OpenCV 視頻中火焰檢測(cè)識(shí)別實(shí)踐
主要完成兩個(gè)視頻中火焰的檢測(cè),主要結(jié)合RGB判據(jù)和HIS判據(jù),設(shè)定合適的閾值條件,檢測(cè)出火焰對(duì)應(yīng)像素的區(qū)域,將原圖二值化,經(jīng)過(guò)中值濾波以及數(shù)學(xué)形態(tài)學(xué)的膨脹運(yùn)算等圖像處理,消除一些噪聲及離散點(diǎn),連通一些遺漏的區(qū)域?;贠penCV的開源庫(kù),在VS2013平臺(tái)上,實(shí)現(xiàn)了兩個(gè)視頻中火焰的檢測(cè)。
利用OpenCV有強(qiáng)大的圖像處理庫(kù),直接將圖像分離為RGB三通道,設(shè)置條件限制,找到火焰的像素位置,將原圖處理成二值圖像。對(duì)于火焰檢測(cè),本文結(jié)合RGB判據(jù)和HIS判據(jù),分割出火焰的區(qū)域。一般用于人眼觀看的顏色模型是RGB模型,對(duì)于火焰而言,紅色分量(R)和綠色分量(G)會(huì)很大,并且綠色分量(G)會(huì)大于藍(lán)色分量(B)。HIS顏色模型分別用H(色度)S(飽和度)I(亮度)描述顏色特性,與人們感受顏色的方式緊密相連??紤]到單一顏色模型的判據(jù)準(zhǔn)確性不夠高,在RGB判據(jù)基礎(chǔ)上,添加HIS約束條件。具體條件[1]為:
其中,Rt是紅色分量閾值,St是飽和度閾值,火焰像素主要取決于紅色分量(R)的色度和飽和度。若滿足式(1),則判斷該位置為火焰像素,顯示為白色,否則顯示為黑色。判據(jù)中閾值的選擇對(duì)于火焰檢測(cè)是至關(guān)重要的,一般靠經(jīng)驗(yàn)設(shè)定,為了獲取火焰識(shí)別最好的效果,設(shè)置兩個(gè)滑動(dòng)條,改變閾值Rt和St的大小,選取最合適的值。
由于(1)中只需要用到HIS中的S分量,所以不需要用到顏色模型轉(zhuǎn)換函數(shù),直接計(jì)算S分量即可。
獲取二值圖像后,需要對(duì)其預(yù)處理,找到遺漏的點(diǎn),剔除異常的點(diǎn)。由于存在噪聲及離散點(diǎn),對(duì)圖像進(jìn)行平滑濾波,本文采用的是中值濾波,中值濾波是典型的非線性濾波,用像素點(diǎn)鄰域灰度值的中值來(lái)代替該像素點(diǎn)的灰度值,非常利于消除一些誤判斷為火焰的像素點(diǎn)。
由于部分火焰的顏色不是介于紅黃之間,無(wú)法識(shí)別,需要實(shí)現(xiàn)區(qū)域的連通,因此對(duì)二值圖像進(jìn)行數(shù)學(xué)形態(tài)學(xué)操作。形態(tài)學(xué)是一種強(qiáng)大的圖像處理工具,它可以實(shí)現(xiàn)圖像去噪、圖像分割等功能,最基本的形態(tài)學(xué)操作有兩種,分別是膨脹與腐蝕。它們可以衍生出很多強(qiáng)大的形態(tài)學(xué)算法,實(shí)現(xiàn)我們想要的功能。采用形態(tài)學(xué)處理的最基礎(chǔ)的膨脹操作,作用于火焰的二值圖像中。
編寫CheckColor函數(shù),將以上3個(gè)功能實(shí)現(xiàn)。
為了表示出視頻中火焰的區(qū)域,在預(yù)處理過(guò)后,將火焰輪廓用矩形框標(biāo)記,編寫了畫矩形框的函數(shù)DrawFire,其中使用了OpenCV的尋找輪廓的函數(shù)findContours,由于作業(yè)中test2的火焰位置是分散在不同地方的,所以對(duì)整張圖像進(jìn)行區(qū)域的劃分,分別用不同矩形標(biāo)記不同區(qū)域出現(xiàn)的火焰。
基于OpenCV的庫(kù),在VS2013上實(shí)現(xiàn)算法,由于視頻中的火焰檢測(cè)是實(shí)時(shí)動(dòng)態(tài)的,下面截取幾幀畫面用于展示實(shí)驗(yàn)結(jié)果:
本文采用RGB判據(jù)和HIS判據(jù)結(jié)合的方法,按照經(jīng)驗(yàn)法和不斷地調(diào)試,選擇合適的閾值,基于OpenCV在VS2013上實(shí)現(xiàn)算法,從test1實(shí)驗(yàn)結(jié)果可以看出,在背景比較單調(diào)且與火焰差別較大時(shí),效果良好,幾乎沒(méi)有任何噪聲對(duì)其造成干擾。從test2實(shí)驗(yàn)結(jié)果可以看出,當(dāng)背景復(fù)雜或與火焰顏色比較相似時(shí),會(huì)不時(shí)出現(xiàn)噪聲和誤判,需要進(jìn)一步提高算法。
列出處理test2視頻的具體代碼:
#include<opencv2/opencv.hpp> #include<cv.h> using namespace cv; int redThre =49; // 115~135 int saturationTh = 7; //55~65 Mat CheckColor(Mat &inImg); void DrawFire(Mat &inputImg, Mat foreImg); int main() { VideoCapture capture("test2.avi"); while (1) { Mat frame; capture >> frame; if (frame.empty()) break; namedWindow("Control", CV_WINDOW_AUTOSIZE); cvCreateTrackbar("redThre", "Control", &redThre, 255); cvCreateTrackbar("saturationTh", "Control", &saturationTh, 255); CheckColor(frame); waitKey(1); } return 0; } //The Color Check is According to "An Early Fire-Detection Method Based on Image Processing" //The Author is:Thou-Ho (Chao-Ho) Chen, Ping-Hsueh Wu, and Yung-Chuen Chiou Mat CheckColor(Mat &inImg) { Mat fireImg; fireImg.create(inImg.size(), CV_8UC1); Mat multiRGB[3]; int a = inImg.channels(); split(inImg, multiRGB); //將圖片拆分成R,G,B,三通道的顏色 for (int i = 0; i < inImg.rows; i++) { for (int j = 0; j < inImg.cols; j++) { float B, G, R; B = multiRGB[0].at<uchar>(i, j); //每個(gè)像素的R,G,B值,動(dòng)態(tài)地址計(jì)算法 G = multiRGB[1].at<uchar>(i, j); R = multiRGB[2].at<uchar>(i, j); float maxValue = max(max(B, G), R); float minValue = min(min(B, G), R); //與HSI中S分量的計(jì)算公式 double S = (1 - 3.0*minValue / (R + G + B));// //R > RT R>=G>=B S>=((255-R)*ST/RT) if (R > redThre &&R >= G && G>= B && S >((255 - R) * saturationTh / redThre)) { fireImg.at<uchar>(i, j) = 255; } else { fireImg.at<uchar>(i, j) = 0; } } } //erode(fireImg, fireImg, Mat(3, 3, CV_8UC1)); //GaussianBlur(fireImg, fireImg, Size(5, 5), 0, 0); medianBlur(fireImg, fireImg, 5); dilate(fireImg, fireImg, Mat(5, 5, CV_8UC1)); imshow("Binary", fireImg); DrawFire(inImg, fireImg); return fireImg; } void DrawFire(Mat &inputImg, Mat foreImg) { vector<vector<Point>> contours_set;//保存輪廓提取后的點(diǎn)集及拓?fù)潢P(guān)系 findContours(foreImg, contours_set, CV_RETR_EXTERNAL, CV_CHAIN_APPROX_NONE); Point point1; Point point2; float a = 0.4, b = 0.75; float xmin1 = a*inputImg.cols, ymin1 = inputImg.rows, xmax1 = 0, ymax1 = 0; float xmin2 = b*inputImg.cols, ymin2 = inputImg.rows, xmax2 = a*inputImg.cols, ymax2 = 0; float xmin3 = inputImg.cols, ymin3 = inputImg.rows, xmax3 = b*inputImg.cols, ymax3 = 0; Rect finalRect1; Rect finalRect2; Rect finalRect3; vector<vector<Point> >::iterator iter = contours_set.begin(); for (; iter != contours_set.end();) { Rect rect = boundingRect(*iter); float radius; Point2f center; minEnclosingCircle(*iter, center, radius); if (rect.area()> 0) { point1.x = rect.x; point1.y = rect.y; point2.x = point1.x + rect.width; point2.y = point1.y + rect.height; if (point2.x< a*inputImg.cols) { if (point1.x < xmin1) xmin1 = point1.x; if (point1.y < ymin1) ymin1 = point1.y; if (point2.x > xmax1 && point2.x < xmax2) xmax1 = point2.x; if (point2.y > ymax1) ymax1 = point2.y; } if (point2.x < b*inputImg.cols&&point2.x > a*inputImg.cols) { if (point1.x < xmin2 && point1.x>xmin1) xmin2 = point1.x; if (point1.y < ymin2) ymin2 = point1.y; if (point2.x > xmax2 && point2.x < xmax3) xmax2 = point2.x; if (point2.y > ymax2) ymax2 = point2.y; } if (point2.x < inputImg.cols&&point2.x > b*inputImg.cols) { if (point1.x < xmin3 && point1.x>xmin2) xmin3 = point1.x; if (point1.y < ymin3) ymin3 = point1.y; if (point2.x > xmax3) xmax3 = point2.x; if (point2.y > ymax3) ymax3 = point2.y; } ++iter; } else { iter = contours_set.erase(iter); } } if (xmin1 == a*inputImg.cols&& ymin1 == inputImg.rows&&xmax1 == 0 && ymax1== 0) { xmin1 = ymin1 = xmax1 = ymax1 = 0; } if (xmin2 == b*inputImg.cols&& ymin2 == inputImg.rows&& xmax2 == a*inputImg.cols&& ymax2 == 0) { xmin2 = ymin2 = xmax2 = ymax2 = 0; } if (xmin3 == inputImg.cols&&ymin3 == inputImg.rows&& xmax3 == b*inputImg.cols&& ymax3 == 0) { xmin3 = ymin3 = xmax3 = ymax3 = 0; } finalRect1= Rect(xmin1, ymin1, xmax1 - xmin1, ymax1 - ymin1); finalRect2 = Rect(xmin2, ymin2, xmax2 - xmin2, ymax2 - ymin2); finalRect3 = Rect(xmin3, ymin3, xmax3 - xmin3, ymax3 - ymin3); rectangle(inputImg, finalRect1, Scalar(0, 255, 0)); rectangle(inputImg, finalRect2, Scalar(0, 255, 0)); rectangle(inputImg, finalRect3, Scalar(0, 255, 0)); imshow("Fire_Detection", inputImg); }
到此這篇關(guān)于OpenCV 視頻中的火焰檢測(cè)識(shí)別的文章就介紹到這了,更多相關(guān)OpenCV 火焰檢測(cè)識(shí)別內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家!
相關(guān)文章
C語(yǔ)言多線程開發(fā)中死鎖與讀寫鎖問(wèn)題詳解
死鎖是指多個(gè)線程因競(jìng)爭(zhēng)資源而造成的僵局(互相等待);有些公共數(shù)據(jù)修改的機(jī)會(huì)很少,但其讀的機(jī)會(huì)很多。并且在讀的過(guò)程中會(huì)伴隨著查找,給這種代碼加鎖會(huì)降低我們的程序效率。讀寫鎖可以解決這個(gè)問(wèn)題;2022-05-05C語(yǔ)言實(shí)現(xiàn)簡(jiǎn)單的五子棋游戲
這篇文章主要為大家詳細(xì)介紹了c語(yǔ)言實(shí)現(xiàn)簡(jiǎn)單的五子棋游戲,文中示例代碼介紹的非常詳細(xì),具有一定的參考價(jià)值,感興趣的小伙伴們可以參考一下2022-01-01Cocos2d-x學(xué)習(xí)筆記之開發(fā)環(huán)境搭建
這篇文章主要介紹了Cocos2d-x學(xué)習(xí)筆記之開發(fā)環(huán)境搭建,本文使用Visual Studio作為開發(fā)IDE,是不同于其它教程的,需要的朋友可以參考下2014-09-09VSCode配置C++環(huán)境的方法步驟(MSVC)
這篇文章主要介紹了VSCode配置C++環(huán)境的方法步驟,文中通過(guò)示例代碼介紹的非常詳細(xì),對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友們下面隨著小編來(lái)一起學(xué)習(xí)學(xué)習(xí)吧2020-05-05C++兩個(gè)cpp文件間如何進(jìn)行各自函數(shù)的調(diào)用方式
這篇文章主要介紹了C++兩個(gè)cpp文件間如何進(jìn)行各自函數(shù)的調(diào)用方式,具有很好的參考價(jià)值,希望對(duì)大家有所幫助。如有錯(cuò)誤或未考慮完全的地方,望不吝賜教2023-02-02c++調(diào)用動(dòng)態(tài)庫(kù)LNK2019和LNK1120無(wú)法解析的外部命令
本文主要介紹了c++調(diào)用動(dòng)態(tài)庫(kù)LNK2019和LNK1120無(wú)法解析的外部命令, 出現(xiàn)這個(gè)錯(cuò)誤一般都是函數(shù)只找到聲明但沒(méi)有實(shí)現(xiàn),或者是少了什么鏈接庫(kù),下面就來(lái)解決一下2024-06-06詳解C++何時(shí)需要拷貝構(gòu)造函數(shù)
拷貝構(gòu)造函數(shù)是一個(gè)特殊的構(gòu)造函數(shù),用于創(chuàng)建一個(gè)新對(duì)象,該對(duì)象與另一個(gè)同類對(duì)象具有相同的屬性和值,在 C++ 中,拷貝構(gòu)造函數(shù)通常采用另一個(gè)同類對(duì)象作為參數(shù),并使用該對(duì)象初始化新對(duì)象,本文給大家講講何時(shí)需要拷貝函數(shù),需要的朋友可以參考下2023-09-09關(guān)于C++中的static關(guān)鍵字的總結(jié)
C++的static有兩種用法:面向過(guò)程程序設(shè)計(jì)中的static和面向?qū)ο蟪绦蛟O(shè)計(jì)中的static。前者應(yīng)用于普通變量和函數(shù),不涉及類;后者主要說(shuō)明static在類中的作用2013-09-09