基于OPENCV的計算機視覺技術研究

【摘 要】伴隨著科技不斷發展，基于OPENCV的計算機視覺技術應運而生，該技術的出現受到了社會的廣泛關注。本文將對計算機視覺技術應用原理進行分析，論述基于OPENCV的運動物體檢測。并且從三個角度分析基于OPENCV的圖像預處理技術，為計算機視覺技術創新提供依據。

【關鍵詞】OPENCV；計算機視覺技術；研究

計算機視覺技術能夠有效的實現人眼的分類、分割、跟蹤以及判別等，在先進的技術下，在視覺系統中能夠創建出3D等圖像元素數據，并且根據系統需求獲取信息。基于OPENCV的計算機視覺技術研究比較晚，在諸多方面還處于探索階段，在該技術研發環節中還存在著很多問題。

一、計算機視覺技術應用原理

基于OPENCV的計算機視覺技術，應用于視頻中運動物體檢測時，主要分為宏觀和微觀兩種檢測方式。其中宏觀檢測方式是指，以視頻中的某一個畫面為研究對象，研究內容比較整體。而微觀檢測方式在整幅圖像的基礎上，截取一小部分，根據實際需求在一小部分內部進行檢測。在進行計算機視覺技術研究當中分為兩個環節，第一環節，圖像數據信息的采集，第二環節，對于圖像數據信息預處理。例如，當在宏觀的圖像數據分析下，只需要對圖像進行整體分析就可以，而在微觀的檢測技術下，需要根據技術需求，對圖像進行科學分割。

二、基于OPENCV的運動物體檢測

在對與動物體進行檢測的環節中，在OPENCV技術基礎上，需要對視頻中運動的物體進行特征性的捕捉。一般正在運動的物體其輪廓、顏色以及性狀等比較特殊，在特征捕捉中比較便捷。通過宏觀的物體運動捕捉，將所在運動的物體與運動背景相互分離，以便于對運動物體的數據信息進行研究。基于基于OPENCV的運動物體檢測主要分為三個步驟：

第一，視頻流的捕捉；在進行圖與像分離的過程中，需要對視頻流進行科學的捕捉，保障所得的圖像數據信息真實、清晰而完整。當視頻流捕捉完成之后，才能夠在此基礎上進行圖像的格式轉換。

第二，視頻格式的轉換；所需要研究的圖像數據格式有可能能與視頻格式不同，因此，需要進行視頻格式的轉換。

第三，獲取圖像的預處理； 當在視頻圖像獲取環節中，圖像數據信息容易受到環境因素以及其他人為因素的干擾，為了減小圖像本身所帶來的誤差，需要對圖像進行預處理，根據實際的數據需求進行圖像特征提取[2]。

三、基于OPENCV的圖像預處理

計算機視覺處理技術所應用的環境比較復雜，視頻數據比較容易受到環境因素的干擾而發生變化，對后期的視頻數據信息處理帶來麻煩。計算機視覺應用環境中存在著光照，而光照并不是一成不變的，光照在不同情況下對計算機視覺技術的所產生的影響不同。因此，需要對光照的條件進行綜合考慮。同時溫度、氣候等因素都會對運動數據采集產生明顯的影響。當這些環境因素出現時，將會使得圖像采集的質量降低，為了提升圖像數據信息采集的真實性，需要對基于OPENCV的圖像進行預處理。當預處理完成之后才能夠有序的進行運動物體的分離、檢測和信息跟蹤。基于OPENCV的圖像預處理技術主要包含平滑度濾波、圖像填充以及背景的更新等。

（一）平滑度濾波技術

基于OPENCV的圖像預處理中除了環境因素的影響比較大之外，噪點問題也比較嚴重。平滑度濾波技術就是一種針對噪點進行處理的技術，噪點的預處理實現方式有兩種：第一種，線性處理法方式。第二種，非線性處理方式。其中線性的處理方式能夠直接面向圖像中的噪點，將噪點消除，但是該種該種噪點消除的方式會使得圖像畫質不清晰，變得模糊。在噪點比較少的圖像中，該種方式比較適用，并且對圖像影響比較小。當圖像中的噪點比較多時，使用該種直接消除噪點的方式效果比較差。因此可以采取第二種非線性的處理技術，該種技術是在復雜的圖像處理下，將圖像中的噪點進行縮小。噪點縮小的方式不會對圖像的畫質產生嚴重的影響，雖然在圖像處理環節中所需要的時間比較長，但是效果顯著，在實際應用中比較常見。

（二）圖像填充技術

圖像填充技術也不單一，是在逐幀處理技術下，所實現的圖形后期處理。當在OPENCV技術下，將運動中的圖像獲取出來之后，需要利用計算機信息技術對圖像進行處理。第一種處理方式為邊緣填充技術，當計算機系統對物體輪廓進行辨別之后，在形態學指導下，進行漫水填充，從而實現對運動物體周圍的噪點進行顏色上的填充。該種形態填充模式下，能夠有效減小畫面整體的元素受到影響。第二種方式就是腐蝕膨脹處理技術，該種技術的原理與第一種方式相似，增加噪點與圖像的差別，使得計算機能夠迅速的發現噪點，并且將噪點有效消除。

（三）背景的實時更新技術

將運動圖像與背景相互分離的環節中，在此過程中，有效的發現背景元素至關重要。逐幀處理技術中，對第一幀圖像固定，并且對第一幀圖像所在的背景元素進行識別。然后在下一幀圖像處理環節中，注意背景元素的更新。在實際背景元素更新中主要分為四個環節：第一，對系統中的第一幀圖像進行判斷；第二，將OPENCV技術處理下的圖像進行單灰度值處理。第三，對圖像噪點進行高斯平滑度濾波處理；第四，形態學下的噪點填充技術二次處理。

結論

綜上所述，基于OPENCV的計算機視覺技術，主要應用于視頻中運動物體檢測中，在視覺系統中能夠創建出3D等圖像元素數據，并且根據系統需求獲取信息。在OPENCV技術下的圖像預處理技術是本文研究的重點，本文分別從平滑度濾波技術、圖像填充技術以及背景的實時更新技術等三個基礎層來分析計算機視覺技術下的圖像預處理。

作者簡介：陸莉芳（1977-），女，云南宣威人，碩士，講師，研究方向：計算機科學教育。

參考文獻：

[1]周鵬.基于OpenCV的雙目立體視覺系統定標與三維重構技術研究[D].寧夏大學，2015.

[2]陳洋.嵌入式OpenCV的移植與人臉識別[D].遼寧師范大學，2012.

[3]吳鐵峰，趙智超.OPENCV的計算機視覺技術研究[J].信息技術與信息化，2015，09：91-92.