基于浮雕图像的运动分割方法

摘要

本发明设计一种基于浮雕图像的运动分割方法，将运动目标连续的图像帧预处理为8位灰度图像；对预处理后的8位灰度图像采用高斯模糊方法减小噪声；对前一步所得图像进行图像浮雕处理，得到运动目标的初步轮廓；对经过图像浮雕处理的运动目标连续的图像帧进行两帧差分法，得到拥有运动目标清晰的整体轮廓的一系列图像帧。本发明的优点是：先对运动目标图像进行浮雕处理，然后进行两帧差分法处理，能够检测、提取出运动目标清晰的整体轮廓，效果好；对运动目标图像帧进行高斯模糊，再进行浮雕处理可以很好的降低图像中存在的噪声和克服两帧差分法中出现的问题。

权利要求

1.一种基于浮雕图像的运动分割方法，其特征在于，所述方法包括如下步骤：(1)将运动目标连续的图像帧预处理为8位灰度图像；

(2)对预处理后的8位灰度图像采用高斯模糊方法减小噪声；

(3)对前一步所得图像进行图像浮雕处理，得到运动目标的初步轮廓；

(4)对经过图像浮雕处理的运动目标连续的图像帧进行两帧差分法，得到拥有运动目标清晰的整体轮廓的一系列图像帧。

2.如权利要求1所述基于浮雕图像的运动分割方法，其特征在于，所述将图像帧处理为灰度图像的公式为：Y＝0.299R+0.587G+0.114B或其中，Y代表图像每个像素转换后的灰度值，R，G，B分别代表图像每个像素转换前的R，G，B分量值。

3.如权利要求1所述基于浮雕图像的运动分割方法，其特征在于，所述高斯模糊的模板的二维空间定义为：其中u，v代表像素的模板坐标，σ是正态分布的标准差。

4.如权利要求1所述基于浮雕图像的运动分割方法，其特征在于，所述浮雕处理的方法为：二维数字图像用二维离散函数表示为：

f(i，j)＝{fr(i，j)，fg(i，j)，fb(i，j)}i＝0，1，2，…，M-1；j＝0，1，2，…，N-1式中，M，N分别为图像横、纵方向上的像素数；fr(i，j)，fg(i，j)，fb(i，j)分别为(i，j)坐标处像素颜色的红，绿，蓝分量的值，由此浮雕图像的离散函数g(i，j)表示为：g(i，j)＝{gr(i，j)，gg(i，j)，gb(i，j)}i＝0，1，2，…，M-1；j＝0，1，2，…，N-1式中gr(i，j)＝fr(i，j)-fr(i-1，j-1)+T，gg(i，j)＝fg(i，j)-fg(i-1，j-1)+T，gb(i，j)＝fb(i，j)-fb(i-1，j-1)+T，T为常数。

5.如权利要求1所述基于浮雕图像的运动分割方法，其特征在于，所述两帧差分法是指：连续两幅图像帧中对应行列的每个像素相减取差值，再对该值进行范围缩放，即大于

255时，取值255，小于0时，取值0，得到的像素值做为新图像的像素值。

说明书

基于浮雕图像的运动分割方法

技术领域

[0001] 本发明涉及一种对运动目标进行分割的方法，尤其是一种基于浮雕图像的运动分割方法。

背景技术

[0002] 对运动目标进行分割是运动图像分析、场景监控、计算机视觉领域中的重要处理步骤，运动目标分割可以得到图像中的运动信息，提取图像中的运动目标，简化了后续识别、分析的难度，具有重要的意义。

[0003] 运动目标分割的方法主要有如下几种：

[0004] (1)利用一种运动模板对运动矢量进行分类，将具有相同运动特征的区域提取出来，并用平滑模板对边界进行平滑，最终得到分割结果；(2)结合运动矢量和图像内容信息的算法：首先利用图像内容信息对图像进行分割，然后再对这些区域根据运动特征相同的特点进行合并；(3)最常用的运动目标分割方法是两帧差分法，即提取连续两图像帧进行相减运算得到差分图像，在差分图像上检测提取运动变化区域。

[0005] 三种方法都存在其一些缺点：

[0006] 1.基于运动矢量的估计会导致误差，尤其是分割出的运动目标边界不够完整。

[0007] 2.运动矢量结合图像内容信息算法，虽然得到精确的目标边界，但是不能得到运动目标的整体形态，并且分割的结果受噪声影响较大。

[0008] 3.两帧差分法算法简单，易于实现，但是由于该方法中检测运动目标时是根据运动变化区域的灰度信息，而运动变化区域包括真正的运动目标和由于目标的遮拦引起的背景的变化故检测到的运动目标还包括变化的背景，因此还必须对提取到的物体进行后处理。

[0009] 综上所述，对运动目标进行分割存在效果差、鲁棒性低(分割结果受噪声影响)等问题，需要一种检测效果好、受噪声影响小的方法。

发明内容

[0010] 本发明的目的是克服现有技术中存在的不足，提供一种基于浮雕图像的运动分割方法，能很好的提取运动目标的整体轮廓，降低噪声的影响。

[0011] 按照本发明提供的技术方案，所述基于浮雕图像的运动分割方法包括如下步骤：

[0012] (1)将运动目标连续的图像帧预处理为8位灰度图像；

[0013] (2)对预处理后的8位灰度图像采用高斯模糊方法减小噪声；

[0014] (3)对前一步所得图像进行图像浮雕处理，得到运动目标的初步轮廓；

[0015] (4)对经过图像浮雕处理的运动目标连续的图像帧进行两帧差分法，得到拥有运动目标清晰的整体轮廓的一系列图像帧。

[0016] 所述将图像帧处理为灰度图像的公式为

[0017] Y＝0.299R+0.587G+0.114B或

[0018] 其中，Y代表图像每个像素转换后的灰度值，R，G，B分别代表图像每个像素转换前的R，G，B分量值。

[0019] 所述高斯模糊的模板的二维空间定义为

[0020]

[0021] 其中u，v代表像素的模板坐标，σ是正态分布的标准差。

[0022] 所述浮雕处理的方法为：

[0023] 二维数字图像用二维离散函数表示为：

[0024] f(i，j)＝{fr(i，j)，fg(i，j)，fb(i，j)}i＝0，1，2，…，M-1；j＝0，1，2，…，N-1[0025] 式中，M，N分别为图像横、纵方向上的像素数；fr(i，j)，fg(i，j)，fb(i，j)分别为(i，j)坐标处像素颜色的红，绿，蓝分量的值，由此浮雕图像的离散函数g(i，j)表示为：

[0026] g(i，j)＝{gr(i，j)，gg(i，j)，gb(i，j)}i＝0，1，2，…，M-1；j＝0，1，2，…，N-1[0027] 式中gr(i，j)＝fr(i，j)-fr(i-1，j-1)+T，

[0028] gg(i，j)＝fg(i，j)-fg(i-1，j-1)+T，

[0029] gb(i，j)＝fb(i，j)-fb(i-1，j-1)+T，

[0030] T为常数。

[0031] 所述两帧差分法是指，连续两幅图像帧中对应行列的每个像素相减取差值，再对该值进行范围缩放，即大于255时，取值255，小于0时，取值0，得到的像素值作为新图像的像素值。

[0032] 本发明的优点是：先对运动目标图像进行浮雕处理，然后进行两帧差分法处理，能够检测、提取出运动目标清晰的整体轮廓，效果好；对运动目标图像帧进行高斯模糊，再进行浮雕处理可以很好的降低图像中存在的噪声和克服两帧差分法中出现的问题。

附图说明

[0033] 图1是本发明所述方法的流程图。

[0034] 图2是本发明实施例的流程图。

具体实施方式

[0035] 下面结合附图和实施例对本发明作进一步说明。

[0036] 如图1所示，为得到运动目标的整体轮廓，降低噪声的影响，需要4个步骤的处理：1.图像灰度化，2.降低图像噪声，3.浮雕处理，4.两帧差分法。具体如下：

[0037] 步骤1.图像灰度化

[0038] 为了检测和提取运动目标的整体轮廓和后续视差图处理，要对运动目标连续的图像帧进行灰度化处理。

[0039] 对图像的每个像素按照灰度化公式处理，得到的像素值就作为灰度后的像素值。为了减少后续处理的计算量，提高处理效率，改变图像的存储位数，由原来的24位图变成8位灰度图。

[0040] 步骤2.降低图像噪声

[0041] 采集的运动目标图像帧不可避免会存在噪声，对图像后续处理产生影响，有必要采取措施减小噪声的干扰。减小噪声可采用高斯模糊。

[0042] 高斯模糊是数字图像模板处理法的一种，其模板是根据二维正态分布(高斯分布)函数计算出来的。二维空间定义为

[0043]

[0044] 其中u，v代表像素的模板坐标，σ是正态分布的标准差。分布不为0的像素组成的卷积矩阵与原始图像做变换。每个像素的值都是周围相邻像素值的加权平均，原始像素的值有最大的高斯分布值，所以有最大的权重，相邻像素随着距离原始像素越来越远，其权重也就越来越小。高斯模糊处理比其他的模糊处理更好地保留了边缘效果。

[0045] 在实际处理中，通过设定σ的值，得到高斯模糊的模板，将高斯模板与每个像素值及其周围的像素值加权平均得到像素新值。

[0046] 步骤3.图像浮雕处理

[0047] 经过步骤一、二的预处理，再对图像进行重要的一步：图像浮雕处理。二维数字图像可以用如下的二维离散函数来表示：

[0048] f(i，j)＝{fr(i，j)，fg(i，j)，fb(i，j)}i＝0，1，2，…，M-1；j＝0，1，2，…，N-1 (3)

[0049] 式中，M，N分别为图像横，纵方向上的像素数；fr(i，j)，fg(i，j)，fb(i，j)分别为(i，j)坐标处像素颜色的红，绿，蓝分量的值。由此浮雕图像的离散函数g(i，j)可以表示为：

[0050] g(i，j)＝{gr(i，j)，gg(i，j)，gb(i，j)}i＝0，1，2，…，M-1；j＝0，1，2，…，N-1 (4)

[0051] 式 中 ：g r( i ，j ) ＝ f r( i ，j ) - f r( i - 1 ，j - 1 ) + T (5)

[0052] g g( i ， j ) ＝ f g ( i ， j ) - f g ( i - 1 ， j - 1 ) + T (6)

[0053] g b( i ， j ) ＝ f b ( i ， j ) - f b ( i - 1 ， j - 1 ) + T (7)

[0054] 式中T为常数，优选值为128；在步骤一中已经将图像处理为8位灰度图，所以在本步骤中只需对8位灰度图像进行浮雕处理。

[0055] 步骤4.两帧差分法

[0056] 经过前三个步骤的处理，得到效果好的浮雕图像。运动目标一系列图像帧经过浮雕处理后，再进行帧差分法能得到运动目标清晰的整体轮廓。

[0057] 在噪声处理中，选取不同的σ，得到最适合的模板，从而有效降低噪声的影响。

[0058] 如下所述实施案例运行在普通PC机上，具体配置如下：

[0059] CPU：Intel Core2 Duo 2.66GHz，2.66GHz

[0060] 内存：2G DDR333

[0061] 操作系统：Windows XP Professional Edition

[0062] 运行环境：Microsoft Visual Studio 2008

[0063] 输入为运动目标连续的图像帧，输出为该运动目标连续的整体轮廓图像帧。如图2所示，其处理步骤如下：

[0064] 步骤1.图像灰度化

[0065] 图像灰度化就是使彩色的R，G，B分量值相等的过程。在这里采用加权平均值法：根据重要性或其他指标给R，G，B赋予不同的权值，并使R，G，B的值加权平均，即[0066] R＝G＝B＝(WRR+WGG+WBB) (1)

[0067] 其中WR，WG，WB分别为R，G，B的权值，并且WR+WG+WB＝1。WR，WG，WB取不同的值，加权平均值法就形成不同的灰度图像。由于人眼对绿色的敏感度最高，对红色的敏感度次之，对蓝色的敏感度最低，因此使WG＞WR＞WB将得到合理的灰度图像。实验和理论推导证明当WR＝0.299，WG＝0.587，WB＝0.114时，即当Vgray＝0.299R+0.587G+0.114B，R＝G＝B＝Vgray时，能得到最合理的灰度图像。对图像的每个像素进行公式(1)处理，得到新的像素值，作为灰度后的像素值。为了减少后续处理的计算量，提高处理效率，改变图像的存储位数，由原来的24位图变成8位灰度图。

[0068] 步骤2.降低图像噪声

[0069] 降低图像噪声常用方法是高斯模糊。在(2)式中选择σ＝0.849，经过整数除法形式近似得到高斯模板3×3矩阵：

[0070] 归一化因子为1/16

[0071] 高斯模糊存在图像边界计算问题，当在图像上逐个移动模板矩阵(卷积核)时，只要模板矩阵(卷积核)移到了图像边界，就会出现计算上的问题，解决这个问题的方法是忽略边界数据。

[0072] 步骤3.图像浮雕处理

[0073] 经过上面两个步骤，得到平滑的灰度图。然后对灰度图进行浮雕处理，处理的算法公式为：

[0074] gr(i，j)＝fr(i，j)-fr(i-1，j-1)+T (5)

[0075] gg(i，j)＝fg(i，j)-fg(i-1，j-1)+T (6)

[0076] gb(i，j)＝fb(i，j)-fb(i-1，j-1)+T (7)

[0077] 对灰度图中的每个像素进行公式(5)(6)(7)中的任一种变换，需要注意的是当设置一个像素值的时候，它和它左上方的像素都要被用到，为了避免用到已经设置过的像素，应该从图像的右下方的像素开始处理，为了使图像保持一定的亮度和灰度，在公式中加入了一个阈值T＝128。T可以取其他值，但是太小图像会很暗，太大图像会很亮，就不是主流的浮雕，在这里我们取T＝128。

[0078] 步骤4.两帧差分法

[0079] 对运动目标连续帧进行两帧差分法：连续两幅图像帧中对应行列的每个像素相减取差值，再对该值进行范围缩放，即大于255时，取值255，小于0时，取值0。该处理后得到的值就是所求图像的像素值。

[0080] 使用上述实施案例，对一运动目标连续45图像帧源图进行处理，图像帧的分辨率为640×480。得到的结果图是256灰度级的灰度图像，分辨率也为640×480，并且能很好的提取运动目标的整体轮廓。