opencv论文

XI`ANTECHNOLOGICALUNIVERSITY课程论文课程名称基于OPENCV的轮廓检测专业：信息与计算科学班级：121002姓名：张亮、杨红啟学号：121002115、121002113实验学时：8指导教师：刘建伟成绩：2015年12月4日1西安工业大学课程设计（论文）用纸摘要OpenCV是Ｉntel公司开发的开源计算机视觉库，由一系列Ｃ函数和少量Ｃ＋＋类构成，实现了图像处理和计算机视觉方面的很多通用算法，具备强大的图像和矩阵运算能力，其中计算机视觉函数库包含图像处理、结构分析、运动分析、对象跟踪、模式识别、摄像机定标和三维重建等算法．OpenCV中摄像机标定模块为用户提供了良好的接口，同时支持Windows、Linux平台，极大地提高了开发效率，执行速度快，具有良好的移植性，可以很好地应用于工程实际中。数字图像处理（DigitalImageProcessing）又称为计算机图像处理，它是指将图像信号转换成数字信号并利用计算机对其进行处理的过程。图像是人类获取和交换信息的主要来源，因此，图像处理的应用领域必然涉及到人类生活和工作的方方面面。随着人类活动范围的不断扩大，图像处理的应用领域也将随之不断扩大。其中轮廓检测就是对图像外部特征进行提取分析，图像的外部特征包括的如方向，形状，基础性质等，随着科技的不断发展，人们对事物的内在和外在了解程度的不断加深，轮廓检测这门技术在图像处理的领域显得格外重要。轮廓检测常用的方法是轮廓跟踪轮廓提取，以及边缘检测中的几种对轮廓进行处理的方法。方法具体内容将在文章下面介绍。通过了解方法和原理我们将在一个开源的函数库OpenCV，借助其强大的各种函数完成对图像的轮廓检测。关键词:OpenCv，轮廓检测，轮廓提取，轮廓跟踪基于opencv的轮廓检测2基于opencv的轮廓检测目录第一章前言.......................................................31.1课题背景..................................................31.2图像处理..................................................31.2.1数字图像处理概述......................................31.2.2图像处理的现状和前景..................................31.2.3图像处理基础知识......................................41.3本文主要研究内容..........................................4第二章轮廓检测技术...............................................52.1图像分割..................................................52.1.2概述....................................................52.1.3分割方法................................................72.2边缘检测..................................................82．2．1边缘检测概述.........................................82．2．2边缘检测基础算法.....................................92.3轮廓检测方法..............................................112．3．1轮廓跟踪法..........................................112.3.2轮廓提取.............................................122.3.3边缘检测技术对轮廓处理..............................13第三章用OPENCV实现轮廓检测....................................163.1OPENCV初始化............................................163.2OPENCV库函数简介........................................183.3用OPENCV实现轮廓检测....................................18第四章总结......................................................22参考文献.........................................................223基于opencv的轮廓检测第一章前言1.1课题背景随着图像处理技术的逐步发展和成熟,人们在日程生活和工作中,对图像处理的要求逐渐提高,随着数字化和多媒体化时代的来临,数字图像处理技术已经成为必备的基础知识!在日常生活中，图像处理已经得到广泛应用。例如，电脑人像艺术，电视中的特殊效果，自动售货机钞票的识别，邮政编码的自动识别和利用指纹、虹膜、面部等特征的身份识别等。轮廓检测技术更是广泛的应用与各个专业领域中。在图像拍摄模糊或者照片不清晰，但又需要其中内容的时候，轮廓检测无疑是重要的手段之一.学习过轮廓检测后，他会帮助你对其他的图像处理技术中的检测方法理解起来更加简单。1.2图像处理1.2.1数字图像处理概述数字图像处理又称为计算机图像处理，它是指将图像信号转换成数字信号并利用计算机对其进行处理的过程。用计算机进行图像处理的前提是图像必须以数字格式存储，我们把以数字格式存放的图像称之为数字图像。常见的各种照片、图片、海报、广告画等均属模拟图像，要将模拟图像数字化后生成数字图像，需要利用数字化设备。目前，将模拟图像数字化的主要设备是扫描仪，将视频画面数字化的设备有图像采集卡。当然，也可以利用数码照相机直接拍摄以数字格式存放的数字图像。模拟图像经扫描仪进行数字化或由数码照相机拍摄的自然景物图像，在计算机中均是以数字格式存储的。既然是数字，计算机当然可以方便地进行各种处理，以达到视觉效果和特殊效果。1.2.2图像处理的现状和前景数字图像处理最早出现于20世纪50年代，人们开始利用计算机来处理图形和图像信息。数字图像处理作为一门学科大约形成于20世纪60年代初期。早期的图像处理的目的是改善图像的质量。输入的是质量低的图像，输出的是改善质量后的4基于opencv的轮廓检测2图像。首次获得实际成功应用的是美国喷气推进实验室。他们对航天探测器在1964年发回的几千张月球照片使用了图像处理技术，为人类登月创举奠定了坚实的基础，也推动了数字图像处理这门学科的诞生。数字图像处理取得的另一个巨大成就是在医学上获得的成果。1972年英国工程师Housfield发明了用于头颅诊断的X射线计算机断层摄影装置，也就是我们通常所说的CT。CT的基本方法是根据人的头部截面的投影，经计算机处理来重建截面图像。1979年，这项无损伤诊断技术获得了诺贝尔奖，说明它对人类作出了划时代的贡献。从70年代中期开始，随着计算机技术和人工智能、思维科学研究的迅速发展，数字图像处理向更高、更深层次发展。人们已开始研究图像理解或计算机视觉。很多发达国家投入更多的人力、物力到这项研究，取得了不少重要的研究成果。其中代表性的成果是70年代末MIT的Marr提出的视觉计算理论，这个理论成为计算机视觉领域其后十多年的主导思想。图像理解虽然在理论方法研究上已取得不小的进展，但它本身是一个比较难的研究领域，存在不少困难，因人类本身对自己的视觉过程还了解甚少，因此计算机视觉是一个有待人们进一步探索的新领域。1.2.3图像处理基础知识图像处理的方法有模拟式和数字式两种。由于数字计算技术的迅猛发展，数字图像处理技术得到了广泛的应用。我们日常生活中见到的图像一般是连续形式的模拟图像，所以数字图像处理的一个先决条件就是将连续图像离散化，转换为数字图像。图像的数字化包括采样和量化两个过程。1.3本文主要研究内容本文主要研究数字图像处理中边缘检测和轮廓检测的原理和算法，通过对原理和算法学习，使读者尽快可以对需要的图片进行边缘/轮廓检测。通过产生图像对比原来图像，找出轮廓检测几种方法在使用上的区别。并且能够根据自己的需要使用适当的方法进行轮廓检测或者边缘检测处理。学习和使用OpenCV对其常见的几种函数有初步了解。使用OpenCV提供的各种函数进行轮廓检测或者边缘检测。5第二章轮廓检测技术2.1图像分割2.1.2概述进行轮廓检测或者边缘检测首先必须了解图像分割。图像分割是将图像划分成若干个互不相交的小区域的过程，是进行边缘轮廓检测的重要步骤。小区域是某种意义下具有共同属性的像素的连通集合。如不同目标物体所占的图像区域、前景所占的图像区域等。连通是指集合中任意两个点之间都存在着完全属于该集合的连通路径。对于离散图像而言，连通有4连通和8连通之分，如图2.1所示。图2.14连通和8连通4连通指的是从区域上一点出发，可通过4个方向，即上、下、左、右移动的组合，在不越出区域的前提下，到达区域内的任意像素；8连通方法指的是从区域上一点出发，可通过左、右、上、下、左上、右上、左下、右下这8个方向的移动组合来到达区域内的任意像素。图像分割有三种不同的途径：1）是将各像素划归到相应物体或区域的像素聚类方法,即区域法。2）是通过直接确定区域间的边界来实现分割的边界方法。3）是首先检测边缘像素，再将边缘像素连接起来构成边界形成分割。在图像分割技术中，最常用的是利用阈值化处理进行的图像分割。在图像的阈值化处理过程中，选用不同的阈值其处理结果差异很大。如图2.2(a)所示,阈值过大，会提取多余的部分；而阈值过小，又会丢失所需的部分（注意：当前背景为黑色，对象为白色时刚好相反）。因此，阈值的选取非常重要。6图2.2(a)原始图像的直方图如图2.3所示。分析该直方图可知，该直方图具有双峰特性，图像中的目标（细胞）分布在较暗的灰度级上形成一个波峰，图像中的背景分布在较亮的灰度级上形成另一个波峰。此时，用其双峰之间的谷低处灰度值作为阈值T进行图像的阈值化处理，便可将目标和背景分割开来（c）(d)图2.2图像分割演示7图2.3直方图2.1.3分割方法常用的图像分割方法是把图像灰度分成不同的等级，然后用设置灰度门限（阈值）的方法确定有意义的区域或分割物体的边界。常用的阈值化处理就是图像的二值化处理，即选择一阈值，将图像转换为黑白二值图像，用于图像分割及边缘跟踪等预处理。1970年布莱斯和芬尼玛提出一种分割方法，如图2.4所示。图2.4（a）是具有灰度级的3×3的G阵列，图2.4（b）是对G的分割结果。其中，图像格子为G，它是大格子S的子格子。G为n×m的格子，S是（2n＋1）×（2m＋1）的大格子。在大格子中，G(i,j)点位于S的(2i+1,2j+1)点上。G中的点与S中的点相对应，其中每一下标都是奇数，其余的点用来代表区域的边界。以这种形式表现的区域，产生一种寻找最大连接区域的方法。G中的点与它上边和右边的点相比较，灰度级相同就合并，灰度级不同就插入边界线。把图像中的每个点都处理过之后，整个图像就被分割成区域。在这个例子中，由于采用了4连通等价关系，因此，由图可见，在对角线方向上的等灰度级产生了隔开的区域。8图2.4布莱斯和芬尼玛提出分割方法分割的目的是把一幅图像划分成一些区域，最直接的方法就是把一幅图像分成满足某种判据的区域，也就是说，把点组成区域。为了实现分组，首先要确定区域的数目，其次要确定一个区域与其他区域相区别的特征，最后还要产生有意义分割的相似性判据。分割区域的一种方