OpenCV圖像處理編程研究

晁 越，李中健，黃士飛（.西北工業(yè)大學(xué) 自動化學(xué)院，陜西 西安 709；.中國人民解放軍978部隊 上海00436）

OpenCV的全稱是：Open Source Computer Vision Library。是Intel公司支持的開源計算機(jī)視覺庫。它輕量級而且高效——由一系列C函數(shù)和少量C++類構(gòu)成，實現(xiàn)了圖像處理和計算機(jī)視覺方面的很多通用算法。由于OpenCV的源代碼是完全開放的，而且源代碼的編寫簡潔而又高效，特別是其中大部分的函數(shù)都已經(jīng)過匯編最優(yōu)化，以使之能高效而充分地利用英特爾系列處理芯片的設(shè)計體系，所以近年來在國外的圖像處理相關(guān)領(lǐng)域中被廣泛地使用，成為一種流行的圖像處理軟件。

1 OpenCV常用的數(shù)據(jù)結(jié)構(gòu)

OpenCV設(shè)計了一些基礎(chǔ)的數(shù)據(jù)類型和一些幫助數(shù)據(jù)類型，在運用OpenCV函數(shù)庫進(jìn)行編程的過程中，常常會需要用到這些結(jié)構(gòu)類型，只有真正了解這些結(jié)構(gòu)才能夠很好地利用OpenCV函數(shù)庫來解決問題。我們在此僅介紹IplImage進(jìn)行介紹。通常情況下，使用DIB格式來處理圖像，而OpenCV庫則是使用 “IplImage”結(jié)構(gòu)體來創(chuàng)造和處理圖像。由于OpenCV主要針對的是計算機(jī)視覺方面的處理，因此在函數(shù)庫中，最重要的結(jié)構(gòu)體就是IplImage結(jié)構(gòu)。IplImage結(jié)構(gòu)來源于inter的另外一個函數(shù)庫IPL，該函數(shù)庫主要是針對圖像處理。使用這種格式的優(yōu)點是可以比DIB格式表示更多的圖像性質(zhì)，而且可以很方便地存取圖像中的像素值，IplImage結(jié)構(gòu)的具體定義如下[1]：

width和height這兩個變量很重要，其次是depth和nchannals。depth變量的值取自ipl.h中定義的一組數(shù)據(jù)，但與在矩陣中看到的對應(yīng)變量不同。因為在圖像中，我們往往將深度和通道數(shù)分開處理，而在矩陣中，我們往往同時表示它們。可用的深度值如表1所示（通道數(shù)nChannels可取的值是1，2，3或4）。

表1 OpenCV圖像類型Tab.1 Image types of OpenCV

2 OpenCV常用體系和常用函數(shù)

OpenCV1.0版本，包含以下5個部分：

1）CxCore：一些基本函數(shù)（各種數(shù)據(jù)類型的基本類型的基本運算等）。

2）CV：圖像處理和計算機(jī)視覺功能（圖像處理、結(jié)構(gòu)分析、運動分析、物體跟蹤、模式識別、攝像機(jī)定標(biāo)）。

3）CvAux：一些實驗性的函數(shù)。

4）HighGUI：用戶交互部分（GUI，圖像視頻I/O、系統(tǒng)調(diào)用函數(shù)）。

5）CvCam：linux版本中已經(jīng)拋棄，windows版本中將directx支持加入HighGUI后，CVCam將徹底去掉。

下面介紹一下OpenCV中常用的3種函數(shù)：

1）LoadImage（）：圖像載入函數(shù)

語 法：IplImage*cvLoadImage（const char*filename，int iscolor＝1）；

參數(shù)類型說明

Filename const char*待載入圖像的名稱，包括圖像的擴(kuò)展名

Iscolor int輔助參數(shù)項，可選正數(shù)、負(fù)數(shù)、零。正數(shù)表示強(qiáng)制作為三通道（彩色）圖像載入，零表示該圖像作為單通道（灰度）圖像，負(fù)數(shù)表示載入圖像的通道數(shù)由圖像文件自身決定

返回值：IplImage結(jié)構(gòu)指針

2）NamedWindow（）：窗口定義函數(shù)

語 法：int cvNamedWindow （const char*name，unsigned long flags）；

參數(shù)類型說明

Name const char*窗口名

Flags unsigned long窗口屬性指標(biāo)值，可以選擇CV_WINDOW_AUTOSIZE

1和0兩種值。CV_WINDOW_AUTOSIZE表示窗口尺寸與原始尺寸相同，0表示以固定的尺寸顯示圖像

說明：cvNamedWindow創(chuàng)建一個放置圖像和rtackbar的窗口。被創(chuàng)建的窗口可以通過他們的名字被引用。如果已經(jīng)存在這個名字的窗口，這個函數(shù)將不做任何事情。

返回值：無。

3）WaitKey（）：按鈕等待函數(shù)

語法：int cvWaitKey（int delay＝0）；

參數(shù)類型說明

Delay int等待按鍵。如果delay＜＝0，那么無限等待；否則等待delay毫秒這返回

說明：在程序循環(huán)中，有時候由于程序一直處于計算中，導(dǎo)致窗口無法重繪（比如讀出視頻中的所有幀并顯示），可以加入cvWaitKey函數(shù)，使程序等待幾毫秒，讓窗口完成重繪在執(zhí)行其他操作。

3 Vincent算法的基本思想和實現(xiàn)

早期的分水嶺算法的效率較低，Vincent[3]提出的改進(jìn)分水嶺算法使處理效率大大提高，使得分水嶺算法為越來越多的學(xué)者所重視。

Vincent分水嶺算法處理過程：

1）排序過程，按圖像各像素的灰度值進(jìn)行升序排列；

2）浸沒過程，對每一層的閾值進(jìn)行寬度優(yōu)先搜索，通過queue結(jié)構(gòu)（FIFO）完成；

下面對該算法的處理過程進(jìn)行詳細(xì)的描述[4]：

1）排序過程

對指針進(jìn)行操作，確定圖像精確的灰度級頻率分布。使得每個像素都可以被直接定位到排序數(shù)組中的唯一單元。

n，圖像的像素數(shù)目；

hmin，最低的灰度級別；

hmax，最高的灰度級別。

這種排序技術(shù)只需要2n步 “查找和處理”操作，（hmaxhmin－1）步“賦值”操作以得到累積頻率分布。所以，排序所需要的時間和所占用的內(nèi)存幾乎可以忽略不計。從而，能夠直接從排序數(shù)組（元素為指向圖像像素的指針）中讀取給定層高的某層像素，用于下一步的浸沒操作。

2）浸沒過程

一旦，對圖像的像素排序完畢，就開始進(jìn)行浸沒聚水盆的操作。假定，現(xiàn)在已經(jīng)浸沒到高度為h的某層。每個被找到聚水盆（例如，每個聚水盆的相應(yīng)最小值的點的高度都低于或等于h）被賦予一個唯一的標(biāo)識。由于已經(jīng)有了像素的排序數(shù)組，所以我們可以直接讀取h+1層的像素，并給賦給它們具體的值，這一過程稱為“MASK”。作為當(dāng)前像素鄰居、已經(jīng)被標(biāo)識的像素被放進(jìn)queue里。從這些像素開始，queue可以將標(biāo)識好的聚水盆擴(kuò)展，并遞歸浸沒過程，直至所有的像素都被處理。

4 OpenCV中分水嶺分割實現(xiàn)

OpenCV函數(shù)庫中分水嶺源代碼是在Vincent分水嶺算法的基礎(chǔ)上進(jìn)行的改進(jìn)。它首先計算灰度圖像[5]的梯度；這對山谷或沒有紋理的盆地（亮度是低的點）的形成有效，也對山頭或圖像中有主導(dǎo)線段的山脈（山脊對應(yīng)的邊緣）的形成有效。然后開始從用戶指定點（或算法得到點）開始持續(xù)“灌注”盆地直到這些區(qū)域連在一起。基于這樣產(chǎn)生的標(biāo)記就可以把區(qū)域合并到一起，合并后的區(qū)域又通過聚集的方式進(jìn)行分割，好像圖像被“填充”起來一樣。通過這種方式，與指示點相連的盆地就為指示點“所擁有”。最終能把圖像分割成相應(yīng)的標(biāo)記區(qū)域。

更確切地說，該分水嶺算法允許用戶（或算法）來標(biāo)記目標(biāo)的某個部分為目標(biāo)，或背景的某個部分為背景。用戶或算法可以通過畫一條簡單的線，有效地告知分水嶺算法把這些點像這樣的組合起來。接著分水嶺算法通過允許在梯度圖像中和片段連接的標(biāo)識區(qū)域“擁有”邊沿定義的山谷來分割圖像。

分水嶺算法的函數(shù)定義如下[6]：

void cvWatershed（const CvArr*image，CvArr*markers）；

這里image是一個8位 （三通道）的彩色圖像，而markers是單通道整型（IPL_DEPTH_32S），具有相同維數(shù)（x，y）。除非用戶（或算法）用正整數(shù)標(biāo)記屬于同一部分的區(qū)域，markers的值都是0。

5 仿真結(jié)果

如圖2所示，左邊的青椒被標(biāo)記為1，中間的青椒被標(biāo)記為2，上邊的青椒被標(biāo)記為3，右邊的被標(biāo)記為4，背景被標(biāo)記為5。程序通過對每個標(biāo)記給定一個正整數(shù)，并把未標(biāo)記的區(qū)域記為-1，從而告知分水嶺用戶標(biāo)記的邊緣，并在此基礎(chǔ)上進(jìn)行分水嶺分割，然后用隨機(jī)生成的顏色填充分割后的區(qū)域，得到最終的結(jié)果如圖3。

圖2 分割前標(biāo)記圖Fig.2 Marked original image

圖3 分割結(jié)果圖Fig.3 Watershed segmentation image

6 結(jié)束語

由于時間的限制，本文僅在了解OpenCV初級使用的基礎(chǔ)上，對數(shù)字圖像進(jìn)行了分割處理，并未達(dá)到自適應(yīng)的效果。希望在研究生階段能深入了解OpenCV的特性，更好的掌握OpenCV的使用，通過該軟件提高對數(shù)字圖像的處理技術(shù)；并嘗試通過移植OpenCV在DSP平臺上實現(xiàn)圖像處理功能。

圖1 原圖像Fig.1 Original image

[1]陳勝勇，劉盛.基于OpenCV的計算機(jī)視覺技術(shù)實現(xiàn)[M].北京：科學(xué)出版社，2008.

[2]Gary Bradski and Adrian Kaebler.Learning OpenCV（影印版）[M].南京：東南大學(xué)出版社，2009.

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

[4]景曉軍.圖像處理技術(shù)及應(yīng)用[M].北京：國防工業(yè)出版社，2005.

[5]劉瑞禎，于仕琪.OpenCV教程基礎(chǔ)篇[M].北京：北京航空航天大學(xué)出版社，2007.

[6]章毓晉.圖像分割[M].北京：科學(xué)出版社，2001.