摘 要：文章主要對相機視野的移動方向進行判斷。針對相機拍攝到的低像素下的一系列圖片，利用MATLAB圖像處理功能進行統(tǒng)一處理，通過分層原理在每幀圖片上設(shè)置一定數(shù)量的宏觀特征點，而宏觀特征點由若干微觀像素點組成，從而標記圖像，然后通過對圖片逐幀分析，設(shè)定諸多闕值，用于判斷和追蹤特征點，進而判斷相機視野的移動方向。

關(guān)鍵詞：MATLAB圖像處理；分層特征點；闕值分析法；視野移動方向判斷

引言

相機實際拍攝過程情況十分復(fù)雜，根據(jù)視頻中攝像機和場景之間是否運動可以將物體的運動分為以下幾種模式，有目標靜止-相機移動，目標移動-相機靜止，目標移動-相機移動等，其中目標靜止-相機移動主要用于機器人視覺導(dǎo)航，電子地圖的自動生成，以及三維場景理解等[1]。文章主要針對此模式，通過MATLAB圖像處理與數(shù)據(jù)運算功能，建立數(shù)學模型以分析移動相機視野的移動方向。

1 模型的建立與求解

建立的算法需要逐幀對圖像設(shè)置特征點以標識圖像時序，并逐幀對圖像的特征點進行跟蹤，位置坐標化。因此，對于特征點的設(shè)置直接影響視野移動方向判斷的準確性。

圖像灰度的大小可以表達黑白面積所占的比例，顏色越淺，該像素大小的實際圖形空白區(qū)域越多。計算機灰度位圖的灰度是有由一個從0到255的數(shù)字來表示，且純黑為0，純白為255。

令灰度為H，H=[0.255]，可以定義灰度分數(shù)h=[2]

利用MATLAB圖像處理功能對捕獲的逐幀圖像進行灰度處理（如下圖1圖2所示），并以一個像素為一個單位，以左下角像素為坐標原點建立平面直角坐標系，對每個像素的位置進行坐標化，每個像素代表其所在位置的灰度值。

我們在宏觀上標定初始圖像的中點為主特征點A0，此特征點由九宮格形式的像素點組成，并用中心像素的坐標值標識A0，同理，以此A0為中心標記另外四個頂點A1，A2，A3，A4作為副特征點構(gòu)成矩形。

特征點的坐標值以微觀像素的中心像素坐標標識。圖2所示為每個特征點的微觀結(jié)構(gòu)，數(shù)值代表各像素的灰度值。

2 闕值分析法對特征點的判定與追蹤

基于上述模型準備，根據(jù)闕值分析法編寫MATLAB程序首先對相機在平行面的平動情形判斷視野的移動。

首先，通過MATLAB將10幀圖像按時序?qū)胲浖?，進行灰度處理。

設(shè)置各特征點A0（16，32），A1（11，26），A2（21，26），A3（11，38），A4（21，38）

以Hk，s=ai-1，j-1 ai-1，j ai-1，j+1ai，j-1 ai，j ai，j+1ai+1，j-1 ai+1，j ai+1，j+1作為第k幀圖像的第s個特征點的灰度值矩陣。

設(shè)定灰度值闕值T1，在第k+1幀圖像內(nèi)首先尋找所有滿足條件的|am，n-aAo|？燮T1的像素點，構(gòu)成疑似特征點坐標集合D0=[A0，1 A0，1 A0，1…………]和疑似特征點灰度值矩陣H0。

設(shè)定九宮格內(nèi)像素灰度值匹配度闕值T2，將疑似特征點為中心的九宮格灰度值與第k幀圖像的主特征點A0九宮格對應(yīng)位置像素的灰度值進行比較，當滿足|am'，n'-aA'o|？燮T1的像素在九宮格中所占的個數(shù)M>T2時，即可確定唯一的第k+1幀圖像內(nèi)的主特征點，并標記為A0k+1，實現(xiàn)了對主特征點進行跟蹤標識。同理，設(shè)置副特征點匹配度闕值T3，對第k+1幀圖像的各副特征點進行標識追蹤，分別記為Axk+1（mk+1，nk+1），Hk+1，x其中（x=1，2，3，或4），用于當A0k+1不唯一時對主特征點進行唯一識別。

由于拍攝過程中相機將發(fā)生微小的抖動，為了消除抖動帶來的特征點移動引起的誤差，引入第k幀主特征點的坐標與第1幀圖像的主特征點的坐標距離的闕值T4，當|Axk+1（mk+1，nk+1）-A0（16，32）|>T4時，即可在消除抖動的影響后判斷相機視野的移動的距離和方向。

最終，可以通過滿足所有闕值條件的主特征點與初始特征點坐標進行運算，即可得到視野移動方向。

3 模型的性能參數(shù)

根據(jù)對整體模型的搭建，初選10幀連續(xù)圖片，設(shè)定各特征點A0（16，32），A1（11，26），A2（21，26），A3（11，38），A4（21，38），設(shè)置闕值T1=5，T2=7，T3=4，T4=5，使用編寫的MATLAB程序進行運算。

為了對我們的模型進行性能分析，我們定義以幾個參數(shù)：

（1）最少幀幅數(shù)Z。如果能使用少的圖像數(shù)量檢測到視野移動方向，能夠是模型運算更加簡化。

（2）程序運行時間TI。此參數(shù)體現(xiàn)了模型的時效性，較少的時間代表著模型能夠更加迅速的得出結(jié)果。

可以分析得模型的性能參數(shù)主要受各闕值的設(shè)定值，特征點、特征像素的數(shù)量和位置影響，所以，研究不同影響因素對模型性能參數(shù)的影響，使用盡量少的幀數(shù)和運算時間，建立優(yōu)化模型，即：

min（Z，TI）=f（T1，T2，T3，T4）

便于在保證準確性的條件下，對特征點的數(shù)量及位置進行調(diào)整，可提高運算速度。

4 模型的評價

4.1 模型的優(yōu)點

（1）在問題要求的條件下，本模型可以較為精確地體現(xiàn)視野的移動方向。

（2）闕值分析在鏡頭緩慢移動的情況下可以消除抖動，光照等條件的影響。

（3）模型的調(diào)整能力強，可以通過調(diào)整不同參數(shù)，達到性能最優(yōu)化目的。

4.2 模型的缺點

（1）由于模型對鏡頭的移動方向進行約束，對于存在鏡頭轉(zhuǎn)動的情況無法準確求解。

（2）模型對于目標景物存在相對運動的情況無法進行準確求

解。

4.3 模型的推廣

此次問題模型僅限于相機在空間內(nèi)的平動，而并沒有考慮到相機鏡頭的轉(zhuǎn)向因素，所以在一定程度上并不完全符合事實中復(fù)雜情況。所以為了提升模型的適用范圍和適用范圍的復(fù)雜性，在模型的推廣上可以將鏡頭的轉(zhuǎn)向因素考慮其中。

模型可以為機器人視覺導(dǎo)航，電子地圖的自動生成，以及三維場景理解等提供一定的算法依據(jù)。

參考文獻

[1]孫斌.圖像序列中運動物體的檢測與跟蹤[D].天津大學，2006.

[2]2008年數(shù)學建模A題數(shù)碼相機定位，具有仿射不變性的幾何結(jié)

構(gòu)在相機定位中的應(yīng)用[Z].

作者簡介：王孚康（1993-），男，漢族，河南省洛陽市人，本科生，單位：南京農(nóng)業(yè)大學工學院，研究方向：車輛工程。