图像处理 背景减法.docx
- 文档编号:28035431
- 上传时间:2023-07-07
- 格式:DOCX
- 页数:12
- 大小:2.07MB
图像处理 背景减法.docx
《图像处理 背景减法.docx》由会员分享,可在线阅读,更多相关《图像处理 背景减法.docx(12页珍藏版)》请在冰豆网上搜索。
图像处理背景减法
数字图像处理报告
姓名:
cugycy
学院:
机械与电子信息学院
班级:
071112-13
指导老师:
傅华明
摘要
研究目标:
本文主要研究在背景维持不变的环境下,对运动目标检测。
在固定空间场中获得的运动目标的运动的一系列图像称为运动图像。
我们主要研究的是在一个固定场景中,目标对象位置发生变化的情况。
采用方法:
为了分析在固定场景中目标的运动变化,首先考虑到在一系列的运动图像序列中,空间场的位置、灰度变化是非常微小的,基本上可以认为是固定不变的;而运动对象却在空间位置上发生了明显的改变,所以我们可以用背景减法来研究这一情况。
背景减法通过逐像素比较与背景图像的差别,在背景基本不变的条件下,在差图像的不为零处表明该处出现运动目标,通过求差的方法就可以将运动目标的位置和形状表现出来。
在实际情况中,由于镜头的物理抖动造成的图像的移动,旋转,以及光线明暗的变化,所造成的图像背景改变,从而难以与背景图做差形成清晰,无噪声的差分图像。
完成以下编程:
为了减小误差影响,增强图像质量,在认为无镜头的旋转,先后移动情况影响下,只考虑镜头产生了上下平移变化,用相关匹配在其他图像中寻找与模板(图像1部分)最相似的子块,并剪切其他图像使其他图像与图像1的背景一致。
在不考虑处理的实时情况下,同时图像的数量较少(5张),运动目标在多幅图像叠加中不会有重叠部分,采用去除最大最小值后求均值法求得背景图像。
将图像与背景图像做差值处理,采用二维自适应维纳滤波对差值图形滤波减小噪声影响。
将滤波后差值图,设定阈值进行二值化,同时采用形态学的腐蚀膨胀,使二值图像中目标轮廓边缘更加平滑,减小图像内部空隙,符合实际目标。
取得成果:
由此我们的得到了五幅二值目标图像。
通过图像位置的比较明显看到人从右到左的运动,图像的间距看出运动的距离也是不一样的,图像的大小看出距离镜头的距离也是不一样的。
未解决问题:
没能考虑镜头旋转带来的图像背景移动,从而使差值图像噪声减小更多,同时背景图像的生成不够准确,影响差值图像的质量。
未能采用更为合适的滤波,减小噪声。
图像的二值化的阈值选取,不能基于图像自身的的数据自动随之改变。
未对二值图像进行滤波,去除小的噪声点。
未对二值图像和原图像进行更进一步的匹配。
未采用彩色图像处理。
详细报告:
以图像1的部分为模板在其他图像中匹配相似的位置,从而适当剪裁其他图像使背景尽可能一致。
模板
匹配
最佳匹配处
原图与剪裁图
通过图像直观分析,发现多幅图像上的运动目标没有位置重合,从而可以采用去除图像相同位置数据中的最大值和最小值,然后取均值的方法获得背景图像。
背景图
将图像与背景图做差值计算,获得图像差图。
差值图像
采用二维自适应维纳滤波对差值图形滤波减小噪声影响。
将滤波后差值图,设定阈值进行二值化,同时采用形态学的腐蚀膨胀,使二值图像中目标轮廓边缘更加平滑,减小图像内部空隙,符合实际目标。
其他工作:
不同滤波效果中,纳维滤波的能更好的保留目标的轮廓信息,噪点可采用形态学处理去除噪点。
不同滤波效果
源代码:
clc
clearall
%---------------------------------------------------------------------
%批量获取文件
%---------------------------------------------------------------------
file=dir('G:
\study\大四上\数字图像处理\m4\p6-0*.bmp')%列出当前目录下符合正则表达式的文件夹和文件数据结构
forn=1:
length(file)%获取以名字为命名的图片数据
tmp=rgb2gray(imread(['G:
\study\大四上\数字图像处理\m4\',file(n).name]));
str_a1=[file(n).name(1:
end-8),file(n).name(end-4),'=tmp;'];
eval(str_a1);
end
%--------------------------------------------------------------------------
%通过匹配返回坐标,保存到ppn中
%用相关匹配在图像a中寻找与模板c最相似的子块,给出代码和相关系数图
%--------------------------------------------------------------------------
forn=2:
length(file)%获取以名字为命名的图片数据
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);
%figure,imshow(b),title(['灰度'num2str(i)])
d=a(I:
I+400,J:
J+600);
eval(['pp',num2str(n),'=d;']);%获取图像的相对位置
end
pp1=p1(30:
430,30:
630);
%--------------------------------------------------------------------------
%通过五幅图进行取去最大最小后,平均值作为被背景图层
%--------------------------------------------------------------------------
forn=1:
5
eval(['pp_5(n,:
:
)=pp',num2str(n),';']);%获取图像的相对位置
end
pp_max=max(pp_5);%最大
pp_max1(:
:
)=pp_max(1,:
:
);
pp_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);%去大去小取均值为背景图
%--------------------------------------------------------------------------
%背景减法运算二维自适应维纳滤波二值化
%--------------------------------------------------------------------------
forn=1:
5
figure,
eval(['temp=pp',num2str(n),';']);%获取图像的相对位置
z=imabsdiff(temp,pp_sum);%取绝对值两个图像之差
J=z;
K1=z;
K2=medfilt2(J);%采用二维中值滤波函数medfilt2对受椒盐噪声干扰的图像滤波
K3=wiener2(J,[99]);%对加噪图像进行二维自适应维纳滤波
K4=filter2(fspecial('average',9),J)/255;%模板尺寸为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(['原图像'num2str(n)])
%————-————腐蚀开运算——————
foc=imclose(K3,strel('square',10));
subplot(2,2,2),
imshow(z);title('差值图像');
f=foc;
se=strel('square',2);
fo=imopen(f,se);
subplot(2,2,3),
imshow(K4);title('二值化');
%————-————腐蚀运算——————
f=fo;
se=strel('disk',2);
fo=imopen(f,se);
subplot(2,2,4),
imshow(fo);title('形态学处理');
end
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 图像处理 背景减法 图像 处理 背景 减法