鄧 雯,馬衛(wèi)紅
(西安工業(yè)大學(xué) 光電工程學(xué)院,西安 710021)
垂直彈跳在體育運(yùn)動(dòng)中是最常見(jiàn)的基本運(yùn)動(dòng)之一,也是評(píng)價(jià)人體下肢爆發(fā)力和彈跳能力的一種有效手段[1],不但被用于測(cè)量排球、田徑、足球、籃球、游泳等項(xiàng)目運(yùn)動(dòng)員的運(yùn)動(dòng)潛力,也被廣泛應(yīng)用于體能評(píng)估和國(guó)民體質(zhì)測(cè)試中[2]。隨著時(shí)代不斷進(jìn)步,體育運(yùn)動(dòng)一直在高速發(fā)展,運(yùn)動(dòng)員任何素質(zhì)發(fā)展的不均衡,都有可能對(duì)運(yùn)動(dòng)員及運(yùn)動(dòng)員成績(jī)產(chǎn)生不利影響。運(yùn)動(dòng)員垂直彈跳高度的獲取方法有很多,因?yàn)樗玫脑O(shè)備及計(jì)算方式各不相同,所以測(cè)量的難度及精度也各不相同。目前常用的方法包括:重心法[3]、腰點(diǎn)法[4]、騰空時(shí)間法[5]、離地速度法[6]、地面發(fā)力積分法[7]、摸高跳測(cè)試法[8]。重心法是通過(guò)動(dòng)作分析系統(tǒng)獲得人體重心的位置,進(jìn)而計(jì)算垂直彈跳高度;腰點(diǎn)法通過(guò)腰部或骨盆某點(diǎn)(被近似看做重心點(diǎn))的位置獲得高度;騰空時(shí)間法根據(jù)人體縱跳騰空時(shí)間計(jì)算最大騰起高度;離地速度法通過(guò)計(jì)算人體離地時(shí)刻的速度,進(jìn)而計(jì)算最大垂直彈跳高度;地面反力積分法是利用地面反力,從而獲得加速度,將時(shí)間作2次積分,求出人體在移動(dòng)過(guò)程中的位移量,然后根據(jù)位移求出垂直彈跳高度。萬(wàn)祥林[9]等人的研究結(jié)果顯示,計(jì)算垂直彈跳高度時(shí),腰點(diǎn)法、騰空時(shí)間法、離地速度法和地面反力積分法都存在著一定的系統(tǒng)誤差。這些方法因測(cè)試設(shè)備、動(dòng)作方式或計(jì)算方法的不同使獲得的結(jié)果存在一定差異,因此需要選擇測(cè)試準(zhǔn)確且方便快捷的垂直彈跳測(cè)試方法來(lái)進(jìn)行運(yùn)動(dòng)員垂直彈跳高度的測(cè)試。
針對(duì)運(yùn)動(dòng)員彈跳過(guò)程持續(xù)時(shí)間短,彈跳位置相對(duì)不固定,彈跳高度測(cè)試操作復(fù)雜的問(wèn)題,本文將線陣光電成像技術(shù)應(yīng)用到運(yùn)動(dòng)員彈跳高度的測(cè)試中,為彈跳高度的高精度自動(dòng)檢測(cè)提供新方案。該測(cè)試方法采用柱面透鏡擴(kuò)大采集視場(chǎng)范圍,線陣CCD相機(jī)進(jìn)行實(shí)時(shí)獲取,根據(jù)系統(tǒng)工作原理,構(gòu)建圖像采集系統(tǒng),得到目標(biāo)彈跳軌跡圖像,高精度獲得圖像特征點(diǎn),計(jì)算得到運(yùn)動(dòng)員垂直彈跳高度,從而驗(yàn)證該方法的可行性。
圖像采集系統(tǒng)主要是由上位機(jī)、線陣CCD相機(jī)、光學(xué)鏡頭、柱面透鏡、照明系統(tǒng)及三腳架組成。運(yùn)動(dòng)員垂直彈跳高度圖像采集系統(tǒng)結(jié)構(gòu)示意圖如圖1所示。本文利用光學(xué)鏡頭與柱面透鏡相結(jié)合的方法,在一維線性光敏面上對(duì)三維空間中的彈跳目標(biāo)進(jìn)行成像。柱面透鏡能夠?qū)Ⅻc(diǎn)成像為成線,擴(kuò)大采集視場(chǎng)范圍,保證運(yùn)動(dòng)員的彈跳在整個(gè)視場(chǎng)范圍內(nèi)。測(cè)試時(shí)燈光環(huán)境弱,為了使運(yùn)動(dòng)員腳踝骨處的反光標(biāo)志點(diǎn)在彈跳范圍內(nèi)成像到線陣相機(jī)的光敏面上,需要有背景光源的加入,通過(guò)光源照明使線陣CCD的敏感面元對(duì)單行圖像進(jìn)行掃描和采集,按照掃描時(shí)間的先后順序,對(duì)采集的圖像做拼接處理,即可實(shí)時(shí)獲取彈跳軌跡圖像。
圖1 垂直彈跳高度圖像采集系統(tǒng)結(jié)構(gòu)示意圖
在此基礎(chǔ)上,由圖像采集卡將目標(biāo)彈跳軌跡圖像的持續(xù)信號(hào)輸入到上位機(jī),然后經(jīng)過(guò)圖像處理與分析,得到單像素寬度的彈跳軌跡圖像,高精度獲得目標(biāo)彈跳軌跡圖像特征點(diǎn)坐標(biāo)值,結(jié)合線陣相機(jī)行頻,計(jì)算出運(yùn)動(dòng)員經(jīng)過(guò)兩個(gè)特征點(diǎn)之間的時(shí)間。最后依據(jù)運(yùn)動(dòng)學(xué)公式,計(jì)算得到運(yùn)動(dòng)員的垂直彈跳高度。公式(1)為兩個(gè)圖像特征點(diǎn)之間的時(shí)間Δt,公式(2)為運(yùn)動(dòng)員的垂直彈跳高度。
(1)
(2)
式中,f為線陣相機(jī)的行頻,t1為目標(biāo)落地點(diǎn)的時(shí)刻,t2為目標(biāo)最高點(diǎn)的時(shí)刻,h為運(yùn)動(dòng)員目標(biāo)垂直彈跳高度。
通過(guò)線陣CCD相機(jī)直接采集到的目標(biāo)彈跳軌跡圖像,受天氣、光照、陰影和復(fù)雜環(huán)境等因素的影響,難以實(shí)現(xiàn)對(duì)彈跳軌跡影像的有效識(shí)別和分離。目標(biāo)點(diǎn)像素坐標(biāo)的提取一定會(huì)受到這些固有背景的影響。對(duì)圖像進(jìn)行預(yù)處理,能夠使最初的圖像中所包含的數(shù)據(jù)量變小,從而在處理過(guò)程中,提高整個(gè)圖像處理程序的運(yùn)行速度。當(dāng)前比較常用的方法有模板匹配、光流法、幀間差分法、背景差分法[10]等,這些方法較為成熟并得到廣泛應(yīng)用。
由于運(yùn)動(dòng)員垂直彈跳高度測(cè)試是在靜態(tài)背景下對(duì)目標(biāo)進(jìn)行檢測(cè),無(wú)需使用固定的模板,因此模板匹配不適合對(duì)圖像進(jìn)行預(yù)處理;時(shí)間發(fā)生變化,但是目標(biāo)彈跳軌跡成像不發(fā)生變化,因此光流法不適合對(duì)圖像進(jìn)行預(yù)處理,同時(shí)該方法運(yùn)算量大,抗噪差;幀間差分法取相鄰的序列圖像作為當(dāng)前場(chǎng)景中的背景,采用幀間差分來(lái)檢測(cè)圖像中的變化,然后再對(duì)其進(jìn)行濾波等后處理來(lái)實(shí)現(xiàn)對(duì)運(yùn)動(dòng)目標(biāo)的識(shí)別,因?yàn)楸疚氖褂昧司€陣CCD相機(jī),所以在實(shí)際應(yīng)用中較難實(shí)現(xiàn)。背景差分法操作簡(jiǎn)單,計(jì)算量小,定位精度高,通常對(duì)移動(dòng)目標(biāo)有最為完整的描述。在進(jìn)行圖像采集時(shí),背景是固定不變的,背景差分法是一種較為有效的處理方法,因此本文選擇背景差分法來(lái)對(duì)運(yùn)動(dòng)目標(biāo)進(jìn)行檢測(cè),消除固有背景對(duì)目標(biāo)彈跳軌跡圖像的影響。
背景差分法指的是將兩張具有相同特點(diǎn)的圖像相比較,去掉同一區(qū)域,并將具有不同灰度的區(qū)域與原始圖像進(jìn)行分離,所得的信息就是運(yùn)動(dòng)目標(biāo)。背景差分法適合于靜態(tài)背景下對(duì)運(yùn)動(dòng)目標(biāo)進(jìn)行檢測(cè)。其實(shí)現(xiàn)如公式(3)所示:
fc(x,y)=fa(x,y)-fb(x,y)
(3)
其中:fc為背景差分后的彈跳軌跡圖像,fa為目標(biāo)彈跳軌跡圖像,fb為背景圖像。
因此采用背景差分法,利用當(dāng)前圖像與背景圖像的差分來(lái)檢測(cè)目標(biāo)彈跳軌跡,如圖2所示,從圖中觀察到所得的差分圖像對(duì)比度高,效果較好。
圖2 背景差分彈跳軌跡圖像
為了改善圖像的視覺(jué)效果,減少圖像中的噪聲,提高目標(biāo)彈跳軌跡與背景的對(duì)比度,進(jìn)行圖像增強(qiáng)。常用的圖像增強(qiáng)方法有空間域算法、頻率域算法和形態(tài)學(xué)處理算法。
2.2.1 空間域算法和頻域算法
圖像增強(qiáng)有空間域法和頻域法兩種。空間域法的增強(qiáng)方法是以圖像中的像素為目標(biāo),來(lái)提高圖像的灰度值;頻域增強(qiáng)法是利用傅里葉變換公式,通過(guò)對(duì)圖像的光譜進(jìn)行改進(jìn),從而達(dá)到對(duì)期望光譜進(jìn)行增強(qiáng)或抑制的目的。頻域增強(qiáng)法的實(shí)現(xiàn)過(guò)程為:
1)對(duì)需要增強(qiáng)的圖像進(jìn)行傅里葉變換的計(jì)算;
2)把它乘以一個(gè)轉(zhuǎn)移函數(shù);
3)對(duì)所得的結(jié)果進(jìn)行傅里葉逆變換,獲得一幅增強(qiáng)后的圖像。
通過(guò)構(gòu)建不同的頻率濾波器,使得圖像在頻域的某個(gè)區(qū)域內(nèi)的分量被抑制,而不影響其他分量,進(jìn)而改變圖像的頻率分布,來(lái)實(shí)現(xiàn)圖像增強(qiáng)。在頻域中,同態(tài)濾波既能夠壓縮圖像的亮度范圍,又能增強(qiáng)圖像的對(duì)比度。一幅圖像表達(dá)為f(x,y),該圖像是由照度分量i(x,y)和反射分量r(x,y)所表示的,即:
f(x,y)=i(x,y)r(x,y)
(4)
根據(jù)以上基本步驟,對(duì)f(x,y)進(jìn)行圖像增強(qiáng)如下所示:
1)對(duì)式(4)兩邊取對(duì)數(shù),即
lnf(x,y)=lni(x,y)+lnr(x,y)
(5)
2)對(duì)式(5)兩邊進(jìn)行傅里葉變換,即
F(u,v)=I(u,v)+R(u,v)
(6)
3)設(shè)頻域增強(qiáng)函數(shù)為H(u,v),將其對(duì)F(u,v)進(jìn)行處理,即
H(u,v)F(u,v)=H(u,v)I(u,v)+H(u,v)R(u,v)
(7)
4)對(duì)得到的結(jié)果進(jìn)行反變換到空域,即
hf(x,y)=hi(x,y)+hr(x,y)
(8)
5)對(duì)上式兩邊取對(duì)數(shù),即
g(x,y)=exp|hf(x,y)|=exp|hi(x,y)|·
exp|hr(x,y)|
(9)
根據(jù)上述算法原理編寫(xiě)程序,驗(yàn)證使用同態(tài)濾波進(jìn)行圖像增強(qiáng)的效果,圖3為同態(tài)濾波圖像處理結(jié)果。同態(tài)濾波能夠很好的增強(qiáng)高頻分量,但是也會(huì)導(dǎo)致圖像中的噪聲變多。用頻率域?yàn)V波進(jìn)行圖像增強(qiáng)處理,需要進(jìn)行空域和頻域之間的變換,從而導(dǎo)致計(jì)算量變大,所以將該方法應(yīng)用到實(shí)際中,效率可能難以保證。
圖3 同態(tài)濾波圖像處理結(jié)果
盡管濾波算法技術(shù)易于使用,并且在技術(shù)上相當(dāng)成熟,但是它的降噪效果并不理想,而且適應(yīng)性比較差,因此在本文中該算法不適合進(jìn)行圖像增強(qiáng)。所以需要選擇圖像增強(qiáng)效果更好的算法,濾波去噪,并保持目標(biāo)圖像的原有輪廓,從而得到目標(biāo)彈跳軌跡。
2.2.2 形態(tài)學(xué)處理算法
形態(tài)學(xué)處理算法是一種基于圖像結(jié)構(gòu)和幾何形狀分析的非線性圖像處理算法,它通過(guò)結(jié)構(gòu)元素(structuring element)定量地修正待處理圖像的幾何特征,降噪性能好、算法結(jié)構(gòu)簡(jiǎn)單[11]。在很多方面都有應(yīng)用,如噪聲抑制、圖像識(shí)別方面。形態(tài)學(xué)處理算法包括4種基本運(yùn)算:膨脹、腐蝕、閉運(yùn)算以及開(kāi)運(yùn)算。膨脹運(yùn)算將顆粒內(nèi)部的微小空洞進(jìn)行填補(bǔ),并將目標(biāo)軌跡的周邊的背景點(diǎn)進(jìn)行合并,使其目標(biāo)軌跡的像素變少,從而使得邊界向外擴(kuò)展。腐蝕運(yùn)算主要功能是去除目標(biāo)軌跡邊界上的噪音和毛刺,使其目標(biāo)軌跡的像素變少,從而使得邊界向里收縮[12]。A是目標(biāo)彈跳軌跡圖像,B是結(jié)構(gòu)元素。式(10)為膨脹操作,式(11)為腐蝕操作。
(10)
AB={x|[(B)x]A}
(11)
膨脹和腐蝕運(yùn)算經(jīng)常一起用于圖像處理,形態(tài)學(xué)開(kāi)運(yùn)算是在進(jìn)行膨脹運(yùn)算之前,先對(duì)所獲得的目標(biāo)彈跳軌跡圖像進(jìn)行腐蝕運(yùn)算,閉運(yùn)算則恰好相反[13]。形態(tài)學(xué)開(kāi)運(yùn)算主要是為了將灰度圖像中小于結(jié)構(gòu)元素矩陣的細(xì)小區(qū)域和孤立點(diǎn)濾除掉,平滑目標(biāo)彈跳軌跡圖像的目標(biāo)輪廓邊緣。形態(tài)學(xué)閉運(yùn)算主要是為了灰度圖像中小于結(jié)構(gòu)元素矩陣的空洞區(qū)域填充,連接,達(dá)到平滑目標(biāo)彈跳軌跡圖像的目標(biāo)輪廓邊緣的目的[14]。開(kāi)、閉運(yùn)算與膨脹、腐蝕運(yùn)算相比,目標(biāo)圖像的原有特性能夠更好地得到保持[15]。B對(duì)A進(jìn)行開(kāi)運(yùn)算和閉運(yùn)算,其定義式分別為(12)、(13):
A○B(yǎng)=(AB)⊕B
(12)
A·B=(A⊕B)B
(13)
使用大小為3的直線型結(jié)構(gòu)元素對(duì)差分目標(biāo)彈跳軌跡圖像進(jìn)行形態(tài)學(xué)運(yùn)算。
為了得出哪一種方法比較好,進(jìn)行了它們之間圖像增強(qiáng)的對(duì)比,使用不同的方法對(duì)其進(jìn)行圖像增強(qiáng)。
在主觀評(píng)價(jià)方面,可以通過(guò)人眼觀察和評(píng)判圖像,但是容易受到環(huán)境、心境等影響。因此進(jìn)行客觀評(píng)價(jià),計(jì)算使用不同方法得出的峰值信噪比數(shù)據(jù),從而進(jìn)行對(duì)比,公式(14)為PSNR的數(shù)學(xué)表達(dá)式:
(14)
式中,f為圖像增強(qiáng)前的目標(biāo)彈跳軌跡圖像,f′為圖像增強(qiáng)后的目標(biāo)彈跳軌跡圖像。
表1為不同的圖像增算法圖像質(zhì)量評(píng)價(jià)。
表1 不同的圖像增強(qiáng)算法圖像質(zhì)量評(píng)價(jià)
通過(guò)表1可以發(fā)現(xiàn),開(kāi)閉運(yùn)算的峰值信噪比最高。因此綜合考慮,選擇大小為3的直線型結(jié)構(gòu)元素對(duì)目標(biāo)彈跳軌跡圖像進(jìn)行開(kāi)閉運(yùn)算處理,如圖4所示。
圖4 圖像增強(qiáng)目標(biāo)彈跳軌跡圖像
一幅目標(biāo)彈跳軌跡圖像通常由前景區(qū)域和背景區(qū)域組成,圖像分割的目的是將背景區(qū)域和前景區(qū)域分開(kāi),將目標(biāo)彈跳軌跡圖像從背景中分離出來(lái),提高特征提取的準(zhǔn)確性,同時(shí)節(jié)省處理時(shí)間,從而提高整個(gè)系統(tǒng)的性能。在圖像分割中,閾值分割是一種非常有效的方法。閾值分割是根據(jù)圖像像素的灰度級(jí)來(lái)進(jìn)行分割的,需要選擇適合的閾值。可以將圖像中的前景和背景分離開(kāi)來(lái)。將圖像中每個(gè)像素的灰度級(jí)與閾值進(jìn)行對(duì)比,大于閾值的像素點(diǎn)分配大灰度值(如255),小于閾值的像素點(diǎn)分配小灰度值(如0),從而把目標(biāo)與背景進(jìn)行分割[16]。常用的分割算法有K-means聚類(lèi)[17]、迭代式閾值分割算法[18]和最大類(lèi)間方差法[19]。本節(jié)對(duì)3種圖像分割算法的原理和有效性進(jìn)行了分析和驗(yàn)證。
2.3.1 K-means聚類(lèi)算法
K-means聚類(lèi)具有實(shí)現(xiàn)形式較簡(jiǎn)單,線性計(jì)算復(fù)雜度低等優(yōu)點(diǎn)。由于其優(yōu)勢(shì)而被廣泛應(yīng)用于工業(yè)、醫(yī)學(xué)、軍事等領(lǐng)域,但也存在缺點(diǎn):對(duì)初始聚類(lèi)中心選擇敏感、易陷入局部最優(yōu)等。
在實(shí)際應(yīng)用中,聚類(lèi)是一類(lèi)無(wú)監(jiān)督算法,K-means算法是一種典型的具有代表性的方法。K-means聚類(lèi)算法是根據(jù)n個(gè)樣本的相似度,對(duì)其進(jìn)行聚合,得到k個(gè)集合。特征相似性較高時(shí)說(shuō)明是相同集合之間的樣本,當(dāng)相似性比較低時(shí),說(shuō)明是不同集合之間的樣本。K-means算法的實(shí)現(xiàn)過(guò)程是:
1)首先,以k個(gè)樣本為初始平均向量,其中k是要?jiǎng)澐值募系臄?shù)目。
2)計(jì)算每個(gè)樣本到均值向量之間的歐式距離,并將樣本歸類(lèi)到均值向量與其相距最小的集合中。
3)在該集中的平均向量為該集中的全部向量的平均值時(shí),將該集合的均值向量重新計(jì)算,式(15)為計(jì)算公式:
(15)
4)若更新后的集平均向量與更新之前有差異,則返回至第二步,直至沒(méi)有再更新各集的向量平均為止,就視為該算法結(jié)束。
為驗(yàn)證K-means聚類(lèi)算法的有效性,按照算法原理,對(duì)程序進(jìn)行編寫(xiě),實(shí)現(xiàn)了對(duì)目標(biāo)的分割,圖5為K-means聚類(lèi)算法處理結(jié)果。K-means算法要求預(yù)先給定k的取值,但對(duì)于非監(jiān)督的聚類(lèi)問(wèn)題,其分類(lèi)數(shù)目未知,因此難以確定k的大??;此外,該方法受到聚類(lèi)中心和孤立點(diǎn)等因素的影響,容易造成圖像分割不準(zhǔn)確。
圖5 K-means聚類(lèi)算法處理結(jié)果
2.3.2 迭代式閾值分割算法
迭代式閾值分割算法是一種不需要人為干預(yù)能夠?qū)崿F(xiàn)二值分割的算法。該方法的基本思想是:首先確定一個(gè)估計(jì)值為初始閾值,然后根據(jù)一定的策略對(duì)該估計(jì)值進(jìn)行修正,直至選取出一個(gè)滿(mǎn)意的閾值為止。在此基礎(chǔ)上,提出一個(gè)新的閾值優(yōu)化方法,該方法不但收斂速度快,而且每次迭代都能獲得更好的閾值。該算法的具體流程如下:
1)計(jì)算得到彈跳高度圖像的最大灰度值Imax和最小灰度值Imin,則初始閾值表示為:
(16)
2)根據(jù)計(jì)算得到的閾值,Tk將圖像分為兩個(gè)部分,分別是目標(biāo)區(qū)域和背景區(qū)域,同時(shí)分別計(jì)算出目標(biāo)區(qū)域和背景區(qū)域的灰度平均值Im和Ib;
3)根據(jù)步驟2),對(duì)新的閾值Tk+1進(jìn)行確定:
(17)
4)如果Tk=Tk+1,則所得即為閾值;否則就會(huì)跳回2),進(jìn)行重復(fù)繼續(xù)進(jìn)行運(yùn)算。
為驗(yàn)證迭代式閾值分割算法的有效性,按照算法原理,對(duì)程序進(jìn)行編寫(xiě),實(shí)現(xiàn)了對(duì)目標(biāo)的分割。圖6為迭代式閾值分割圖像處理結(jié)果。該方法首先設(shè)置一個(gè)閾值,將一幅圖像劃分為兩部分,然后在此基礎(chǔ)上,通過(guò)對(duì)閾值的不斷優(yōu)化,也就是根據(jù)現(xiàn)有閾值來(lái)優(yōu)化局部閾值,而不是根據(jù)整幅圖像來(lái)計(jì)算閾值,可能造成圖像分割不準(zhǔn)確。
圖6 迭代式閾值分割法處理結(jié)果
2.3.3 最大類(lèi)間方差法
最大類(lèi)間方差法,又叫大津法,簡(jiǎn)稱(chēng)OTSU。該方法首先將圖像分成兩個(gè)部分,即目標(biāo)和背景,當(dāng)兩者之間的類(lèi)間方差達(dá)到最大時(shí),即可作為分割閾值。當(dāng)背景與物體之間的類(lèi)間方差較大時(shí),則表示兩個(gè)成分之間的差異較大,容易被識(shí)別;而方差較小則表示二者差異較低,不容易被識(shí)別,存在分錯(cuò)的可能性。進(jìn)行圖像分割時(shí),能夠?qū)⒛繕?biāo)彈跳軌跡與背景有效分割,因此采用最大類(lèi)間方差法可以有效地降低錯(cuò)分的可能性,提高準(zhǔn)確率。
將目標(biāo)彈跳軌跡圖像的總像素?cái)?shù)量設(shè)置為N個(gè),有ni個(gè)灰度值大小為i的像素?cái)?shù),可以將計(jì)算出不同灰度值的概率表示為:
(18)
閾值T能夠?qū)D像劃分為兩個(gè)部分,一個(gè)是背景區(qū)域A,另一個(gè)是目標(biāo)彈跳軌跡區(qū)域B,灰度值在0~k-1的為背景區(qū)域A,k~L-1的為目標(biāo)彈跳軌跡區(qū)域B。式(19)和式(20)分別為A和B在圖像中的概率:
(19)
(20)
區(qū)域A和B的平均灰度分別為:
(21)
(22)
式中,u是整幅圖像的平均灰度:
(23)
以上的計(jì)算都是和閾值T有關(guān)的,可以得到兩個(gè)區(qū)域總的方差:
σ2=wA(T)(uA(T)-u)2+wB(T)(uB(T)-u)2
(24)
當(dāng)目標(biāo)彈跳軌跡與背景這兩個(gè)區(qū)域存在最大的方差,說(shuō)明成功地進(jìn)行了圖像分割,則可確定閾值T:
Tm=max[σ2(T)]
(25)
為驗(yàn)證最大類(lèi)間方差法分割算法的有效性,按照算法原理,對(duì)程序進(jìn)行編寫(xiě),進(jìn)行閾值分割[11]。得到的最終閾值是127。該算法處理結(jié)果如圖7所示,取得了較好的圖像分割結(jié)果。該方法彌補(bǔ)了迭代算法求解閾值的不足,在整幅圖像中計(jì)算類(lèi)間方差,并將其最大的值作為閾值,從而使得圖像分割結(jié)果更準(zhǔn)確。同時(shí),大津法具有較高的運(yùn)算速率。因此綜合考慮,選擇最大類(lèi)間方差法進(jìn)行圖像分割。
圖7 最大類(lèi)間方差法處理結(jié)果
圖像分割后得到具有一定寬度,平滑且連續(xù)的彈跳軌跡圖像,進(jìn)行圖像特征點(diǎn)的提取,需要得到單像素連續(xù)的彈跳軌跡圖像,因此需要提取中心線。在不改變圖像的拓?fù)湫再|(zhì)的條件下,將目標(biāo)圖像從多個(gè)像素寬細(xì)化到具有單一像素寬度,這種圖像處理方法被稱(chēng)為細(xì)線化[20]。圖像細(xì)化算法是把一幅圖像變得更加簡(jiǎn)潔而又保留其重要特性的一種算法。圖像細(xì)化一般通過(guò)以下是3個(gè)方面去進(jìn)行判斷:1)原圖像的連通性必須保持;2)保留圖像的端點(diǎn);3)對(duì)稱(chēng)細(xì)化。常用的中心線提取算法有:形態(tài)學(xué)細(xì)化法、Steger算法[21]和中心軸變換法。
形態(tài)學(xué)細(xì)化法通過(guò)逐步去除邊界,將一幅具有一定寬度的圖像輪廓線變成只有一個(gè)像素寬的圖像骨架[22]。在進(jìn)行形態(tài)學(xué)運(yùn)算時(shí),不能出現(xiàn)末梢點(diǎn)誤刪的錯(cuò)誤,也不能出現(xiàn)連接中斷的情況。形態(tài)學(xué)細(xì)化法是像素級(jí)精度,由細(xì)化法提取出的骨架線,雖然可以滿(mǎn)足單像素和連續(xù)的要求,但是其定位精度不能得到保障,而且得到的圖像會(huì)產(chǎn)生毛刺,從而在提取圖像特征點(diǎn)的時(shí)候會(huì)造成干擾。Steger算法基于Hessian矩陣,能夠?qū)崿F(xiàn)目標(biāo)彈跳軌跡中心的亞像素定位。通過(guò)該方法提取的中心線在目標(biāo)彈跳軌跡的拐點(diǎn)處會(huì)出現(xiàn)多余的像素點(diǎn),誤提取較多。因此選擇中軸變換法提取彈跳軌跡中心線。
中軸變換法是對(duì)二值圖像進(jìn)行操作,獲取目標(biāo)的中軸,也稱(chēng)作骨架。中軸變換法是一種迭代算法,其主要思想是對(duì)骨架中的最小距離進(jìn)行抽取,然后逐步地把邊界點(diǎn)進(jìn)行刪除,從而獲得該圖像的中心線。圖8為中軸變換法提取的目標(biāo)彈跳軌跡中心線圖像。
圖8 中軸變換法處理結(jié)果
中軸邊換法提取中心線所得的圖像,目標(biāo)圖像的中心線連續(xù)平滑且中心線為單像素寬度,因此適用于本文的中心線提取。
對(duì)提取到的單像素彈跳軌跡中心線進(jìn)行特征點(diǎn)提取,找到所有的像素坐標(biāo),將像素坐標(biāo)按X從小到大排列,依次進(jìn)行掃描,尋找目標(biāo)落地點(diǎn)和目標(biāo)最高點(diǎn),在提取落地點(diǎn)的像素坐標(biāo)(x1,y1)時(shí),其領(lǐng)域內(nèi)的坐標(biāo)值大于該像素坐標(biāo),在提取落地點(diǎn)的像素坐標(biāo)(xh,yh)時(shí),其領(lǐng)域內(nèi)的坐標(biāo)值小于該像素坐標(biāo)。圖9為特征提取的目標(biāo)彈跳軌跡圖像。
圖9 特征提取的目標(biāo)彈跳軌跡圖像
為了驗(yàn)證運(yùn)動(dòng)員垂直彈跳高度圖像采集測(cè)試方法的可行性和正確性,搭建實(shí)驗(yàn)裝置,如圖10為搭建的圖像采集系統(tǒng)平臺(tái),具體實(shí)驗(yàn)步驟:
1)選用上位機(jī),光學(xué)鏡頭,柱面透鏡,DALSA黑白線陣CCD相機(jī),光源,三腳架等器件并安裝固定各器件的位置,搭建出圖像采集系統(tǒng)平臺(tái),對(duì)實(shí)驗(yàn)裝置進(jìn)行調(diào)試。
2)設(shè)置線陣CCD相機(jī)的行頻為5 000 Hz,將線陣CCD連續(xù)掃描到的5 000行圖像依時(shí)間先后進(jìn)行拼接,對(duì)相機(jī)各個(gè)參數(shù)進(jìn)行設(shè)置,觸發(fā)線陣CCD相機(jī)進(jìn)行垂直彈跳高度的圖像采集,即可獲得目標(biāo)彈跳軌跡圖像,圖像的大小為2 048×5 000。
3)對(duì)目標(biāo)彈跳軌跡圖像進(jìn)行分析和處理,得到目標(biāo)彈跳軌跡圖像的特征點(diǎn)坐標(biāo),結(jié)合相機(jī)行頻,計(jì)算出運(yùn)動(dòng)員經(jīng)過(guò)兩個(gè)特征點(diǎn)之間的時(shí)間;
4)重復(fù)多組實(shí)驗(yàn),獲取多組圖片,記錄運(yùn)動(dòng)員采用不同起跳姿勢(shì)所獲得的目標(biāo)垂直彈跳高度。
圖10 圖像采集系統(tǒng)平臺(tái)
圖11為采集到的2048×5000大小的目標(biāo)彈跳軌跡圖像信息,圖像對(duì)比度良好。
圖11 運(yùn)動(dòng)員垂直彈跳軌跡圖像
如圖10所示,運(yùn)動(dòng)員在彈跳測(cè)試范圍內(nèi)進(jìn)行起跳,運(yùn)動(dòng)員腳踝骨處的反光標(biāo)志點(diǎn)成像到線陣相機(jī)的光敏面上,實(shí)時(shí)獲取目標(biāo)彈跳軌跡圖像;然后使用背景差分法對(duì)原始圖像進(jìn)行預(yù)處理,去除固有背景的影響,然后選擇開(kāi)閉運(yùn)算對(duì)圖像進(jìn)行增強(qiáng),使用最大類(lèi)間方差法對(duì)圖像進(jìn)行分割,得到目標(biāo)彈跳軌跡圖像,再使用中軸變換法得到單像素寬度的目標(biāo)彈跳軌跡圖像,高精度地獲取彈跳特征點(diǎn);最終運(yùn)用運(yùn)動(dòng)學(xué)公式,計(jì)算得到運(yùn)動(dòng)員的垂直彈跳高度。
本文進(jìn)行運(yùn)動(dòng)員目標(biāo)垂直彈跳高度的圖像采集。垂直彈跳指人跳躍至最高點(diǎn),保持身體直立,雙腳離地高度。垂直彈跳主要分為原地垂直和助跑垂直。原地垂直即原地起跳,雙腳不能有任何移動(dòng)。助跑垂直即可以有一段助跑,可分為單腳起跳和雙腳起跳。
為了驗(yàn)證本文設(shè)計(jì)的測(cè)試系統(tǒng)的適用性和垂直彈跳高度的準(zhǔn)確性,設(shè)計(jì)對(duì)比實(shí)驗(yàn)。本文的運(yùn)動(dòng)員垂直彈跳高度的信息在圖像中是用像素來(lái)進(jìn)行表達(dá)的,因此與設(shè)計(jì)的基于像素分析的對(duì)比實(shí)驗(yàn)所計(jì)算的垂直彈跳高度進(jìn)行比較。在進(jìn)行對(duì)比實(shí)驗(yàn)高度測(cè)試的時(shí)候,可以使用像素法,像素法要求提前標(biāo)定像素對(duì)應(yīng)物空間尺度,而且需要整個(gè)軌跡都處于物平面內(nèi)。像素法主要是得到兩個(gè)特征點(diǎn),然后計(jì)算之間的差值,從而得到圖像中的像素大小和實(shí)際空間的關(guān)系,進(jìn)而計(jì)算出對(duì)比實(shí)驗(yàn)的目標(biāo)垂直彈跳高度。表2~5為運(yùn)動(dòng)員采用不同起跳姿勢(shì)所獲得的目標(biāo)垂直彈跳高度以及誤差。
表2 原地單腳起跳的垂直彈跳高度
表3 原地雙腳起跳的垂直彈跳高度
表4 助跑單腳起跳的垂直彈跳高度
表5 助跑雙腳起跳的垂直彈跳高度
表2~5分別為運(yùn)動(dòng)員采用4種不同起跳姿勢(shì)進(jìn)行垂直彈跳高度測(cè)試的實(shí)驗(yàn)數(shù)據(jù),實(shí)驗(yàn)中不同的起跳姿勢(shì)所得的目標(biāo)垂直彈跳高度有所不同。
以對(duì)比試驗(yàn)的實(shí)測(cè)數(shù)據(jù)作為真實(shí)的垂直彈跳高度,為防止由于對(duì)比試驗(yàn)的不確定性而引起的實(shí)驗(yàn)數(shù)據(jù)出現(xiàn)偏差,對(duì)4種不同起跳姿勢(shì)的對(duì)比實(shí)驗(yàn)各進(jìn)行兩次,并取其平均值,在同一環(huán)境下進(jìn)行垂直彈跳高度測(cè)試。公式(26)為相對(duì)誤差。
(26)
式中,δ為相對(duì)誤差,Δ為誤差,為對(duì)比實(shí)驗(yàn)的垂直彈跳高度。
計(jì)算結(jié)果如表6所示。
表6 運(yùn)動(dòng)員垂直彈跳高度檢測(cè)數(shù)據(jù)
對(duì)表6的數(shù)據(jù)進(jìn)行分析可知,在1 500 mm的彈跳測(cè)試范圍內(nèi),運(yùn)動(dòng)員使用不同起跳姿勢(shì)所獲得的目標(biāo)垂直彈跳高度的相對(duì)誤差小于3%。實(shí)驗(yàn)結(jié)果表明,基于光電成像技術(shù)的運(yùn)動(dòng)員垂直彈跳高度測(cè)試裝置能夠?qū)\(yùn)動(dòng)員垂直彈跳高度進(jìn)行準(zhǔn)確測(cè)量。因此可采用此方法進(jìn)行運(yùn)動(dòng)員垂直彈跳高度測(cè)試,滿(mǎn)足體育測(cè)試的需要。
為解決現(xiàn)有測(cè)試方法成本高昂,操作復(fù)雜等問(wèn)題,本文基于光電成像測(cè)試技術(shù),通過(guò)研究運(yùn)動(dòng)員垂直彈跳高度,構(gòu)建了運(yùn)動(dòng)員垂直彈跳高度的圖像采集系統(tǒng),獲取目標(biāo)彈跳軌跡圖像,提取圖像特征點(diǎn),解算運(yùn)動(dòng)員垂直彈跳高度,實(shí)現(xiàn)對(duì)運(yùn)動(dòng)員垂直彈跳高度的測(cè)試。實(shí)驗(yàn)結(jié)果表明,使用不同起跳姿勢(shì)所獲得的目標(biāo)垂直彈跳高度的相對(duì)誤差小于3%,驗(yàn)證了該方法的可行性。