论文部分内容阅读
【摘 要】伴随着科技不断发展，基于OPENCV的计算机视觉技术应运而生，该技术的出现受到了社会的广泛关注。本文将对计算机视觉技术应用原理进行分析，论述基于OPENCV的运动物体检测。并且从三个角度分析基于OPENCV的图像预处理技术，为计算机视觉技术创新提供依据。
【关键词】OPENCV；计算机视觉技术；研究
计算机视觉技术能够有效的实现人眼的分类、分割、跟踪以及判别等，在先进的技术下，在视觉系统中能够创建出3D等图像元素数据，并且根据系统需求获取信息。基于OPENCV的计算机视觉技术研究比较晚，在诸多方面还处于探索阶段，在该技术研发环节中还存在着很多问题。
一、计算机视觉技术应用原理
基于OPENCV的计算机视觉技术，应用于视频中运动物体检测时，主要分为宏观和微观两种检测方式。其中宏观检测方式是指，以视频中的某一个画面为研究对象，研究内容比较整体。而微观检测方式在整幅图像的基础上，截取一小部分，根据实际需求在一小部分内部进行检测。在进行计算机视觉技术研究当中分为两个环节，第一环节，图像数据信息的采集，第二环节，对于图像数据信息预处理。例如，当在宏观的图像数据分析下，只需要对图像进行整体分析就可以，而在微观的检测技术下，需要根据技术需求，对图像进行科学分割。
二、基于OPENCV的运动物体检测
在对与动物体进行检测的环节中，在OPENCV技术基础上，需要对视频中运动的物体进行特征性的捕捉。一般正在运动的物体其轮廓、颜色以及性状等比较特殊，在特征捕捉中比较便捷。通过宏观的物体运动捕捉，将所在运动的物体与运动背景相互分离，以便于对运动物体的数据信息进行研究。基于基于OPENCV的运动物体检测主要分为三个步骤：
第一，視频流的捕捉；在进行图与像分离的过程中，需要对视频流进行科学的捕捉，保障所得的图像数据信息真实、清晰而完整。当视频流捕捉完成之后，才能够在此基础上进行图像的格式转换。
第二，视频格式的转换；所需要研究的图像数据格式有可能能与视频格式不同，因此，需要进行视频格式的转换。
第三，获取图像的预处理； 当在视频图像获取环节中，图像数据信息容易受到环境因素以及其他人为因素的干扰，为了减小图像本身所带来的误差，需要对图像进行预处理，根据实际的数据需求进行图像特征提取[2]。
三、基于OPENCV的图像预处理
计算机视觉处理技术所应用的环境比较复杂，视频数据比较容易受到环境因素的干扰而发生变化，对后期的视频数据信息处理带来麻烦。计算机视觉应用环境中存在着光照，而光照并不是一成不变的，光照在不同情况下对计算机视觉技术的所产生的影响不同。因此，需要对光照的条件进行综合考虑。同时温度、气候等因素都会对运动数据采集产生明显的影响。当这些环境因素出现时，将会使得图像采集的质量降低，为了提升图像数据信息采集的真实性，需要对基于OPENCV的图像进行预处理。当预处理完成之后才能够有序的进行运动物体的分离、检测和信息跟踪。基于OPENCV的图像预处理技术主要包含平滑度滤波、图像填充以及背景的更新等。
（一）平滑度滤波技术
基于OPENCV的图像预处理中除了环境因素的影响比较大之外，噪点问题也比较严重。平滑度滤波技术就是一种针对噪点进行处理的技术，噪点的预处理实现方式有两种：第一种，线性处理法方式。第二种，非线性处理方式。其中线性的处理方式能够直接面向图像中的噪点，将噪点消除，但是该种该种噪点消除的方式会使得图像画质不清晰，变得模糊。在噪点比较少的图像中，该种方式比较适用，并且对图像影响比较小。当图像中的噪点比较多时，使用该种直接消除噪点的方式效果比较差。因此可以采取第二种非线性的处理技术，该种技术是在复杂的图像处理下，将图像中的噪点进行缩小。噪点缩小的方式不会对图像的画质产生严重的影响，虽然在图像处理环节中所需要的时间比较长，但是效果显著，在实际应用中比较常见。
（二）图像填充技术
图像填充技术也不单一，是在逐帧处理技术下，所实现的图形后期处理。当在OPENCV技术下，将运动中的图像获取出来之后，需要利用计算机信息技术对图像进行处理。第一种处理方式为边缘填充技术，当计算机系统对物体轮廓进行辨别之后，在形态学指导下，进行漫水填充，从而实现对运动物体周围的噪点进行颜色上的填充。该种形态填充模式下，能够有效减小画面整体的元素受到影响。第二种方式就是腐蚀膨胀处理技术，该种技术的原理与第一种方式相似，增加噪点与图像的差别，使得计算机能够迅速的发现噪点，并且将噪点有效消除。
（三）背景的实时更新技术
将运动图像与背景相互分离的环节中，在此过程中，有效的发现背景元素至关重要。逐帧处理技术中，对第一帧图像固定，并且对第一帧图像所在的背景元素进行识别。然后在下一帧图像处理环节中，注意背景元素的更新。在实际背景元素更新中主要分为四个环节：第一，对系统中的第一帧图像进行判断；第二，将OPENCV技术处理下的图像进行单灰度值处理。第三，对图像噪点进行高斯平滑度滤波处理；第四，形态学下的噪点填充技术二次处理。
结论
综上所述，基于OPENCV的计算机视觉技术，主要应用于视频中运动物体检测中，在视觉系统中能够创建出3D等图像元素数据，并且根据系统需求获取信息。在OPENCV技术下的图像预处理技术是本文研究的重点，本文分别从平滑度滤波技术、图像填充技术以及背景的实时更新技术等三个基础层来分析计算机视觉技术下的图像预处理。
作者简介：陆莉芳（1977-），女，云南宣威人，硕士，讲师，研究方向：计算机科学教育。
参考文献：
[1]周鹏.基于OpenCV的双目立体视觉系统定标与三维重构技术研究[D].宁夏大学，2015.
[2]陈洋.嵌入式OpenCV的移植与人脸识别[D].辽宁师范大学，2012.
[3]吴铁峰，赵智超.OPENCV的计算机视觉技术研究[J].信息技术与信息化，2015，09：91-92.
【关键词】OPENCV；计算机视觉技术；研究
计算机视觉技术能够有效的实现人眼的分类、分割、跟踪以及判别等，在先进的技术下，在视觉系统中能够创建出3D等图像元素数据，并且根据系统需求获取信息。基于OPENCV的计算机视觉技术研究比较晚，在诸多方面还处于探索阶段，在该技术研发环节中还存在着很多问题。
一、计算机视觉技术应用原理
基于OPENCV的计算机视觉技术，应用于视频中运动物体检测时，主要分为宏观和微观两种检测方式。其中宏观检测方式是指，以视频中的某一个画面为研究对象，研究内容比较整体。而微观检测方式在整幅图像的基础上，截取一小部分，根据实际需求在一小部分内部进行检测。在进行计算机视觉技术研究当中分为两个环节，第一环节，图像数据信息的采集，第二环节，对于图像数据信息预处理。例如，当在宏观的图像数据分析下，只需要对图像进行整体分析就可以，而在微观的检测技术下，需要根据技术需求，对图像进行科学分割。
二、基于OPENCV的运动物体检测
在对与动物体进行检测的环节中，在OPENCV技术基础上，需要对视频中运动的物体进行特征性的捕捉。一般正在运动的物体其轮廓、颜色以及性状等比较特殊，在特征捕捉中比较便捷。通过宏观的物体运动捕捉，将所在运动的物体与运动背景相互分离，以便于对运动物体的数据信息进行研究。基于基于OPENCV的运动物体检测主要分为三个步骤：
第一，視频流的捕捉；在进行图与像分离的过程中，需要对视频流进行科学的捕捉，保障所得的图像数据信息真实、清晰而完整。当视频流捕捉完成之后，才能够在此基础上进行图像的格式转换。
第二，视频格式的转换；所需要研究的图像数据格式有可能能与视频格式不同，因此，需要进行视频格式的转换。
第三，获取图像的预处理； 当在视频图像获取环节中，图像数据信息容易受到环境因素以及其他人为因素的干扰，为了减小图像本身所带来的误差，需要对图像进行预处理，根据实际的数据需求进行图像特征提取[2]。
三、基于OPENCV的图像预处理
计算机视觉处理技术所应用的环境比较复杂，视频数据比较容易受到环境因素的干扰而发生变化，对后期的视频数据信息处理带来麻烦。计算机视觉应用环境中存在着光照，而光照并不是一成不变的，光照在不同情况下对计算机视觉技术的所产生的影响不同。因此，需要对光照的条件进行综合考虑。同时温度、气候等因素都会对运动数据采集产生明显的影响。当这些环境因素出现时，将会使得图像采集的质量降低，为了提升图像数据信息采集的真实性，需要对基于OPENCV的图像进行预处理。当预处理完成之后才能够有序的进行运动物体的分离、检测和信息跟踪。基于OPENCV的图像预处理技术主要包含平滑度滤波、图像填充以及背景的更新等。
（一）平滑度滤波技术
基于OPENCV的图像预处理中除了环境因素的影响比较大之外，噪点问题也比较严重。平滑度滤波技术就是一种针对噪点进行处理的技术，噪点的预处理实现方式有两种：第一种，线性处理法方式。第二种，非线性处理方式。其中线性的处理方式能够直接面向图像中的噪点，将噪点消除，但是该种该种噪点消除的方式会使得图像画质不清晰，变得模糊。在噪点比较少的图像中，该种方式比较适用，并且对图像影响比较小。当图像中的噪点比较多时，使用该种直接消除噪点的方式效果比较差。因此可以采取第二种非线性的处理技术，该种技术是在复杂的图像处理下，将图像中的噪点进行缩小。噪点缩小的方式不会对图像的画质产生严重的影响，虽然在图像处理环节中所需要的时间比较长，但是效果显著，在实际应用中比较常见。
（二）图像填充技术
图像填充技术也不单一，是在逐帧处理技术下，所实现的图形后期处理。当在OPENCV技术下，将运动中的图像获取出来之后，需要利用计算机信息技术对图像进行处理。第一种处理方式为边缘填充技术，当计算机系统对物体轮廓进行辨别之后，在形态学指导下，进行漫水填充，从而实现对运动物体周围的噪点进行颜色上的填充。该种形态填充模式下，能够有效减小画面整体的元素受到影响。第二种方式就是腐蚀膨胀处理技术，该种技术的原理与第一种方式相似，增加噪点与图像的差别，使得计算机能够迅速的发现噪点，并且将噪点有效消除。
（三）背景的实时更新技术
将运动图像与背景相互分离的环节中，在此过程中，有效的发现背景元素至关重要。逐帧处理技术中，对第一帧图像固定，并且对第一帧图像所在的背景元素进行识别。然后在下一帧图像处理环节中，注意背景元素的更新。在实际背景元素更新中主要分为四个环节：第一，对系统中的第一帧图像进行判断；第二，将OPENCV技术处理下的图像进行单灰度值处理。第三，对图像噪点进行高斯平滑度滤波处理；第四，形态学下的噪点填充技术二次处理。
结论
综上所述，基于OPENCV的计算机视觉技术，主要应用于视频中运动物体检测中，在视觉系统中能够创建出3D等图像元素数据，并且根据系统需求获取信息。在OPENCV技术下的图像预处理技术是本文研究的重点，本文分别从平滑度滤波技术、图像填充技术以及背景的实时更新技术等三个基础层来分析计算机视觉技术下的图像预处理。
作者简介：陆莉芳（1977-），女，云南宣威人，硕士，讲师，研究方向：计算机科学教育。
参考文献：
[1]周鹏.基于OpenCV的双目立体视觉系统定标与三维重构技术研究[D].宁夏大学，2015.
[2]陈洋.嵌入式OpenCV的移植与人脸识别[D].辽宁师范大学，2012.
[3]吴铁峰，赵智超.OPENCV的计算机视觉技术研究[J].信息技术与信息化，2015，09：91-92.