基于輪廓特征的視頻圖像拼接

1、.1基于輪廓特征的視頻拼接目錄TOC o 1-3 h z uHYPERLINK l _Toc232937966摘要 PAGEREF _Toc232937966 h IIIHYPERLINK l _Toc232937967ABSTRACT PAGEREF _Toc232937967 h IVHYPERLINK l _Toc232937968第一章前言 PAGEREF _Toc232937968 h 1HYPERLINK l _Toc2329379691.1 問(wèn)題的提出 PAGEREF _Toc232937969 h 1HYPERLINK l _Toc23293797012本課題意義和作用 PAG

2、EREF _Toc232937970 h 1HYPERLINK l _Toc2329379711.3 國(guó)外開(kāi)展概況及前景 PAGEREF _Toc232937971 h 2HYPERLINK l _Toc232937972第二章方案論證 PAGEREF _Toc232937972 h 4HYPERLINK l _Toc2329379732.1視頻拼接一般流程 PAGEREF _Toc232937973 h 4HYPERLINK l _Toc2329379742.2方案比較和選擇 PAGEREF _Toc232937974 h 5HYPERLINK l _Toc2329379752.2.1 方案

3、一：基于投影特征的圖像匹配的快速算法 PAGEREF _Toc232937975 h 5HYPERLINK l _Toc2329379762.2.2 方案二：基于特征區(qū)域分割的圖像拼接算法 PAGEREF _Toc232937976 h 6HYPERLINK l _Toc2329379772.2.3 方案三：基于輪廓特征的模板匹配拼接算法 PAGEREF _Toc232937977 h 6HYPERLINK l _Toc232937978第三章會(huì)聲會(huì)影簡(jiǎn)介 PAGEREF _Toc232937978 h 7HYPERLINK l _Toc2329379793.1 會(huì)聲會(huì)影的工作方式 PAGER

4、EF _Toc232937979 h 7HYPERLINK l _Toc2329379803.2 會(huì)聲會(huì)影的選項(xiàng)面板 PAGEREF _Toc232937980 h 8HYPERLINK l _Toc232937981視頻選項(xiàng)卡 PAGEREF _Toc232937981 h 8HYPERLINK l _Toc232937982圖像選項(xiàng)卡 PAGEREF _Toc232937982 h 9HYPERLINK l _Toc232937983色彩選項(xiàng)卡 PAGEREF _Toc232937983 h 9HYPERLINK l _Toc232937984屬性選項(xiàng)卡 PAGEREF _Toc23293

5、7984 h 9HYPERLINK l _Toc2329379853.3 保存靜態(tài)圖像 PAGEREF _Toc232937985 h 10HYPERLINK l _Toc2329379863.4 會(huì)聲會(huì)影的分享方法 PAGEREF _Toc232937986 h 10HYPERLINK l _Toc232937987分享步驟的選項(xiàng)面板 PAGEREF _Toc232937987 h 11HYPERLINK l _Toc232937988創(chuàng)立并保存視頻文件 PAGEREF _Toc232937988 h 11HYPERLINK l _Toc232937989創(chuàng)立預(yù)覽圍的視頻文件 PAGEREF

6、 _Toc232937989 h 12HYPERLINK l _Toc232937990第四章預(yù)處理 PAGEREF _Toc232937990 h 14HYPERLINK l _Toc2329379914.1 直方圖均衡化 PAGEREF _Toc232937991 h 14HYPERLINK l _Toc2329379924.2 中值濾波 PAGEREF _Toc232937992 h 16HYPERLINK l _Toc2329379934.3 邊緣保持自適應(yīng)平滑濾波 PAGEREF _Toc232937993 h 18HYPERLINK l _Toc2329379944.3.1 LVA

7、M算法 PAGEREF _Toc232937994 h 19HYPERLINK l _Toc2329379954.3.2 算法的自適應(yīng)去噪原理 PAGEREF _Toc232937995 h 19HYPERLINK l _Toc2329379964.3.3 算法實(shí)現(xiàn)的步驟 PAGEREF _Toc232937996 h 20HYPERLINK l _Toc2329379974.3.4 算法實(shí)驗(yàn)結(jié)果 PAGEREF _Toc232937997 h 21HYPERLINK l _Toc232937998第五章輪廓特征的提取 PAGEREF _Toc232937998 h 23HYPERLINK l

8、 _Toc2329379995.1 canny邊緣檢測(cè)根本原理 PAGEREF _Toc232937999 h 23HYPERLINK l _Toc2329380005.2 canny邊緣檢測(cè)算法 PAGEREF _Toc232938000 h 23HYPERLINK l _Toc2329380015.2.1 平滑圖像 PAGEREF _Toc232938001 h 23HYPERLINK l _Toc2329380025.2.2 計(jì)算梯度的幅值和方向 PAGEREF _Toc232938002 h 24HYPERLINK l _Toc2329380035.2.3 對(duì)梯度幅值進(jìn)展非極大值抑制

9、PAGEREF _Toc232938003 h 25HYPERLINK l _Toc2329380045.2.4 檢測(cè)和連接邊緣 PAGEREF _Toc232938004 h 25HYPERLINK l _Toc2329380055.3 canny邊緣檢測(cè)結(jié)果 PAGEREF _Toc232938005 h 25HYPERLINK l _Toc232938006第六章圖像拼接 PAGEREF _Toc232938006 h 28HYPERLINK l _Toc2329380076.1 模板匹配算法 PAGEREF _Toc232938007 h 28HYPERLINK l _Toc23293

10、80086.2 基于輪廓特征的模板匹配算法 PAGEREF _Toc232938008 h 29HYPERLINK l _Toc2329380096.3 匹配圖像拼接 PAGEREF _Toc232938009 h 32HYPERLINK l _Toc232938010第七章圖像轉(zhuǎn)換視頻 PAGEREF _Toc232938010 h 36HYPERLINK l _Toc232938011第八章結(jié)論與展望 PAGEREF _Toc232938011 h 38HYPERLINK l _Toc2329380128.1結(jié)論 PAGEREF _Toc232938012 h 38HYPERLINK l

11、_Toc2329380138.2展望 PAGEREF _Toc232938013 h 38HYPERLINK l _Toc232938014參考文獻(xiàn) PAGEREF _Toc232938014 h 40HYPERLINK l _Toc232938015致 PAGEREF _Toc232938015 h 41HYPERLINK l _Toc232938016附錄 PAGEREF _Toc232938016 h 42.1基于輪廓特征的視頻拼接摘要視頻拼接形成的全景視頻可以應(yīng)用在視頻監(jiān)控、網(wǎng)絡(luò)會(huì)議、 網(wǎng)上購(gòu)物等方面，通過(guò)網(wǎng)絡(luò)傳輸技術(shù)實(shí)現(xiàn)在 網(wǎng)絡(luò)上的實(shí)時(shí)傳輸，遠(yuǎn)端客戶通過(guò)登陸網(wǎng)絡(luò)就能看到現(xiàn)場(chǎng)的實(shí)際情況

12、。視頻拼接擴(kuò)大了視野寬度，尤其在視頻監(jiān)控方面，將多路視頻畫(huà)面拼接為一個(gè)視頻畫(huà)面，方便監(jiān)控人員觀察。本文進(jìn)展的基于輪廓特征的的視頻拼接首先利用會(huì)聲會(huì)影軟件將視頻分解成圖片，然后利用MATLAB對(duì)分解出來(lái)的圖片進(jìn)展拼接，拼接完成后再利用會(huì)聲會(huì)影將處理完的圖片在復(fù)原成視頻。在分解視頻的過(guò)程中主要利用會(huì)聲會(huì)影的保存單幀圖像的功能，在圖片拼接過(guò)程首先對(duì)圖片進(jìn)展預(yù)處理，本文的特色預(yù)處理為邊緣保持自適應(yīng)平滑濾波。其次進(jìn)展特征提取，該步驟本文采用了canny算子進(jìn)展輪廓提取，然后是圖片配準(zhǔn)，該步驟本文采用模板匹配的方法對(duì)圖像進(jìn)展配準(zhǔn)。拼接局部本文采用映射的方法利用坐標(biāo)關(guān)系對(duì)兩幅圖片進(jìn)展拼接。最后利用會(huì)聲會(huì)影的

13、圖片轉(zhuǎn)換視頻功能完成視頻拼接。經(jīng)過(guò)實(shí)驗(yàn)驗(yàn)證，本設(shè)計(jì)可以完成基于輪廓特征的視頻圖像拼接，拼接效果也比較好。其中分解視頻過(guò)程和拼接速度是本設(shè)計(jì)以后研究的方向。關(guān)鍵詞：會(huì)聲會(huì)影，MATLAB，canny算子，模板匹配，拼接Based on the characteristics of video mosaics outlineABSTRACTVideo mosaics video panorama of the form can be used in the video surveillance network conference, online shopping, etc, through th

14、e network transmission technology in network real-time transmission and distal customers through the landing site of the network can see the actual situation. Video mosaics e*panded vision, especially in video monitoring width, video images mosaics more road for a video screen, convenient monitoring

15、 personnel.In this paper based on the characteristics of the video mosaics outline using video Ulead VideoStudio software will be deposed into the picture, then use MATLAB for deposition of image Mosaic, after pletion of Ulead VideoStudio reuse after handling pictures will be in reductive into video

16、. During the process of deposition video Ulead VideoStudio mainly using the preservation of single-frame image, in the image mosaics function of image pretreatment process first, this article features for keeping the adaptive preprocessing edge smooth filtering. Secondly, this step on feature e*trac

17、tion based on contour e*traction was canny operator, then is the image registration, the steps of the template matching method based on image registration. By joining parts of the mapping method of using coordinate relationship between two image Mosaic. Finally, using the Ulead VideoStudio video con

18、version function plete picture of video mosaics.Through e*periment, this design can be pleted based on contour feature of video images mosaics, mosaics effect is better also. Video mosaics of deposition and speed is the design of research direction after.KEY WORDS:Ulead VideoStudio，Matlab,Canny，Temp

19、late matching，splice.1第一章 前言1.1 問(wèn)題的提出視頻是一種時(shí)基媒體，不僅具有靜態(tài)特征，還有動(dòng)態(tài)特征。靜態(tài)特征主要是指代表幀的圖像特征，包括顏色、紋理、形狀等;動(dòng)態(tài)特征包括攝像機(jī)運(yùn)動(dòng)引起的變化和鏡頭部對(duì)象的運(yùn)動(dòng)變化。視頻圖像在信息表達(dá) 中起著非常重要的作用，隨著信息技術(shù)的開(kāi)展，有關(guān)視頻圖像 的研究和應(yīng)用也迅 速開(kāi)展起來(lái),如網(wǎng)絡(luò)電視、可視、視頻會(huì)議、虛擬現(xiàn)實(shí)等。網(wǎng)絡(luò)中的視頻圖像應(yīng)用主要集中在兩個(gè)方面，一個(gè)是以圖像拼接為根底的虛擬全景技術(shù)，另一個(gè)是利用云臺(tái)控制攝像頭的網(wǎng)絡(luò)視頻監(jiān)控技術(shù)，這兩個(gè)方面目前都有很大的開(kāi)展，而且在應(yīng)用中均可收到很好的效果。12本課題意義和作用視頻拼接

20、的思路是將數(shù)字圖像的拼接技術(shù)應(yīng)用到視頻圖像的拼接當(dāng)中，抑制單個(gè)攝像頭視頻圍過(guò)小的特點(diǎn)，形成視野圍更大的視頻圖像。數(shù)字圖像的研究一直是熱門課題，關(guān)于圖像的拼接算法在國(guó)及國(guó)外的刊物上都有論述，同時(shí)在游戲和虛擬全景技術(shù)中得到應(yīng)用，也應(yīng)用到其它領(lǐng)域。然而，對(duì)于視頻拼接問(wèn)題和它的應(yīng)用卻很少引起人們的注意和研究。在虛擬環(huán)境和地球資源定位系統(tǒng)等應(yīng)用當(dāng)中，常常要求對(duì)圖像進(jìn)展拼接，因此，圖像拼接的研究得到了重視和開(kāi)展。根據(jù)圖像的質(zhì)量和要求的不同，出現(xiàn)了各種各樣的拼接算法。視頻與圖像是密切聯(lián)系的，簡(jiǎn)單的來(lái)說(shuō)，視頻就是每秒假設(shè)干幀(一般25幀圖像)圖像顯示的效果。由于眼睛的生理局限，人眼無(wú)法感受到比0.04秒更短的

21、時(shí)間變化，當(dāng)每幀的圖像占用的時(shí)間小于0.04秒，就使人感覺(jué)如同看電影一樣。視頻拼接的算法可借助于圖像拼接的算法來(lái)研究，即可將數(shù)字圖像的拼接方法應(yīng)用到視頻圖像當(dāng)中。但是，由于視頻具有實(shí)時(shí)性，同時(shí)視頻質(zhì)量的效果與攝像頭有密切的關(guān)系，因此，將圖像拼接的算法應(yīng)用到視頻拼接必須考慮這些問(wèn)題。視頻拼接主要目的就是為了擴(kuò)大視頻的視野圍，改變一個(gè)攝像頭視野狹小的局限。當(dāng)人們希望擴(kuò)大視頻的視野圍時(shí)，通常是利用帶云臺(tái)的攝像頭，這樣通過(guò)旋轉(zhuǎn)云臺(tái)改變攝像頭的角度，就可以觀察到四周各個(gè)方向的情況。另外的一種方法就是采用視野圍大的廣角攝像頭，這樣的攝像頭相當(dāng)于多個(gè)普通攝像頭的視野圍。但是視角圍大的攝像頭獲得的視頻圖像除了

22、中心局部的圖像外，四周邊緣會(huì)發(fā)生不同程度的扭曲。視野圍小的攝像頭所獲得的視頻圖像一般發(fā)生的變形很小，如果將假設(shè)干個(gè)攝像頭所采集視頻圖像拼接起來(lái)就能夠形成視野圍廣、視頻效果好的視頻圖像。拼接后的視頻能夠應(yīng)用于許多方面。在圖像處理的開(kāi)展過(guò)程中，數(shù)學(xué)始終起著舉足輕重的作用，并滲透到圖像處理的所有分支之中。自上世紀(jì)八十年代開(kāi)場(chǎng)，非線性科學(xué)開(kāi)場(chǎng)逐漸滲透到圖像處理方法之中，許多新穎的數(shù)學(xué)工具被引入到圖像處理領(lǐng)域，使相關(guān)的理論變得多元化。同時(shí)，其他非線性的數(shù)學(xué)工具的應(yīng)用也取得豐碩的成果。特別地，基于偏微分方程的圖像處理方法成為近年來(lái)圖像研究的一個(gè)熱點(diǎn)。它從分析圖像去噪的機(jī)理入手，結(jié)合數(shù)學(xué)形態(tài)學(xué)、微分幾何、射

23、影幾何等數(shù)學(xué)工具，建立了濾波和偏微分方程相關(guān)的公理體系。另外，它在圖像重構(gòu)、圖像分割、圖像識(shí)別、遙感圖像處理、圖像分析、邊緣檢測(cè)、圖像插值、醫(yī)學(xué)圖像處理、動(dòng)態(tài)圖像修補(bǔ)、立體視覺(jué)深度檢測(cè)、運(yùn)動(dòng)分析等方面得到了一定的應(yīng)用。1.3 國(guó)外開(kāi)展概況及前景為了能更好地對(duì)視頻進(jìn)展管理與應(yīng)用，國(guó)外在視頻鏡頭分割、代表幀抽取和根本特征提取方面己經(jīng)做了很多研究。首先，在鏡頭分割方面，目前己有不少方法，主要的可分為兩類:數(shù)據(jù)驅(qū)動(dòng)方法和模型驅(qū)動(dòng)方法。如H. J. Zhan擴(kuò)，根據(jù)鏡頭切換時(shí)直方圖的變化特征提出的雙重比較法，既可以檢測(cè)突變又可以檢測(cè)漸變:F. Airman提出基于矩不變特征的檢測(cè)方法，將相鄰幀的矩不變量

24、的歐氏距離作為檢測(cè)尺度;h. Ma I等人提出基于邊緣特征的鏡頭檢法:Arum Ham pauper基于視頻生成模型提出了一種視頻分割方法，能夠檢測(cè)鏡頭邊界更多種類的變化過(guò)程。但由于視頻編輯和拍攝技術(shù)的不斷提高，生成的視頻邊界和視頻鏡頭也越來(lái)越復(fù)雜，現(xiàn)有的方法對(duì)漸變鏡頭的檢測(cè)仍然不能到達(dá)很高的準(zhǔn)確率。還有一些基于壓縮視頻的檢測(cè)方法，雖然能夠取得較快的檢測(cè)速度，但只能對(duì)*種特定的壓縮格式進(jìn)展處理，而且由于視頻壓縮格式的多樣性，使得對(duì)壓縮視頻的處理也越來(lái)越困難。其次，在代表幀選取方面，比較經(jīng)典的方法有幀平均法和直方圖平均法這兩種方法只選取鏡頭中具有平均意義的一幀作為代表幀，雖然算法比較簡(jiǎn)單，但是無(wú)

25、法描述鏡頭中的運(yùn)動(dòng)和事件的變化;Yuen, Zhang等人依據(jù)幀間的特征變化來(lái)選擇多個(gè)代表幀，但在鏡頭運(yùn)動(dòng)時(shí)，容易選取過(guò)多的代表幀:Wo1f通過(guò)光流分析來(lái)計(jì)算鏡頭中的運(yùn)動(dòng)量，在運(yùn)動(dòng)量取局部最小值處選取代表幀，因?yàn)樵谶\(yùn)動(dòng)量取局部最小值時(shí)一般表示對(duì)拍攝對(duì)象的特寫(xiě)，這種基于運(yùn)動(dòng)的方法可以根據(jù)鏡頭的構(gòu)造選擇相應(yīng)數(shù)目的代表幀，但計(jì)算量比較大。第二章 方案論證本章主要討論完成設(shè)計(jì)要選擇的方案，實(shí)現(xiàn)視頻拼接方法有很多，本章討論各個(gè)方案的優(yōu)缺點(diǎn)，對(duì)各個(gè)方案進(jìn)展比較，確定最優(yōu)方案2.1視頻拼接一般流程視頻拼接的流程可以分為視頻采集、讀取視頻、分解視頻、預(yù)處理、圖像拼接和復(fù)原視頻。其流程圖如下列圖：圖 視頻拼接的

26、一般流程圖視頻采集過(guò)程利用兩個(gè)數(shù)碼相機(jī)在同一水平方向上同時(shí)拍攝兩個(gè)視頻，這兩個(gè)視頻要求有重疊的局部。讀取視頻利用會(huì)聲會(huì)影的捕獲功能將拍攝好的兩個(gè)視頻添加到視頻素材庫(kù)，然后添加到視頻編輯軌道上。在分解視頻的過(guò)程中利用會(huì)聲會(huì)影的保存靜態(tài)圖像的功能按25幀每秒的標(biāo)準(zhǔn)將視頻轉(zhuǎn)換為圖片。預(yù)處理局部就是要增強(qiáng)圖像的有用信息去除噪聲，為后面的輪廓提取和圖像拼接做好準(zhǔn)備，本文利用到的預(yù)處理方法有直方圖均衡化、中值濾波和低通濾波。經(jīng)過(guò)預(yù)處理以后就可以對(duì)圖像進(jìn)展特征提取了，圖像的特征有很多如灰度信息、輪廓特征等本設(shè)計(jì)采用的是canny算法來(lái)提取圖像的輪廓特征。特征提取之后就是匹配和拼接，拼接的方法有很多如基于特征

27、區(qū)域、基于模板匹配等，根據(jù)實(shí)際情況可以選擇不同的方法，最后一步就是將拼接后的圖片復(fù)原成視頻，利用會(huì)聲會(huì)影的分析那個(gè)功能可以將圖片添加到編輯軌道利用生成視頻功能將處理后的圖片轉(zhuǎn)換成視頻，完成視頻拼接。經(jīng)過(guò)分析可以知道圖像匹配是整個(gè)拼接的關(guān)鍵，匹配的好壞直接影響處理后的效果。圖像匹配是計(jì)算機(jī)視覺(jué)和模式識(shí)別的一個(gè)根本問(wèn)題, 它被應(yīng)用到很多領(lǐng)域,不僅僅是圖像的拼接，如在飛行器導(dǎo)航、人臉識(shí)別、文字識(shí)別、指紋識(shí)別、機(jī)器人視覺(jué)、航空?qǐng)D像分析、序列圖像分析、視頻圖像分析、電子地圖、信息的三維重構(gòu)、導(dǎo)彈的地形和地圖匹配制導(dǎo)、景象匹配、光學(xué)和雷達(dá)的目標(biāo)跟蹤與識(shí)別、自然資源分析、環(huán)境研究，氣象預(yù)報(bào)、醫(yī)療診斷、圖像拼

28、接和圖像融合等方面具有重要的作用。因此可以說(shuō)圖像匹配是整個(gè)圖像拼接設(shè)計(jì)的核心局部。隨著人們對(duì)圖像匹配研究的深入，也出現(xiàn)了各種各樣有各自優(yōu)點(diǎn)和特點(diǎn)的算法，例如基于投影特征的算法、基于梯度濾波的算法、特征區(qū)域提取的算法等等。2.2方案比較和選擇 方案一：基于投影特征的圖像匹配的快速算法該算法利用圖像的投影特征, 將圖像的二維相關(guān)匹配轉(zhuǎn)換為一維相關(guān)匹配,為解決上述問(wèn)題, 作者采用了利用兩幅圖像的投影進(jìn)展相關(guān)的算法:(1) 設(shè)模板大小為, 計(jì)算模板的垂直投影, 得到長(zhǎng)度為U 的一維矩陣M。(2) 設(shè)實(shí)時(shí)圖像大小為, 在實(shí)時(shí)圖像中依次取個(gè)和模板同樣大小的子圖像, 對(duì)這個(gè)子圖像分別進(jìn)展垂直方向的投影,得到

29、個(gè)長(zhǎng)度為U 的一維矩陣。(3) 根據(jù)下式求出相關(guān)系數(shù)(2-1)式中為在坐標(biāo)處的相關(guān)系數(shù)。(4) 求出的最大值, 其在矩陣中的位置即為目標(biāo)圖像在實(shí)時(shí)圖像中的位置。該算法將圖像的二維相關(guān)匹配轉(zhuǎn)換成了一位相關(guān)匹配，大大提高了算法的運(yùn)行匹配速度，而且算法也易于理解，但是由于把二維投影成一維，當(dāng)圖像有一定的干擾或隨機(jī)的投影出現(xiàn)相似的時(shí)候，對(duì)匹配的準(zhǔn)確度又會(huì)造成一定的影響。方案二：基于特征區(qū)域分割的圖像拼接算法采用邊緣檢測(cè)算子和自適應(yīng)閾值分割算法，把圖像的特征區(qū)域塊分割出來(lái)后再進(jìn)展細(xì)化處理。第二步是把分割處理過(guò)的圖像利用鏈碼的方法確定特征塊的形心位置。第三步是利用像素點(diǎn)的匹配和漸入漸出的方法實(shí)現(xiàn)兩幅圖片的

30、無(wú)縫拼接。這是一種基于特征的算法，該算法對(duì)于有旋轉(zhuǎn)角度的兩幅具有重疊區(qū)域的圖片的拼接有更為良好的適應(yīng)性，但是算法的復(fù)雜，對(duì)于程序的編寫(xiě)不利，特征點(diǎn)的分析也是該算法的一個(gè)難度所在。方案三：基于輪廓特征的模板匹配拼接算法 該算法首先利用邊緣檢測(cè)算子檢測(cè)出圖像的輪廓然后在匹配圖上選取模板，利用模板在待匹配圖像上掃描，比較待匹配區(qū)域輪廓線相對(duì)應(yīng)的點(diǎn)的個(gè)數(shù)，找到匹配區(qū)域以后利用坐標(biāo)之間的對(duì)應(yīng)關(guān)系將兩幅圖系那個(gè)進(jìn)展拼接。模板匹配算法已經(jīng)十分成熟作為傳統(tǒng)的算法之一，匹配運(yùn)算量巨大已經(jīng)成為該算法最大的缺陷之一，人們還在對(duì)該算法進(jìn)展有針對(duì)性地改進(jìn)，利用各種可行的方法提高該算法的匹配速度，在能到達(dá)較好的拼接效果的

31、同時(shí)，也保證了匹配速度也有一定的提高。本文經(jīng)過(guò)三種算法的比照分析，決定采用基于輪廓特征的模板匹配算法來(lái)進(jìn)展圖像拼接，即使拼接速度有些慢，但是對(duì)于模板匹配算法簡(jiǎn)單實(shí)現(xiàn)容易的優(yōu)點(diǎn)來(lái)說(shuō)拼接速度不會(huì)影響模板匹配算法的使用。第三章 會(huì)聲會(huì)影簡(jiǎn)介本設(shè)計(jì)在視頻分解的過(guò)程中是利用會(huì)聲會(huì)影軟件實(shí)現(xiàn)的，會(huì)聲會(huì)影在編輯狀態(tài)有保存單幀圖像的功能，利用此功能可以分解出一幀幀的圖像，為后續(xù)的預(yù)處理以及拼接做準(zhǔn)備。3.1 會(huì)聲會(huì)影的工作方式會(huì)聲會(huì)影是一套操作最簡(jiǎn)單，功能最強(qiáng)悍的DV、HDV影片剪輯軟件。不僅完全符合家庭或個(gè)人所需的影片剪輯功能，甚至可以挑戰(zhàn)專業(yè)級(jí)的影片剪輯軟件。操作界面簡(jiǎn)單實(shí)用。如下列圖圖 會(huì)聲會(huì)影操作界面

32、會(huì)聲會(huì)影采用了逐步式的工作流程，會(huì)聲會(huì)影提供了一百多個(gè)轉(zhuǎn)場(chǎng)效果、專業(yè)標(biāo)題制作功能和簡(jiǎn)單的音軌制作工具。要制作影片作品，請(qǐng)先從攝像機(jī)或其它視頻來(lái)源捕獲節(jié)目。然后可以修整捕獲的視頻、排列它們的順序、應(yīng)用轉(zhuǎn)場(chǎng)并添加覆疊、動(dòng)畫(huà)標(biāo)題、旁白和背景音樂(lè)。這些元素被安排在不同的軌上。對(duì)*一軌進(jìn)展修改不會(huì)影響到其它的軌。如下列圖：圖 會(huì)聲會(huì)影編輯軌道影片作品的表現(xiàn)形式是會(huì)聲會(huì)影工程文件 (*.VSP)，它包含素材的路徑位置及合并影片方法的信息。在完成影片作品后，您可以將它刻錄到 VCD、 DVD 或 HD DVD ，或?qū)⒂捌浕氐綌z像機(jī)。您還可以將影片輸出為視頻文件，用于在電腦上回放。會(huì)聲會(huì)影將使用視頻工程文件

33、中的信息，將影片中的所有元素合并成一個(gè)視頻文件。此過(guò)程稱為渲染。顯示在 時(shí)間軸視圖中的工程的組成3.2 會(huì)聲會(huì)影的選項(xiàng)面板在編輯步驟中，可以整理、編輯和修整工程中使用的視頻素材。在此步驟中，可以為視頻素材中包含的音頻素材應(yīng)用淡入/ 淡出效果、是否或分割視頻和調(diào)整素材的回放速度。還可以從大量的視頻濾鏡中選取來(lái)應(yīng)用到素材上。編輯步驟的 選項(xiàng)面板可以讓您編輯要添加到視頻軌上的視頻、圖像和色彩素材。在屬性選項(xiàng)卡中，可以對(duì)應(yīng)用到素材上的視頻濾鏡進(jìn)展微調(diào)。視頻選項(xiàng)卡 區(qū)間：以 時(shí)：分：秒：幀 的形式顯示所選素材的區(qū)間。您可以通過(guò)修改素材的區(qū)間，來(lái)修整素材。 素材音量：允許您調(diào)整視頻的音頻局部的音量。 靜音

34、：使視頻的音頻局部變?yōu)殪o音，而不刪除音頻。 淡入 / 淡出：逐漸增加或減小素材的音量，獲得平滑的過(guò)渡。選取文件：參數(shù)選 編輯，可以設(shè)置淡入 / 淡出的區(qū)間。 旋轉(zhuǎn)：旋轉(zhuǎn)視頻素材。 色彩校正：可以讓您調(diào)整視頻素材的色調(diào)、飽和度、亮度和 Gamma。 回放速度：翻開(kāi) 回放速度對(duì)話框，您在此可以調(diào)整素材的播放速度。 翻轉(zhuǎn)視頻：反向播放視頻。 保存為靜態(tài)圖像：將當(dāng)前幀保存為新的圖像文件并放到圖像素材庫(kù)中。保存之前，對(duì)此文件所做的所有改善操作將被丟棄。 分割音頻：讓您可以將視頻文件中的音頻別離出來(lái)并放到聲音軌中。 按場(chǎng)景分割：按照視頻錄制的日期和時(shí)間或視頻容的變化 ( 如：動(dòng)作變化、相機(jī) 移動(dòng)、亮度變化

35、等 )， 將捕獲的 DV AVI 分割開(kāi)。對(duì)于 MPEG 文件， 多重修整視頻：允許您從視頻文件中選取需要的片段并提取出來(lái)。圖像選項(xiàng)卡 區(qū)間：設(shè)置所選圖像素材的區(qū)間。 旋轉(zhuǎn)：旋轉(zhuǎn)圖像素材。 色彩校正：可以讓您調(diào)整圖像的色調(diào)、飽和度、比照度和 Gamma。 重新采樣選項(xiàng)：設(shè)置調(diào)整圖像大小的方法。有兩個(gè)選項(xiàng)：保持寬高比可以保持當(dāng)前圖像的寬度和高度的比例；調(diào)到工程大小可以使當(dāng)前圖像的大小與工程的幀大小一樣。 搖動(dòng)和縮放：將搖動(dòng)和縮放效果應(yīng)用到當(dāng)前圖像。 預(yù)設(shè)值：提供各種搖動(dòng)和縮放的預(yù)設(shè)值。可以從下拉列表中選擇一個(gè)預(yù)設(shè)值。 自定義：允許您定義搖動(dòng)和縮放當(dāng)前圖像的方法。色彩選項(xiàng)卡 區(qū)間：設(shè)置所選色彩素材

36、的區(qū)間。 色彩：?jiǎn)螕羯士颍梢哉{(diào)整色彩。屬性選項(xiàng)卡 替換上一個(gè)濾鏡：在將新的濾鏡拖到素材上時(shí)，將前面應(yīng)用的濾鏡替換。如果您想在素材上應(yīng)用多個(gè)濾鏡，請(qǐng)去除此選項(xiàng)。 已用濾鏡：列出已應(yīng)用到素材上的視頻濾鏡。單擊或，可以排列濾鏡的次序；單擊 ，可以刪除濾鏡。 預(yù)設(shè)值：提供各種濾鏡預(yù)設(shè)值?？梢詮南吕斜碇羞x擇一個(gè)預(yù)設(shè)值。 自定義濾鏡：允許您定義濾鏡應(yīng)用在素材上的方法。 變形素材：允許您調(diào)整素材的大小和比例。 顯示網(wǎng)格線：選取它，可以顯示網(wǎng)格線。單擊，可以翻開(kāi)一個(gè)對(duì)話框，您在此可以為網(wǎng)格線指定設(shè)置。3.3 保存靜態(tài)圖像在編輯步驟中，通過(guò)選取時(shí)間軸中特定的幀并將它保存為圖像文件，可以捕獲靜態(tài)的圖像。用此

37、方法，可以防止圖像的失真，因?yàn)榇瞬僮髋c捕獲步驟中從動(dòng)態(tài)視頻中捕獲圖像的方法不同。捕獲靜態(tài)圖像的方法：1. 選取 文件：參數(shù)選擇捕獲。選擇 Bitmap 或 JPEG 作為捕獲的靜態(tài)文件保存格式。如果您選擇了 JPEG，還可以設(shè)置 圖像質(zhì)量 。2. 在工程中選取一個(gè)視頻素材。3. 將 飛梭欄拖到要捕獲的幀上。如下列圖：圖 飛梭欄編輯視圖4. 將素材庫(kù)切換到圖像文件夾。此文件夾可為默認(rèn)的圖像文件夾，或是您自行創(chuàng)立的文件夾。5. 單擊 素材：保存為靜態(tài)圖像。新的圖像文件將保存在硬盤中，并用指定圖像文件夾中的一個(gè)略圖來(lái)表示。3.4 會(huì)聲會(huì)影的分享方法分享將工程渲染為視頻文件格式，以適合滿足觀眾需求或其

38、它用途。然后將渲染好的文件導(dǎo)出為網(wǎng)頁(yè)、多媒體賀卡或通過(guò)電子發(fā)送給親朋好友。所有此類操作均可在會(huì)聲會(huì)影的分享步驟中完成。分享步驟的選項(xiàng)面板 創(chuàng)立視頻文件：用工程創(chuàng)立視頻文件。您可以基于最終的視頻文件來(lái)創(chuàng)立您自己的影片模板。 創(chuàng)立聲音文件：允許您將工程中的音頻片段保存為聲音文件。 創(chuàng)立光盤：翻開(kāi) DVD 制作向?qū)В屇梢詫⒐こ炭啼洺?HD DVD、DVD、 SVCD 或 VCD 格式。 導(dǎo)出到移動(dòng)設(shè)備：視頻文件可以導(dǎo)出到其它外部設(shè)備，如：PSP、基于 Windows 的移動(dòng)設(shè)備、SD (Secure Digital) 卡和 Ulead DVD-VR Wizard 來(lái)刻錄到 DVD-RAM。您僅可

39、以在創(chuàng)立了視頻文件后導(dǎo)出工程。 工程回放：去除屏幕容并在黑色的背景上顯示整個(gè)工程或所選取的片段。如果您的系統(tǒng)連接了 VGA 到電視的轉(zhuǎn)換器或錄像機(jī)，還可以將工程輸出到磁帶上。您還可以在錄制時(shí)手工控制輸出設(shè)備。 DV 錄制：允許您用 DV 攝像機(jī)將所選的視頻文件錄回到 DV 磁帶上。 在線分享視頻：允許您將工程輸出為 WMV，然后上傳到在線分享。創(chuàng)立影片模板影片模板包含定義創(chuàng)立最終影片文件方法的設(shè)置。通過(guò)使用 會(huì)聲會(huì)影提供的預(yù)設(shè)影片模板，或在制作影片管理器中創(chuàng)立您自己的模板，您可以使影片輸出為多種格式。例如，您可以針對(duì)磁帶錄制和 CD-ROM 使用提供了高質(zhì)量輸出的影片模板，還可以針對(duì)不同目的設(shè)

40、置較低質(zhì)量、但可以承受的輸出格式，如：Web 流視頻、電子發(fā)送等等。 創(chuàng)立并保存視頻文件在將整個(gè)工程渲染為影片文件之前，請(qǐng)選取文件：保存或 文件：另存為 ，先將工程保存為會(huì)聲會(huì)影工程文件 (*.VSP)。這樣，您可以隨時(shí)返回工程并進(jìn)展編輯。如果您在創(chuàng)立影片之前想預(yù)覽工程，請(qǐng)切換到工程模式并單擊 導(dǎo)覽面板上的播放。工程的回放方法取決于您在文件：參數(shù)選擇常規(guī)回放方法中選擇的選項(xiàng)。單擊 選項(xiàng)面板中的創(chuàng)立視頻文件。翻開(kāi)影片模板的選擇菜單。如下列圖圖 視頻生成選項(xiàng)菜單2. 要用當(dāng)前的工程設(shè)置創(chuàng)立影片文件，請(qǐng)選取與工程設(shè)置一樣或選取一個(gè)預(yù)設(shè)的影片模板。這些模板可以讓您創(chuàng)立適合網(wǎng)絡(luò)或輸出為 DVD、SVCD

41、或 VCD 的影片文件。還可以通過(guò)選取與第一個(gè)視頻素材一樣，來(lái)使用視頻軌上的第一個(gè)視頻素材的設(shè)置。3. 為影片輸入文件名并單擊 保存。此影片文件然后將被保存并放置在視頻素材庫(kù)中。您還可以局部渲染工程。智能渲染可以僅渲染 有變化 的局部，從而當(dāng)工程只做了些許改動(dòng)時(shí)，無(wú)需重新渲染整個(gè)視頻序列。創(chuàng)立預(yù)覽圍的視頻文件1. 單擊時(shí)間軸上方的標(biāo)尺來(lái)取消對(duì)素材的選取狀態(tài)。2. 用 修整拖柄來(lái)選取一個(gè)預(yù)覽圍?；颍蟿?dòng)藍(lán)色三角形。然后按 F3 和 F4 來(lái)分別標(biāo)記開(kāi)場(chǎng)和完畢點(diǎn)。如下列圖：圖 修整拖柄編輯視圖3. 單擊 選項(xiàng)面板中的 創(chuàng)立視頻文件 。4. 選取影片模板。5. 在創(chuàng)立視頻文件對(duì)話框中單擊選項(xiàng)。在選項(xiàng)

42、對(duì)話框中，選取預(yù)覽圍，單擊 確定。6. 輸入文件名并單擊保存另一個(gè)局部渲染的方法是按下 Shift 同時(shí)單擊 播放工程。不一定在分享步驟執(zhí)行此操作。所選的圍將被渲染，然后在預(yù)覽窗口中播放。此操作會(huì)在 參數(shù)選擇對(duì)話框預(yù)覽選項(xiàng)卡中指定的文件夾中創(chuàng)立臨時(shí)的視頻文件。第四章 預(yù)處理由于視頻圖像的采集和傳輸過(guò)程會(huì)不可防止地出現(xiàn)噪聲、畸變、失真和比照度低等狀況,使圖像中所包含的有效信息減少,從而影響圖像配準(zhǔn)和拼接的質(zhì)量。，這種在進(jìn)展拼接工作之前,要針對(duì)不同圖像的特點(diǎn)對(duì)圖像進(jìn)展處理，使之成為根本合格的圖像信息稱之為圖像預(yù)處理 。在數(shù)字圖像處理中，圖像預(yù)處理會(huì)直接影響邊緣檢測(cè)、特征提取等后續(xù)處理的效果，因此圖

43、像預(yù)處理是圖像處理中十分關(guān)鍵和必不可少的環(huán)節(jié)。圖像拼接預(yù)處理的主要目的是保證下一步圖像配準(zhǔn)的精度,對(duì)原始圖像做一些折疊變化和坐標(biāo)變換,初略定位,找到大致的重疊區(qū)域,縮小匹配圍,提高速度。圖像預(yù)處理主要是對(duì)系統(tǒng)獲取的原始圖像根本特征的信息進(jìn)展相應(yīng)的、有針對(duì)性的處理，以濾去干擾、噪聲，作幾何校正、色彩校正，以便于計(jì)算機(jī)的分析計(jì)算，一般包括濾波、圖像增強(qiáng)、圖像二值化、形態(tài)學(xué)運(yùn)算、邊緣檢測(cè)等等。分析本文的設(shè)計(jì)題目，根據(jù)題目的要求本設(shè)計(jì)主要用到的預(yù)處理主要有直方圖均衡化、中值濾波、邊緣保持自適應(yīng)平滑濾波。其中邊緣保持自適應(yīng)平滑濾波為本設(shè)計(jì)的特色預(yù)處理。 4.1 直方圖均衡化在圖像處理領(lǐng)域,圖像增強(qiáng)處理技

44、術(shù)是一種很重要的根本處理技術(shù).一幅圖像的直方圖通常包含了該圖像的灰度圍、整幅圖像的平均明暗和比照度、每個(gè)灰度的頻度和灰度的分布等概貌性的描述,由此可得出進(jìn)一步處理圖像的重要依據(jù).因此直方圖修正法是圖像增強(qiáng)處理技術(shù)的一種重要方法.直方圖修正(histograin modification,HM)一般包括直方圖均衡化(histograin equalization,HE)和直方圖規(guī)定化(histograin specification,HS)兩種方法.其中直方圖均衡化算法是一種快速有效的圖像整體比照度增強(qiáng)算法,對(duì)于增強(qiáng)圖像的整體比照度具有較好作用,從而使得直方圖處理技術(shù)應(yīng)用更加廣泛.直方圖均衡化是

45、一種經(jīng)典、有效的圖像增強(qiáng)方法.它是把給定圖像的直方圖分布改變成均勻的直方圖分布.直方圖均衡化是利用一個(gè)灰度變換函數(shù)來(lái)修正輸入圖像的直方圖,使其趨向于均勻分布,以增大圖像灰度級(jí)的動(dòng)態(tài)圍.這種算法的主要優(yōu)點(diǎn)是能夠快速而有效地?cái)U(kuò)大圖像的動(dòng)態(tài)圍,改善圖像的整體視覺(jué)效果.本設(shè)計(jì)直方圖均衡化的具體實(shí)現(xiàn)方法是：(1)利用循環(huán)求出每個(gè)灰度值的個(gè)數(shù)。(2)統(tǒng)計(jì)各個(gè)灰度值出現(xiàn)的概率。(3)利用循環(huán)求出前項(xiàng)概率和。(4)利用循環(huán)將新的灰度值分布賦給新的圖像。(5)最后畫(huà)出新圖像的直方圖作比較。實(shí)驗(yàn)結(jié)果如圖4.1所示： 圖 直方圖均衡化運(yùn)行結(jié)果實(shí)驗(yàn)選擇的圖片是黃昏是一號(hào)公寓的一角，經(jīng)過(guò)直方圖均衡化以后觀察運(yùn)行結(jié)果可以

46、看出灰度值的分布寬度明顯變寬，在圖片上直接反映為圖片變亮，更適合人眼觀察。4.2 中值濾波圖像在獲取、傳輸、接收和處理過(guò)程中,常因外界噪聲干擾而導(dǎo)致其質(zhì)量退化,因此要進(jìn)展降噪處理。常用的降噪方法可分為線性和非線性兩類。線性濾波能夠很好地平滑高斯噪聲,但對(duì)脈沖噪聲效果較差,且在降噪的同時(shí)也使圖像變得模糊。中值濾波是一種非線性濾波方法,既能有效地濾除脈沖噪聲,同時(shí)又能保護(hù)*些圖像細(xì)節(jié),因此在圖像降噪處理中得到了廣泛的應(yīng)用。中值濾波器的消噪效果不僅與模板的尺寸有關(guān)，也與模板中參與運(yùn)算排序的像素?cái)?shù)有關(guān)。當(dāng)使用給定尺寸的模板時(shí)，可以僅利用其中的一局部像素進(jìn)展計(jì)算以減少計(jì)算量。另外中值濾波器的消噪聲效果還

47、與模板的形狀或模板中參與運(yùn)算的像素所構(gòu)成圖案的形狀有關(guān)。一般來(lái)說(shuō)方形的模板對(duì)圖像的細(xì)節(jié)最不敏感，它會(huì)濾除細(xì)線并消除邊緣上的角點(diǎn)。它也常產(chǎn)生討厭的條紋常數(shù)灰度的區(qū)域，這是中值濾波的缺點(diǎn)。圖給出了中值濾波的模板，圖4.2.2給出了中值濾波的模板。 圖 33模板 圖 55模板本設(shè)計(jì)中值濾波利用模板對(duì)整幅圖片驚醒掃描，對(duì)掃描的局部取中值以到達(dá)去噪的效果分別利用了模板和模板對(duì)圖片進(jìn)展處理，以便于比較。實(shí)驗(yàn)結(jié)果如圖和4.2.4所示。圖 33模板中值濾波圖4.2.4 55模板中值濾波經(jīng)過(guò)分析模板運(yùn)行效果比模板運(yùn)行的效果好，但是消耗的時(shí)間也長(zhǎng)一些。4.3 邊緣保持自適應(yīng)平滑濾波長(zhǎng)期以來(lái),人們根據(jù)圖像的特點(diǎn)、噪

48、聲的統(tǒng)計(jì)特征和分布的規(guī)律,提出了多種不同的去噪算法。其中,最重要的是中值平滑算法隨后各種基于中值去噪的改進(jìn)算法被提出來(lái)。這些去噪算法雖然能夠降低噪聲,但都沒(méi)有充分考慮保持圖像邊緣細(xì)節(jié)的問(wèn)題,所以此類算法在去除噪聲的同時(shí),也使圖像變得模糊.本文提出一種新的邊緣保持自適應(yīng)平滑算法,該算法提高了在圖像平滑運(yùn)算過(guò)程中邊緣檢測(cè)的方向性,分別在 9個(gè)不同方向上對(duì)邊緣細(xì)節(jié)進(jìn)展檢測(cè)類聚,具有很強(qiáng)的方向性和自適應(yīng)性。利用該算法對(duì)噪聲污染圖像進(jìn)展去噪仿真實(shí)驗(yàn),實(shí)驗(yàn)結(jié)果說(shuō)明,該算法能有效消除圖像噪聲并保存圖像原有邊緣信息，與已有的去噪算法相比較,去噪效果明顯改善。 LVAM算法圖像數(shù)據(jù)之間具有很強(qiáng)的關(guān)聯(lián)性和圖像邊緣

49、的不規(guī)則性，利用方差可以反映數(shù)據(jù)間奇異特征。據(jù)此本文提出了一種新的邊緣保持類自適應(yīng)平滑算法灰度最小方差區(qū)域的均值(LVAM ,Least Variance AeraMean)平滑算法。圖 LVAM 算法的模版示意圖Fig. 1 The template sketch of LVAMLVAM 算法的核心思想是以待處理的像素為中心,選擇如下列圖的a ,b , ,i 共 9 個(gè)不同形狀的模板,用“包圍的像素為當(dāng)前待處理的像素。對(duì)這 9 個(gè)模板所覆蓋區(qū)域中的像素 ,分別計(jì)算其灰度分布方差 ,找出與待處理像素點(diǎn)關(guān)聯(lián)性最大的模板,稱最大相關(guān)鄰域,用其最大相關(guān)鄰域中的像素灰度均值替代其原來(lái)的灰度值。 算法的

50、自適應(yīng)去噪原理由于圖像信息之間具有很強(qiáng)的相關(guān)性，即圖像像素點(diǎn)的灰度值和它鄰近點(diǎn)的灰度值相差不大，它們處在最大相關(guān)鄰域，而噪聲污染點(diǎn)一般是孤立的，它和鄰近點(diǎn)之間具有奇異性. 該算法從 9 個(gè)方向最大程度地?cái)M合了一個(gè)像素點(diǎn)可能處于的最大相關(guān)鄰域的情況，所以無(wú)論該點(diǎn)是否處于邊界上面，對(duì)它的處理都可以保證在其所處的最大相關(guān)的鄰域進(jìn)展。 同時(shí)采用最小均方差作為判據(jù)也可防止平滑區(qū)域跨過(guò)圖像的邊緣。在圖像中 ,對(duì)于被噪聲污染的像素點(diǎn) ,它將使得該鄰域的均方差變大. 根據(jù)圖像的相關(guān)性 ,一個(gè)沒(méi)有受到噪聲污染的像素點(diǎn)一定會(huì)與其周圍*個(gè)鄰域的統(tǒng)計(jì)特性相關(guān) ,表現(xiàn)在圖像上就是其灰度級(jí)一定會(huì)與其周圍*個(gè)鄰域的灰度級(jí)接

51、近 ,除非該奇異點(diǎn)出乎意料地表示了有用信息而非噪聲的小概率事件的發(fā)生. 本文通過(guò)對(duì)如圖 1 所示的 9 個(gè)模版區(qū)域的像素均方差來(lái)刻畫(huà)待處理像素點(diǎn)與其鄰域其它像素點(diǎn)的奇異程度 ,其方差最小的模板區(qū)域就是該點(diǎn)的最大相關(guān)鄰域. 設(shè)為圖像中坐標(biāo)為的像素點(diǎn)及其灰度值,其所處模板像素的灰度分布方差為，則其方差定義如下： 4-1 4-2在式4-1和式4-2中，s代表像素所處的模板，代表模板 s中的坐標(biāo)為的像素灰度值，代表模板 s中所有像素的平均值, N 代表模板中的像素個(gè)數(shù)。在最大相關(guān)鄰域 ,不管待處理的像素是否被噪聲所污染 ,它都將被平滑處理。如果該點(diǎn)是噪聲污染點(diǎn)，它將被其所在的最大相關(guān)鄰域的圖像信息點(diǎn)的

52、均值替代，因?yàn)樵肼朁c(diǎn)本身具有奇異性的特征，所以在其最大相關(guān)鄰域的平滑運(yùn)算可以對(duì)其進(jìn)展抑制 ,起到去噪的效果. 如果該點(diǎn)是景物邊緣點(diǎn) ,則它一定也處在邊緣區(qū)域 ,所以在其最大相關(guān)鄰域的平滑處理，對(duì)該點(diǎn)信息影響不大，起到保持邊緣的目的。在選擇待處理像素點(diǎn)的最大相關(guān)鄰域時(shí)本文算法從 9 個(gè)不同方向上，通過(guò)計(jì)算每個(gè)區(qū)域的方差，根據(jù)算法的要求自主地選擇待處理像素的最大相關(guān)區(qū)域，在其最大相關(guān)鄰域完成平滑運(yùn)算，到達(dá)去噪和保持邊緣信息的目的。這一過(guò)程是由算法自身完成 ,具有很強(qiáng)的自適應(yīng)性。 算法實(shí)現(xiàn)的步驟根據(jù)算法的設(shè)計(jì)思想 ,基于灰度最小方差均值平滑的算法步驟如下:第一步以“包圍的像素為待處理像素點(diǎn),利用式4

53、-1計(jì)算出圖 LVAM算法的模版示意圖所示的9個(gè)模板中所有像素的灰度分布方差。第二步找出方差值為最小的模板 ,即 4-3這個(gè)模板就是待處理像素所在的最大相關(guān)鄰域。 第三步利用模板中像素的灰度均值替代 4-4其中, N為模板中的像素個(gè)數(shù)。 第四步對(duì)圖像中所有處于去噪圍的像素均進(jìn)展第一步至第三步的處理。 算法實(shí)驗(yàn)結(jié)果根據(jù)算法實(shí)現(xiàn)步驟編程、調(diào)試，實(shí)驗(yàn)結(jié)果如下列圖：圖 邊緣保持自適應(yīng)平滑濾波對(duì)實(shí)驗(yàn)結(jié)果進(jìn)展觀察，可以看到去噪效果非常好而且圖像的邊緣保持的也很好。預(yù)處理程序見(jiàn)附錄。第五章 輪廓特征的提取經(jīng)過(guò)視頻分解和預(yù)處理后，圖片已經(jīng)符合我們的要求了，接下來(lái)本設(shè)計(jì)對(duì)圖片的特征進(jìn)展提取。本設(shè)計(jì)中主要是利用c

54、anny算子提取圖像的輪廓特征5.1 canny邊緣檢測(cè)根本原理Canny邊緣檢測(cè)算法具有良好的信噪比和檢測(cè)精度，因此在圖像處理領(lǐng)域被廣泛采用。Canny邊緣檢測(cè)的根本原理：(1)圖象邊緣檢測(cè)必須滿足兩個(gè)條件：一能有效地抑制噪聲；二必須盡量準(zhǔn)確確定邊緣的位置。(2)根據(jù)對(duì)信噪比與定位乘積進(jìn)展測(cè)度，得到最優(yōu)化逼近算子。這就是Canny邊緣檢測(cè)算子。(3)類似于MarrLoG邊緣檢測(cè)方法，也屬于先平滑后求導(dǎo)數(shù)的方法。5.2 canny邊緣檢測(cè)算法Canny邊緣檢測(cè)可以分為四步來(lái)進(jìn)展。即平滑圖象、計(jì)算梯度的幅值和方向、對(duì)梯度幅值進(jìn)展非極大值抑制、檢測(cè)和連接邊緣。 平滑圖像Canny邊緣檢測(cè)算法是高斯

55、函數(shù)的一階導(dǎo)數(shù)，是對(duì)信噪比與定位精度之乘積的最優(yōu)化逼近算子。Canny算法首先用二維高斯函數(shù)的一階導(dǎo)數(shù)對(duì)圖像進(jìn)展平滑。設(shè)二維高斯函數(shù)為:5-1其梯度矢量為：5-2用分解的方法提高速度，把的2個(gè)濾波卷積模板分解為2個(gè)一維的行列濾波器：5-35-4其中，k為常數(shù)，為高斯濾波器參數(shù)，它控制著平滑程度。對(duì)于小的濾波器，雖然定位精度高，但信噪比低；大的情況則相反。因此要根據(jù)需要適當(dāng)?shù)剡x取高斯濾波器參數(shù)。 計(jì)算梯度的幅值和方向Canny算法采用22鄰域一階偏導(dǎo)的有限差分來(lái)計(jì)算平滑后的數(shù)據(jù)陣列I(*，y)的梯度幅值和梯度方向。其中，*和y方向偏導(dǎo)數(shù)的2個(gè)陣列P*ij和Pyij分別為：5-5 5-6像素的梯度

56、幅值和梯度方向用直角坐標(biāo)到極坐標(biāo)的坐標(biāo)轉(zhuǎn)化公式計(jì)算，梯度幅值為：5-7梯度方向?yàn)椋?5-8 對(duì)梯度幅值進(jìn)展非極大值抑制為了準(zhǔn)確定位邊緣，必須細(xì)化梯度幅值圖像Mi，j中的屋脊帶，只保存幅值局部變化最大的點(diǎn)，這一過(guò)程就是非極大值抑制。在非極大值抑制過(guò)程中，Canny算法使用33大小，包含8方向的鄰域?qū)μ荻确店嚵蠱i，j的所有像素沿梯度方向進(jìn)展梯度幅值的插值。在每一個(gè)點(diǎn)上，鄰域的中心像素mi，j與沿梯度方向的2個(gè)梯度幅值的插值結(jié)果進(jìn)展比較。i，j是像素鄰域中心處沿著梯度方向的扇形區(qū)域，非極大值抑制在此區(qū)域進(jìn)展。如果鄰域中心點(diǎn)的幅值mi，j不比梯度方向上的2個(gè)插值結(jié)果大，則將mi，j對(duì)應(yīng)的邊緣標(biāo)志位

57、賦值為0，這一過(guò)程把Mi，j寬屋脊帶細(xì)化為一個(gè)像素寬，并且保存了屋脊的梯度幅值。非極大值抑制NMS(non-ma*ima suppression)過(guò)程的數(shù)學(xué)表示為：5-9 檢測(cè)和連接邊緣雙閾值算法是對(duì)經(jīng)過(guò)非極大值抑制圖像Ni，j分別使用高、低2個(gè)閾值th和tl分割，得到2個(gè)閾值邊緣圖像Thi，j和Tli，j。由于圖像Thi，j是由高閾值得到，因此它應(yīng)該不含有假邊緣，但Thi，j可能在輪廓上有連續(xù)。因此雙閾值算法要在Thi，j中把邊緣連接成輪廓，當(dāng)?shù)竭_(dá)輪廓端點(diǎn)時(shí)，該算法就在由低閾值得到的邊緣圖像Tli，j的8鄰域位置尋找可以連接到輪廓上的邊緣。這樣，利用遞歸跟蹤的算法不斷地在Tli，j中搜集邊緣

58、，直到將Thi，j中所有的間隙都連接起來(lái)為止。5.3 canny邊緣檢測(cè)結(jié)果根據(jù)canny邊緣檢測(cè)的四步編寫(xiě)程序，運(yùn)行調(diào)試試驗(yàn)結(jié)果如圖和圖5.3.2所示。圖 原圖圖輪廓圖對(duì)運(yùn)行結(jié)果進(jìn)展觀察canny算法可以很好的提取出圖像的輪廓。輪廓提取程序見(jiàn)附錄。第六章 圖像拼接輪廓提取以后，就可以對(duì)兩幅圖片進(jìn)展拼接了，本設(shè)計(jì)采用的是模板匹配的方法進(jìn)展拼接，其中主要是利用模板尋找兩幅圖像中輪廓一樣的局部6.1 模板匹配算法模板就是一幅的小圖像。模板匹配就是在一幅大圖像中搜尋目標(biāo)，該圖中有要找的目標(biāo)，且該目標(biāo)同模板有一樣的尺寸、方向和圖像，通過(guò)一定的算法可以在圖中找到目標(biāo)，確定其坐標(biāo)位置。以8位圖像(其1個(gè)像

59、素由1個(gè)字節(jié)描述)為例，模板T(個(gè)像素)疊放在被搜索圖S(個(gè)像素)上平移，模板覆蓋被搜索圖的那塊區(qū)域叫子圖。，為子圖左上角在被搜索圖上的坐標(biāo)。搜索圍是：(6-1)通過(guò)比較T 和Sij 的相似性，完成模板匹配過(guò)程圖6.1 模板匹配原理圖注意：圖像的數(shù)據(jù)是從下到上、從左到右排列的?？梢杂孟率胶饬縏 和相似性： (6-2)上式的第一項(xiàng)為子圖的能量，第三項(xiàng)為模板的能量，都與模板匹配無(wú)關(guān)。第二項(xiàng)是模板和子圖的互相關(guān)，隨而改變。當(dāng)模板和子圖匹配時(shí)，該項(xiàng)有極大值。將其歸一化，得模板匹配的相關(guān)系數(shù)：(6-3)當(dāng)模板和子圖完全一樣時(shí)，相關(guān)系數(shù)。在被搜索圖S中完成全部搜索后，找出R的最大值，其對(duì)應(yīng)的子圖即為匹配目

60、標(biāo)。6.2 基于輪廓特征的模板匹配算法本設(shè)計(jì)主要是基于圖像輪廓特征進(jìn)展拼接，所以在模板進(jìn)展掃描時(shí)主要是對(duì)輪廓圖系那個(gè)的匹配。因?yàn)檩喞獔D像的灰度值只有0和1，所以本設(shè)計(jì)在模板匹配的過(guò)程中主要利用模板區(qū)域灰度值為1的點(diǎn)的個(gè)數(shù)的最大值來(lái)確定匹配對(duì)。在確定匹配對(duì)以后利用程序在輪廓圖像上做標(biāo)記。如下列圖：圖 待拼接的左邊局部圖像圖 待拼接的右邊局部圖像圖 模板圖像圖 匹配完成后的圖像6.3 匹配圖像拼接經(jīng)過(guò)模板搜索以后標(biāo)記出匹配圖像，利用坐標(biāo)映射關(guān)系將兩幅圖像拼接為一副圖像，具體實(shí)現(xiàn)方法為首先將左邊局部圖像賦值給一副新的圖像在賦值的時(shí)候在預(yù)留出幾個(gè)是像素的空間防止圖片拼接過(guò)程中出現(xiàn)越界現(xiàn)象。然后將右半局