安徽理工大學(xué)電氣與信息工程學(xué)院 王 淦

本文基于OpenCV對(duì)低對(duì)比度閃電通道圖像進(jìn)行預(yù)處理，過(guò)程主要分為閃電通道亮度提升及閃電通道邊緣檢測(cè)兩方面。通過(guò)對(duì)低對(duì)比度閃電通道圖像進(jìn)行預(yù)處理，低對(duì)比度閃電通道圖像得到平滑，增強(qiáng)閃電通道亮度，提升閃電通道邊緣檢測(cè)的操作性，得出有自適應(yīng)性的低對(duì)比度閃電通道圖像預(yù)處理流程。主要針對(duì)低對(duì)比度閃電通道圖像自動(dòng)識(shí)別處理的不足，提出用幀差法來(lái)剝?nèi)ケ尘爸械妮^亮云體和地物的干擾，最大限度保留閃電通道的細(xì)節(jié)，對(duì)閃電通道進(jìn)行圖像增強(qiáng)處理，使得通道有較好的識(shí)別性，為下一步的圖像處理做準(zhǔn)備。

1 幀差法的介紹

1.1 幀差法

幀差法具體來(lái)說(shuō)就是將視頻里的幀序列中任意取相鄰兩幀的圖像或者取任意相鄰三幀間的圖像，然后通過(guò)使用基于單獨(dú)幀圖像像素的時(shí)間差分法和通過(guò)閉值化圖像處理來(lái)識(shí)別出圖像或視頻中的潛在物體運(yùn)動(dòng)區(qū)間。

1.2 過(guò)程

選一張閃電發(fā)生前的圖像作為背景圖像，與要進(jìn)行閃電通道識(shí)別的圖像進(jìn)行遍歷對(duì)應(yīng)像素對(duì)比。OpenCV沒(méi)有直接進(jìn)行幀差法的函數(shù)，手動(dòng)實(shí)現(xiàn)流程圖如圖1所示。

圖1 幀差法函數(shù)流程圖

1.3 實(shí)現(xiàn)成果及評(píng)價(jià)

由該算法實(shí)現(xiàn)成果圖2所示可看出使用幀差法較為完美地剔除了閃電通道原圖中圖像右邊的發(fā)光云體，并且最大程度保留低亮度的閃電通道的細(xì)節(jié)。

圖2 給定的閃電通道圖像及幀差法結(jié)果圖對(duì)比

2 對(duì)閃電通道進(jìn)行Canny邊緣檢測(cè)的嘗試

2.1 Canny邊緣檢測(cè)

通過(guò)Canny算子檢測(cè)邊緣的算法是將對(duì)我們有用的圖像特征信息從給定的一幅圖像中提取出來(lái)而且讓這個(gè)過(guò)程更加簡(jiǎn)潔高效的一種算法。

2.2 Canny算子來(lái)檢測(cè)閃電通道邊緣的步驟

通過(guò)自適應(yīng)高斯濾波器來(lái)抑制閃電通道圖像的高斯噪聲，調(diào)用Sobel卷積核來(lái)得到閃電通道圖像中像素點(diǎn)的梯度大小和梯度方向，利用非極大值抑制來(lái)盡可能抑制噪聲產(chǎn)生的虛假邊緣，再用雙閾值法來(lái)檢測(cè)和確認(rèn)閃電通道的真實(shí)邊緣的和潛在的邊緣，消除噪聲產(chǎn)生的虛假邊緣或孤立的弱邊緣來(lái)完成最終的Canny邊緣檢測(cè)。

2.3 高斯濾波

高斯濾波是一種基于高斯函數(shù)的線性平滑濾波，對(duì)圖像中的高斯噪聲有良好的抑制效果。但物體的結(jié)構(gòu)邊緣的方向是混沌且不可預(yù)知的，在平滑前不知道結(jié)構(gòu)邊緣哪個(gè)方向需要更多的平滑效果。二維高斯函數(shù)的旋轉(zhuǎn)對(duì)稱性說(shuō)明著高斯濾波卷積核在后續(xù)Canny邊緣檢測(cè)中不會(huì)偏向邊緣的任一方向，此性質(zhì)會(huì)平滑掉非常多肉眼難見(jiàn)的閃電通道細(xì)節(jié)。在此提出一個(gè)自適應(yīng)方向的高斯濾波算法，如下：

自適應(yīng)高斯濾波算法的實(shí)現(xiàn)流程圖如圖3所示。

圖3 自適應(yīng)高斯濾波流程圖

2.4 自適應(yīng)中值濾波

自適應(yīng)高斯濾波在極其有效地對(duì)圖像中的噪聲進(jìn)行抑制的同時(shí)，可以較好地保留閃電通道的細(xì)節(jié)，但是從效果圖可以看出，自適應(yīng)高斯濾波算法把閃電通道的亮度降低到一個(gè)不具備可操作性的程度，這會(huì)導(dǎo)致后續(xù)的研究無(wú)法正常開(kāi)展。所以這里提出用自適應(yīng)中值濾波算法來(lái)代替自適應(yīng)高斯濾波算法對(duì)閃電通道圖像進(jìn)行平滑操作。設(shè)當(dāng)前像素點(diǎn)灰度值為Zxy，自適應(yīng)中值濾波步驟如下：

（1）給定初始卷積核區(qū)域?yàn)?×3；

（2）計(jì)算該區(qū)域內(nèi)像素點(diǎn)的最大灰度值Zmax，最小灰度值Zmin，灰度中間值Zmed；

（3）若Zmin＜Zmed＜Zmax，轉(zhuǎn)（5）；否則將卷積核尺寸增大至5×5；

（4）若卷積核尺寸不違規(guī)，則輸出灰度中間值Zmed；

（5）若Zmin＜Zxy＜Zmax，輸出Zxy；否則輸出Zmed。

2.5 計(jì)算梯度強(qiáng)度和方向

輸入圖像中物體邊緣的方向是混沌且不可預(yù)知的，因此Canny算法使用兩個(gè)Sobel算子來(lái)檢測(cè)輸入圖像中的水平方向和垂直方向的邊緣梯度。Sobel算子返回輸入圖像的每一個(gè)像素點(diǎn)的水平方向和垂直方向的一階導(dǎo)數(shù)值，據(jù)此可得輸入圖像的每一個(gè)像素點(diǎn)的梯度幅值大小G和梯度方向角度θ。公式如下：

實(shí)現(xiàn)流程圖如圖4所示。

圖4 計(jì)算梯度強(qiáng)度和方向流程圖

2.6 非極大值抑制

非極大值抑制算法主要用于抑制虛假邊緣對(duì)邊緣檢測(cè)的干擾，在得到輸入圖像的梯度圖像后，檢測(cè)到的邊緣依然充滿了大量虛假邊緣，其抑制的實(shí)質(zhì)是將除了局部最大值之外的像素點(diǎn)的梯度幅值大小全部置為0。閃電通道的邊緣兩端像素的梯度幅值大小較大，由于像素的梯度方向是混沌的，我們應(yīng)該采用線性插值來(lái)修正梯度方向?qū)Y(jié)果的影響，圖例如圖5所示。

圖5 線性插值示意圖

非極大值抑制算法流程圖如圖6所示。

圖6 非極大值抑制流程圖

2.7 對(duì)閃電通道邊緣檢測(cè)的初步嘗試

本次嘗試對(duì)閃電通道原圖進(jìn)行幀差法過(guò)濾背景干擾，基于抑制噪聲和保留細(xì)節(jié)的平衡性選擇直方圖拉伸進(jìn)行圖像增強(qiáng)處理，之后對(duì)處理圖像基于高斯濾波的原理選擇σ=1.6進(jìn)行自適應(yīng)高斯濾波，結(jié)果如7(a)所示，圖7由左向右分別為(a)自適應(yīng)高斯濾波效果圖、(b)梯度幅值圖像、(c)非極大值抑制效果圖、(d)自適應(yīng)高斯濾波效果直方圖。之后對(duì)圖7(a)計(jì)算梯度強(qiáng)度和方向，結(jié)果如圖7(b)所示。之后對(duì)圖7(b)進(jìn)行非極大值抑制處理，結(jié)果如圖7(c)所示?？梢钥闯鲎赃m應(yīng)高斯濾波雖然在抑制噪聲方面有非常明顯的效果，也比較完善地保留了閃電通道的細(xì)節(jié)。但是在這過(guò)程圖像灰度級(jí)又一次被壓縮，對(duì)比度又一次下降，這對(duì)接下來(lái)的閾值操作非常不利。從圖7(b)和圖7(c)中可以看出，非極大值抑制之后的圖像可以觀察到非常清晰的輪廓。該算法有效地“瘦”邊。減少了梯度圖像中多余的邊緣，有效地保留了閃電通道的細(xì)節(jié)處的邊緣。所以本文提出用自適應(yīng)中值濾波來(lái)代替自適應(yīng)高斯濾波算法來(lái)對(duì)圖像進(jìn)行平滑，圖8由左向右分別為(a)自適應(yīng)中值濾波效果圖、(b)梯度幅值圖、(b)非極大值抑制、(d)自適應(yīng)中值濾波的直方圖，從圖8(a)及圖8(d)可以看出，自適應(yīng)中值濾波算法能夠在保證閃電通道對(duì)比度的基礎(chǔ)上對(duì)閃電通道圖像上的噪聲進(jìn)行有效抑制，與此同時(shí)，也能保證閃電通道細(xì)節(jié)的完備性。由圖8(b)及圖8(c)可以看出自適應(yīng)中值濾波可以使后續(xù)圖像處理更具可操作性，在后續(xù)的閾值切割，區(qū)域生長(zhǎng)方面都更加從容。

圖7 自適應(yīng)高斯濾波及后續(xù)操作效果圖

圖8 自適應(yīng)中值濾波及其后續(xù)操作效果圖

3 結(jié)束語(yǔ)

實(shí)驗(yàn)利用幀差法較好地分離了有強(qiáng)烈光源干擾的背景，再通過(guò)比較常用的三種圖像增強(qiáng)算法，以此為基礎(chǔ)進(jìn)行了閃電通道邊緣檢測(cè)，針對(duì)OpenCV自帶的高斯濾波函數(shù)無(wú)法適應(yīng)閃電通道細(xì)節(jié)繁多地特點(diǎn)，本文提出了自適應(yīng)高斯濾波算法，很好地對(duì)圖像增強(qiáng)處理后的閃電通道圖像進(jìn)行了噪聲抑制處理，并且較為完備地保留了閃電通道的細(xì)節(jié)。