基于OPENCV的计算机视觉技术研究

潘东

【摘 要】计算机视觉技术的主要作用是以人眼的视角且高于人眼的能力去解决分工、切割、搜索、提取、加工处理等问题，利用计算机视觉系统从而建立一个平面2D图像或三维立体图像数据，以此来建造一个可以获得所需信息的人工智能数据库。现如今我国计算机技术高速发展，特别是近些年OPENCV的不断更新与完善，更使得我国基于OPENCV的计算机视觉技术有了很大突破。所以本文目的主要是对基于OPENCV的计算机视觉技术进行研究，了解改进系统整个创建过程中还存在的一些问题并提出相应解决方案，来帮助基于OPENCV的计算机视觉技术能得到更好发展。

【关键词】OPENCV；计算机视觉技术；研究

现在由于人们的文化素质的普遍提高，从业范围的扩大，以及生活质量的提升，使得计算机视觉技术被应用于人类生活的各个层面，特别是在基于OPENCV的计算机视觉技术下的对图片处理技术在人类日常生活的不断推动下已发展得相当成熟。

一、什么是OPENCV？

OPENCV全称为：Open Source Computer Vision Library。是在1999年由Intel建立的。其可应用到多种操作系统当中，甚至跨平台使用。在包含的编程语言当中主要用到的是C函数和C++语言。Opencv有很强的应用性，一般在计算机视觉领域可以较好的实现通用算法和图像的高性能分析。

二、计算机视觉技术的实质

计算机视觉技术的实质其实是让一些人眼无法完成的工作由计算机系统下的人工智能来代替完成，即以计算机视觉系统为基础，对从根本上主观存在的三维立体世界框架进行全过程的智能化处理。现在基于OPENCV的计算机视觉技术已经被用在我国神经学、生理学、计算机工程、信号科学、化工学、应用学等一系列高级综合学科上。计算机视觉技术若要完成对数据的提取、搜索等操作必须要将高性能计算机系统作为基础然后再通过人工智能在特定算法的操作下来对大量数据进行加工，此为计算机视觉技术的工作流程。

三、计算机视觉技术对视频中运动状态下的物体的检验方法

基于OPENCV的计算机视觉技术对视频中物体运动状态下的检验原理其方法大致分为两种，一种为宏观方式的检验方法，另一种则为微观方式的检验方法。二者在使用方法上大不相同，微观方式的检验方法是要先确定需要进行检验的具体区域，然后在对该确切区域进行检索[1]，而宏观方式的检验方法则是直接对得到的整個图像进行检索。当基于OPENCV的计算机视觉技术开始对运动状态下的物体进行检索时，第一步必须先将需要的图像数据采集完全（此为所有计算机视觉技术的必要操作），然后对得到的数据信息进行适当处理，第二步便要根据需要的图像对其进行切割，再依次采集运动状态下的物体的影响，完成对数据的加工。另外，在采集图像的任务中最好应用差分背景的方法，即用特定算法对图像的背影进行提取或是以人为的方式获取那些没有背影的图像。还有一些计算机视觉技术在对运动状态下的物体进行检验时用到帧间差分法，该方法的主要原理是将那些得来的图像数值进行一帧一帧的相互比对，以此获得那些具有不同数值的图像。值得一提的是，在对那些运动的物体进行检验时一定要保证图像的连续和完整，在此前提下把图像以此连接起来，这样便得到了该物体的大致运动轨迹，然后使用图像切割技术描绘出该物体的具体外形，以上步骤任何一步错误得到的数值都将无任何参考意义。现在，由于对计算机视觉技术的研究越来越深，有相关学者认为上文的两种方法如果全都单独使用，但在本质上都有一定的缺点，所以，有相关技术人员将两种方法结合起来，形成了一套全新的综合性检验方式。此综合性检验方法将两种方法的优点巧妙结合，也完美地弥补了两者单独使用状态下的不足。现在该综合性检验方式在日常生产生活上已经得到广泛使用，也取得了不错的成效。

四、基于OPENCV的计算机视觉技术的进一步探究

（一）基于OPENCV的计算机视觉技术对图像的预处理

计算机视觉技术运用到的地方各不相同，有些地方由于自身光照强度变化有很大差距，使得在一些场景下所呈现的环境因素对视频采集数据的质量有着很大影响。一般情况下，环境因素可能会让得到图像所表现出来的数据信息的质量降低，这对于检验运动状态下的物体和特定图像下数据的采集有很大的影响，且在得到视频的图像帧数之后要对表现数据进行加工，这便是对图像的预处理[2]。简单来说，图像预处理是将那些有平滑处滤波的地方进行修正或者对那些受到影响的图像进行重新填充、更新等。

1、平滑度滤波处理

在进行对视频图像的信息采集时经常会出现难以避免的噪声，所以为了解决此问题，我们需要在完成图像的信息采集后对噪声进行处理，最大程度的减小噪声，从而达到理想的信息采集效果。在处理噪音时最常用的便是平滑度滤波处理，改处理方式分为两种，一种为线性处理，另一种为非线性处理。线性处理的优点是其有着简便的运算方法，运算速率快，但缺点是在完成噪音的处理之后，图像很大可能会出现不清楚的状况。而非线性处理与之恰恰相反，用非线性方法完成噪音处理后，虽能将噪音很好地降低，保证信号的完整性，但与线性处理相比，其预算速度较慢，花费时间较长。

2、图像填充

在对图像帧率的处理过程中，一般都是运用检测边缘填充法或是腐蚀膨胀法来完成这项任务的，其中检测边缘填充法指的是在检测到该具体物体目标之后，应用边缘检测的方式对物体进行辨析，然后再根据形态学中的利用漫水填充的方法进行填充，而图像的腐蚀膨胀则主要是因为拍摄设备的性能过低等问题导致的。

3、图像背景更新

在进行图像的分辨之前，必须先要对背景图像进行确定，然后再对其进行一系列初始化处理。这样可以方便在日后的检测过程中对图像背景进行实时地辨析，也只有这样做，才可以得到效果最好的背景效果[3]。在图像差分时，要先依据特定的算法确定好第一帧的背景图像，然后把它指定为首张背景图片，其次以此图片为基准对检测过程中的图像进行背景更新。

（二）提取前景运动物体图像

在检测运动物体时，最基本的便是要保证相应的精度，让前景跟踪效果保持在最适状态。图像要经过二催化处理之后对其进行分割，再将图像进行充分填充，最后再把图像进行分析，这样一来，便可以保证前景图像的完整性。在对前景图像进行提取时，首先要拆分前景图像背景图，拆分完成后，开始二催化处理，将检测出来的前景图像的边缘，轮廓确定之后再进行填充。

五、结束语

本文通过对计算机视觉技术下运动物体的检测进行深入研究，对图像预处理，信息切割，提取等任务进行详细分析，其目的在于希望能够为基于OPENCV的计算机视觉技术提供帮助，为一些相应研究作出贡献，给所有参与计算机视觉技术研究的学者提供想法，让计算机视觉技术能有更好的发展。

参考文献：

[1]张海科.基于Opencv的人手识别与跟踪定位技术研究与实现[D].云南大学.2013

[2]马玉真，胡亮，方志强，曹素芝.计算机视觉检测技术的发展及应用研究[J].济南大学学报（自然科学版）.2004（03）：222-227.

[3]程骏.基于立体视觉的直升机旋翼动态三维重建方法研究[D].南昌航空大学.2012