑、图像锐化、伪彩色和假彩色处理等。在本研究中，根据泳池视频监控系
统所捕获的图像特点，依次采用如下几节介绍的算法对视频图像进行预处理。
5．1．1图像的灰度化
在泳池监控救生系统的研究中，通过采集卡所获得的图像是24比特RGB图
像。由于颜色问题本身的复杂性以及彩色成像设备的限制，长期以来在机器视觉
中并没有充分利用颜色信息，它们大都是“色盲”的，也就是把彩色图像转换成
灰度图像，而且由于彩色图像的数据存储量较大，传统的图像处理方法中的算法
都是对灰度图像进行处理的[20i。
在RGB颜色模型中，当R-G=B时所表示的颜色是一种灰度颜色，此时R=G=B
的值就是常说的灰度值。由此可知，彩色图像的灰度化就是使彩色分量值R、G、
B相等的过程。由于R、G、B都有256个级别，故灰度的级别也是从0～255级。
Y；0．299’R+0．587。G+0．114’B (5．1)
对于不带调色板的真彩色图，由公式5．1即Jpeglib公式【4l根据R、G、B的值
求出Y值后，将R、G、B值都赋值成Y，写入新图即可表示出灰度图。图5．2给
出了按此方法处理前后的图像实例。
视频监控系统开发平台的研制 第13页
(a)原始的彩色图像 (b)处理后的灰度图像
图5．2图像的灰度化实例
Fig．5．2 An Example of the Conversion of Color Image to Gray Image
5．1．2直方图均衡化
直方图是多种空间域处理技术的基础。直方图操作能够有效地应用于图像增
强，其目的是通过对图像灰度作修正改善图像的视觉效果以提供直观、清晰、适
合于分析的图像。直方图均衡化算法是最常用、最重要的图像预处理算法之一，
以概率理论作基础，运用灰度点运算来实现直方图的变换，从而达到图像增强的
目的，适用于图像对比度较差、过于明亮或者过于黑暗以及图像的灰度分布集中
在明暗两端的情况【。¨，变换后图像灰度值的分布是均匀的，即能够使图像的整体
对比度得到改善。
人们在具体应用经典的直方图均衡化算法对医学细胞图像进行处理时发现其
处理后的结果有可能存在下述的不足【22】：输出图像的实际灰度变化范围小于等于
图像的最大灰度变化范围；输出图像的灰度分布直方图虽然接近均匀分布但可能
不是最佳值；输出图像的灰度级有可能被过多地合并而实际灰度级数的过分减小
则可能降低图像的灰度层次感。基于上述考虑，本研究采用一种改进的直方图均
衡化算法，基本思路是：对原始图像灰度直方图中第j级的灰度f，根据其左右
两边的概率密度和之比来确定其修正后的灰度毋的位置工具体的实现过程如下：
(1)列出原始图像的灰度级艿 i=0，l，…，，l—l。
(2)统计各灰度级的像素数目研 i=0，1，…，咒一l。
第5章游泳池监控救生系统的算法实现
数。
(3)作灰度映射表，如公式5．2～5．4所述。其中p为总像素数，Jr7为灰度级
．g o I fo
gf=胴_【(，l一1)(罗口女)／(Q一日，)+0．5}
‘ 岗
g。一1一^一1
图像。
(5．2)
(5．3)
(5．4)
(4)由灰度映射表的对应关系修正原始图像的灰度级，获取经处理后的输出
图5．3直方图均衡化实例
Fig．5．3 Am ExaIllple of Hisl0点；ram Equalization
图5．3是通过此种直方图均衡化算法处理的图像实例，并给出了变换前后图像
的直方图。可以看出，变换后直方图的动态范围变大了，即图像灰度值的概率分
布变得均匀了。从主观上看，输出图像的视觉效果得到了有效地改善，突出了原
图像的细节，达到了图像增强的目的。
视频监控系统开发平台的研制 第13页
5．1．3空间域图像平滑
任何一幅未经处理的原始图像，都存在着一定程度的噪声干扰，可能会恶化
图像的质量，从而给后续的处理和分析任务带来困难【埘1。因此，要抑制噪声改善
图像质量，必须对输入图像作降噪或去噪的平滑处理。
空域滤波一般可分为线性和非线性两类。线性方法提出的较早，且有较完备
的理论基础，大多是基于对傅里叶变换的分析，例如邻域平均法就是一种比较常
用而且有效的线性滤波方法。但线性方法在滤除噪声的同时也会破坏图像中的快
变信号，如边缘及细节等，从而使图像变得模糊。而非线性滤波法，比如中值滤
波这种非常常用的方法，其效果与邻域平均法相比较，有以下的优点：降低噪声
的效果比较明显；在灰度值变化比较小的情况下可以得到很好的平滑处理；降低
了图像边界部分的模糊程度，能够保护图像细节。因此，在图像处理领域，非线
性滤波得到了广泛地应用。本研究也采用中值滤波算法来去除图像噪声。
中值滤波是一种邻域运算，类似于卷积，但计算的不是加权求和，而是把邻
域中的像素按灰度级进行排序，然后选择该组的中间值作为输出像素值。其主要
功能就是让与周围像素灰度值的差比较大的像素改取与周围的像素值接近的值，
从而可以消除孤立的噪声点。具体步骤是[231：
(1)将模板在图像中漫游，并将模板中心与图像中某个像素的位置重合。
(2)读取模板下各对应像素的灰度值。
(3)将这些灰度值从小到大排成一列。
(4)找出这些值里排在中间的一个。
(5)将这个中间值赋给对应模板中心位置的像素。
<< 上一页 [11] [12] [13] [14] [15] [16] [17] [18] 下一页
视频监控系统开发平台的研制 第13页下载如图片无法显示或论文不完整，请联系qq752018766
