圖像處理背景減法

1、 數(shù)字圖像處理報告 姓 名： cugycy 學 院： 機械與電子信息學院 班 級： 071112-13 指導老師： 傅華明 摘要研究目標：本文主要研究在背景維持不變的環(huán)境下，對運動目標檢測。在固定空間場中獲得的運動目標的運動的一系列圖像稱為運動圖像。我們主要研究的是在一個固定場景中，目標對象位置發(fā)生變化的情況。采用方法：為了分析在固定場景中目標的運動變化，首先考慮到在一系列的運動圖像序列中，空間場的位置、灰度變化是非常微小的，基本上可以認為是固定不變的；而運動對象卻在空間位置上發(fā)生了明顯的改變，所以我們可以用背景減法來研究這一情況。背景減法通過逐像素比較與背景圖像的差別，在背景基本不變的條件下

2、，在差圖像的不為零處表明該處出現(xiàn)運動目標，通過求差的方法就可以將運動目標的位置和形狀表現(xiàn)出來。在實際情況中，由于鏡頭的物理抖動造成的圖像的移動，旋轉，以及光線明暗的變化，所造成的圖像背景改變，從而難以與背景圖做差形成清晰，無噪聲的差分圖像。完成以下編程：為了減小誤差影響，增強圖像質量，在認為無鏡頭的旋轉，先后移動情況影響下，只考慮鏡頭產生了上下平移變化，用相關匹配在其他圖像中尋找與模板（圖像1部分）最相似的子塊，并剪切其他圖像使其他圖像與圖像1的背景一致。在不考慮處理的實時情況下，同時圖像的數(shù)量較少（5張），運動目標在多幅圖像疊加中不會有重疊部分，采用去除最大最小值后求均值法求得背景圖像。將圖

3、像與背景圖像做差值處理，采用二維自適應維納濾波對差值圖形濾波減小噪聲影響。將濾波后差值圖，設定閾值進行二值化，同時采用形態(tài)學的腐蝕膨脹，使二值圖像中目標輪廓邊緣更加平滑，減小圖像內部空隙，符合實際目標。取得成果：由此我們的得到了五幅二值目標圖像。通過圖像位置的比較明顯看到人從右到左的運動，圖像的間距看出運動的距離也是不一樣的，圖像的大小看出距離鏡頭的距離也是不一樣的。未解決問題：沒能考慮鏡頭旋轉帶來的圖像背景移動，從而使差值圖像噪聲減小更多，同時背景圖像的生成不夠準確，影響差值圖像的質量。未能采用更為合適的濾波，減小噪聲。圖像的二值化的閾值選取，不能基于圖像自身的的數(shù)據(jù)自動隨之改變。未對二值圖

4、像進行濾波，去除小的噪聲點。未對二值圖像和原圖像進行更進一步的匹配。未采用彩色圖像處理。詳細報告：以圖像1的部分為模板在其他圖像中匹配相似的位置，從而適當剪裁其他圖像使背景盡可能一致。模板匹配最佳匹配處原圖與剪裁圖通過圖像直觀分析，發(fā)現(xiàn)多幅圖像上的運動目標沒有位置重合，從而可以采用去除圖像相同位置數(shù)據(jù)中的最大值和最小值，然后取均值的方法獲得背景圖像。背景圖將圖像與背景圖做差值計算，獲得圖像差圖。差值圖像采用二維自適應維納濾波對差值圖形濾波減小噪聲影響。將濾波后差值圖，設定閾值進行二值化，同時采用形態(tài)學的腐蝕膨脹，使二值圖像中目標輪廓邊緣更加平滑，減小圖像內部空隙，符合實際目標。其他工作：不同濾

5、波效果中，納維濾波的能更好的保留目標的輪廓信息，噪點可采用形態(tài)學處理去除噪點。不同濾波效果源代碼：clcclear all%-% 批量獲取文件%-file=dir('G:study大四上數(shù)字圖像處理m4p6-0*.bmp') %列出當前目錄下符合正則表達式的文件夾和文件 數(shù)據(jù)結構for n=1:length(file) %獲取以名字為命名的圖片數(shù)據(jù) tmp=rgb2gray(imread('G:study大四上數(shù)字圖像處理m4',file(n).name); str_a1=file(n).name(1:end-8),file(n).name(end-4),

6、9;=tmp;' eval(str_a1);end %-%通過匹配返回坐標,保存到ppn中%用相關匹配在圖像a中尋找與模板c最相似的子塊，給出代碼和相關系數(shù)圖%-for n=2:length(file) %獲取以名字為命名的圖片數(shù)據(jù)b=p1;a=eval('p',num2str(n),'');c=b(30:230,30:630);% imshow(c);g=dftcorr(a,c);gs=gscale(g);% figure,imshow(gs);I,J=find(g=max(g(:);% figure,imshow(gs>254);% figur

7、e,imshow(b),title('灰度' num2str(i) d=a(I:I+400,J:J+600);eval('pp',num2str(n),'=d;');%獲取圖像的相對位置 endpp1=p1(30:430,30:630);%-%通過五幅圖進行取去最大最小后，平均值作為被背景圖層%-for n=1:5 eval('pp_5(n,:,:)=pp',num2str(n),'');%獲取圖像的相對位置end pp_max=max(pp_5);%最大 pp_max1(:,:)=pp_max(1,:,:); p

8、p_max1=pp_max1; pp_min=min(pp_5);%最小 pp_min1(:,:)=pp_min(1,:,:); pp_min1=pp_min1;pp_sum=uint16(pp1)+uint16(pp2)+uint16(pp3)+uint16(pp4)+uint16(pp5);%和pp_sum=uint8(pp_sum-uint16(pp_min1)-uint16(pp_max1)/3);%去大去小 取均值為背景圖%-%背景減法運算 二維自適應維納濾波 二值化%-for n=1:5 figure,eval('temp=pp',num2str(n),'&

9、#39;);%獲取圖像的相對位置z=imabsdiff(temp,pp_sum);%取絕對值 兩個圖像之差J=z; K1= z; K2= medfilt2(J);%采用二維中值濾波函數(shù)medfilt2對受椒鹽噪聲干擾的圖像濾波 K3=wiener2(J,9 9); %對加噪圖像進行二維自適應維納濾波 K4= filter2(fspecial('average',9),J)/255; %模板尺寸為9 cs=0.15;K1=im2bw(K1,cs);%二值化 K2=im2bw(K2, cs);%二值化 K3=im2bw(K3 ,cs);%二值化 K4=im2bw(K4, cs);%二值化subplot(2,2,1),imshow(eval('pp',num2str(n),); title('原圖像' num2str(n) %-腐蝕開運算foc=imclose(K3,strel('square',10);subplot(2,2,2),imshow(z);title('差值圖像'); f=foc;se=strel('square',2);fo=imopen(f,se);s