基于OpenCV的图像处理系统设计

黎廷炜 陈婧

（杭州电子科技大学计算机学院 310018）

基于OpenCV的图像处理系统设计

黎廷炜 陈婧

（杭州电子科技大学计算机学院 310018）

本文论述基于OpenCV的图像处理系统的分析、设计和实现过程。主要功能包括图像编辑功能；参数调整功能；特殊效果功能和工具功能。该图像处理系统采用开源计算机视觉库OpenCV技术，并基于windows平台开发。运用MFC设计思想，简化了软件的开发，提高了系统灵活性并降低了人机交互难度。

图像处理系统；OpenCV；计算机视觉

1 引言

计算机视觉指的是使用计算机以及相关的电子设备模拟生物视觉的一类科学。计算机视觉也是一个快速增长的致力于分析、修改和对图像的高级识别的领域[1～2]。它的目标是确定摄像机前发生了什么和使用它的识别来控制电脑和机器人系统，或向人类提供比原来的相机图像信息更多或更高满意度的图像[3]。计算机视觉技术的应用领域包括视频监控、生物识别技术、汽车、摄影、电影制作、网页搜索、医学、虚拟现实游戏、新用户界面等许多方面[4]。

图像处理又叫数字图像处理，主要用于对工业相机、摄像机、扫描仪等设备得到图像分析并根据需求进行处理。包括图像增强、图像识别、边缘锐化、平滑等。随着智能手机和平板电脑等移动设备都配备了摄像头，以及智能终端的普及，对图像处理应用的需求正在增加[5]。

本文主要分析图像处理系统的运行流程，图像处理系统的工作流程、原理还有实现过程，以及如何实现基于OpenCV的图像处理系统。包括图像图像的直方图显示，图像的尺寸调整，图像旋转，调整图像亮度、对比度和色相，调整Gamma值，图像降噪、模糊锐化，CCD死点检测等功能。以及如剪切图像时的操作方式，调整基本参数时的操作等人机交互界面及处理。

2 系统框架类设计

图像处理系统是由AppWizard生成的一个SDI工程IMAGEPROCESS，使用AppWizard向导创建并生成一系列框架文件。所以该系统框架是一个MFC框架。从MFC框架类继承来的四个类CIMAGEPROCESSApp、CIMAGEPROCESSDoc、CIMAGEPROCESSView、CMainFrame 主要实现了图像处理系统的框架以及框架内部的各种逻辑和消息响应机制。

模块划分是对业务流程图的详细注释，该图像处理系统主要分为四大子模块，分别是：

（1）基础操作模块：该模块主要是实现了系统中最基础的操作图像文件的功能，包括将图像文件的打开、保存处理后的图像和另存为新地址等操作。

（2）图像处理模块：该模块实现了图像的主要的各种处理操作，这些操作主要分为：①图像编辑模块；②图像参数调整模块；③特殊效果模块三个子模块。图像编辑模块分为图像剪切、旋转、扩展等操作，图像参数调整模块分为调整色相、色调、Gamma值等操作，特殊效果模块分为反色特效、黑白特效、反转片特效等操作。

（3）直方图显示模块：该模块作用是显示图像的直方图。

（4）其他工具模块：该模块是向用户提供另外的操作工具，包括CCD死点检测、文字插入工具和添加水印工具。

3 系统设计方案

图像曝光补偿又叫光照补偿，在本图像处理系统中使用的是“参考白”光照补偿。其中用图像亮度的前5%最亮的像素的平均值ave作为“参考白”，对于各个像素，按系数补偿。得出补偿公式是目标像素。

图像Gamma值调整实际上就是进行伽马校正。伽马校正是通过改变Gamma值以修改图像的伽玛曲线，来改变图像的非线性色调的方法。通过这种方法增加图像中深色部分和浅色部分的比例。对图像进行伽马校正旨在弥补数字图像相较于人类视觉特性的差别，基于人类对光线或黑色和白色的感知的特点，最大限度地使用表示黑色与白色之间的数据位或带宽。

一般来说，Gamma值调整主要用来调整RGB图像的对比度和亮度。

为了快速的修改图像矩阵各像素点的像素值，OpenCV提供了函数LUT（），这个函数可以利用像素值的映射来修改图像的每一个像素。Gamma值的调整就符合这种使用方式。

噪声是感光元件在接收目标实体的光线信号并传输的过程中所产生的一些在图像中显示为粗糙的部分以及不应该出现在图像中的外来像素。图像降噪就是减少图像中这些噪声的过程。通常使用的降噪方法是对图像用滤波器滤波，而滤波器分为线性滤波器以及非线性滤波器。由于线性滤波器容易造成图像模糊，使图像细节丢失，所以通常图像降噪使用的是非线性滤波器。在本图像处理系统使用的是中值滤波和双边滤波两种滤波器。

中值滤波是一种典型的非线性滤波技术，它的基本处理思路是利用像素点四周邻域的灰度值的中值来替代该像素点的灰度值。这种方法既能去除脉冲噪声和椒盐噪声又能较好的保留图像边缘细节。双边滤波与中值滤波一样也是非线性滤波的一种方式，为达到“保边去噪”的目的，双边滤波的过程结合了图像像素点的空间邻近度以及像素点的值的相似度并进行了折衷处理，不仅如此，双边滤波还考虑到了空域信息以及灰度相似性等问题。这使得双边滤波在去除噪声的同时更有效的保存了图像的特征点。在双边滤波的过程中，目标图像像素的值取决于其在源图像中邻域相关像素点的值的加权组合。

图像锐化是图像增强一类，通过加重图形的轮廓深度、增强图形的边缘以及灰度跳变的部分，使图像变得更清晰。本图像处理系统使用拉普拉斯算子来实现图像的锐化。

[1]Pulli K，Baksheev A，Kornyakov K，et al.Real-Time Computer Vision with OpenCV[J].Communications of the Acm，2012，55（6）：61～69.

[2]Yuille A L.Computer vision needs a core and foundations☆[J].Image&Vision Computing，2012，30（8）：469～471.

[3]黄佳.基于OPENCV的计算机视觉技术研究[D].华东理工大学，2013.

[4]Steger，C.，Ulrich，C.机器视觉算法与应用[M].清华大学出版社，2008.

[5]顾伟康.计算机视觉学的发展概况[J].浙江大学学报，1986（4）：142～148.

TP391.4

A

1004-7344（2016）10-0295-01

2016-3-15