王風祿 萬戩 范津銘

摘要：幀間差分算法就是我國研究領域的一大熱門，它是我國對目標追蹤方面的重大研究對象。這一研究的大體思路就是利用模板匹配的方法進行對目標物的提取和檢測。這樣的方法的優(yōu)勢在于十分簡便，通過視頻序列中的連續(xù)兩幀或者是幾幀圖像的差別來實現(xiàn)對觀察目標的檢測和提煉。

關鍵詞：幀間差分法;運動目標追蹤;檢測過程及原理

1? RGB圖像轉(zhuǎn)換為灰度圖像

RGB圖像的別稱為真彩圖像，在通常情況下，會按照圖像的顏色，一紅綠藍三種顏色為一組，每一組均代表像素的色彩。這些色彩直接存在圖像的數(shù)組之中而且不需要使用調(diào)色板，RGB圖像作為一種擁有二十四位的圖像，三種顏色均在一組中占據(jù)八個位碼，在理論上，所有的圖像總共有2的24次方種顏色。

因為涵蓋灰度級不同，所以該類圖像成為灰度圖像，在matlab中灰度圖像分為uint8和16或者雙層的精度數(shù)據(jù)來實現(xiàn)的。在通常的情況下，大多數(shù)的灰度圖像只能存放在一個矩陣里，在該矩陣中一個像素點就是該矩陣中的一個元素。

元素的數(shù)值可以涵蓋某個亮度區(qū)間，在通常情況下，0指得是灰色，1和255指的是白色，因為灰度圖像在存儲的過程中用不到調(diào)色板，所以matlab在編程的時候會用一個默認的系統(tǒng)調(diào)色板來顯示圖像。

根據(jù)不同的彩色圖像，我們可以利用其色度的不同建立三維空間坐標系，三個數(shù)軸都代表一個色度，這樣就可以直接把色度進行區(qū)分和讀取，彩色圖像就變成了直觀的坐標圖。這種方法有利于我們直觀的讀取圖片信息。雖然這種方法看是簡便，但是由于加權問題，圖片在還原的時候有可能出現(xiàn)圖像失真的情況，其主要原因在于我們對于紅黃藍的敏感度不同。

2? 圖像差分處理

作為面向像素級演變的像素檢測步驟，差分處理可以建立連續(xù)幀的差分和圖像背景變化為坐標數(shù)據(jù)的差分算法。在連續(xù)幀間差分處理方面，其中一套是將連續(xù)的兩幀進行對比，從中提取有用的信息，這種算法的主要公式如下：

上式很清楚的表示，將連續(xù)兩幀的圖像作差，能夠較快地獲得差分后的圖像信息。

公式（3.3）中fk是第k幀圖像，Bk是背景圖像，第k幀圖像與背景圖像的差即為差分后的圖像Dk。

3 差分圖像二值化

在運動目標視頻序列圖像差分算法之中，需要對差分處理的圖像進行二值級化處理，依據(jù)點來檢測或者是判斷背景和運動目標，這種算法的依據(jù)來自于像素級理論。在通常的做法中，二值算法需要建立一個值T，當差分的獲得值在T的范圍內(nèi)的時候，應當將算法結(jié)果列為背景像素，反之為目標像素。

正如上式所呈現(xiàn)的，當差分圖像獲得像素值>T的時候，獲得的像素為目標像素，反之則為背景像素。

4? 形態(tài)學濾波

二值化后圖像會出現(xiàn)很多孤立的點，有許多間隙以及空洞、小空間，只要能夠讓分割后的圖像避免這些問題，我們可以通過圖像濾波的方法來解決。

形態(tài)學在通常情況下指的是生物學范疇中對動植物研究的一類延伸學科，隨著信息技術的不斷發(fā)展，形態(tài)學數(shù)字化為圖像分析帶來了技術靈感，數(shù)學形態(tài)學的基本思想是通過一定的形態(tài)結(jié)構元素來丈量和提取圖像中需要的形狀信息，從而達到更加全面地對圖像進行分析的目的。該技術在通常情況下多對二值圖像進行處理，也常常運用到灰度圖像技術之中。

在形態(tài)學之中最重要的兩個概念是腐蝕和膨脹，腐蝕指的是通過數(shù)學算法剔除掉圖像中的無用點，其影響是剩下的目標要比處理前減少像素。腐蝕的定義公式如下：

X用B來腐蝕記為XB定義為：

正如公式所呈現(xiàn)的內(nèi)容：B平移（x，y）后仍在集合X中的結(jié)構元素參考點的集合。換句話說，用B來腐蝕X得到的集合是B完全包括在集合X中時B的參考點位置的集合。

5? 連通性檢測

根據(jù)數(shù)學形態(tài)對圖像進行過濾能夠把干擾區(qū)域去除掉，其中一些小的縫隙也能夠得到有效的填補，但是也會有一些空隙得不到解決。從而影響檢測的效果，為了進一步改善，可以跟進連通性檢測來進行對圖像的處理。

在同一個像素集合中，如果每一個像素能夠與其他不同的像素點能夠有效連接，那么這連接區(qū)域就叫做聯(lián)通部分，在圖像中，能夠準確的定位該聯(lián)通區(qū)域是機器視覺基本方法之一，我們通常采用遞歸算法和關旭算法來實現(xiàn)。

二值圖像連通成分標記的遞歸算法過程如下：

二值圖像算法中連通部分標記的遞歸算法步驟——

1、對圖像進行掃描操作，找到?jīng)]有進行標記的像素點，并對這些點進行標記為L;

2、依據(jù)遞歸算法找到L的相鄰像素點;

3、如果沒有存在需要標記的像素點，則停止標記;

4、返回尋找像素點;

由于這種方法需要反復重頭進行，因此效率低，且需要耗費大量的內(nèi)存，掃描的過程也十分繁瑣，而序貫算法在通常情況下只需要進行兩次掃描，速度快效率高讓其成為最為通常使用的算法——

1、將圖像進行建系操作，從左邊到右邊，從上邊往下面進行圖像掃描;

2、倘若像素點是目標像素點;

在發(fā)現(xiàn)像素點的上邊和左邊有一個標記、亮點之間有相同的標記的時候，則對標記進行復制;

在發(fā)現(xiàn)兩個像素點之間有其他標記，則復制上面的標記點，對上面的點進行復制，然后將標記的點輸入等價表中進行等價標記。

如果不按照上面的做法，就把這個像素點分配給一個新的標記，并且將這個標記的像素點輸入等價表進行等價標記;

3、倘若圖像中還包含沒有掃描的像素點，則返回步驟2;

4、依照等價表的數(shù)據(jù)，在每一層的等價級中尋找最低的標記;

5、掃描到圖像之后，把等價表中的最低標記代替每一標記。

結(jié)合實際情況，本文主要采用的像素點的標記思路是，首先通過形態(tài)學濾波來對圖像進行過濾處理，然后在采取更加高效的序貫算法來找出連通部分，緊接著對這些連通部分的輪廓進行判斷，將輪廓外圍的一些小輪廓剔除，這樣圖像內(nèi)部就能夠呈現(xiàn)得更加完整，有利于進行更深一步的、更高質(zhì)量的目標跟蹤。