去除背景 - 基于OPENCV和VC++的目標(biāo)提取技術(shù)

　　去除背景

　　讀入圖像后，需要做的第一步就是去除背景。去除背景就是在一幅圖像中，把目標(biāo)從背景中分離出來(lái)，以便于進(jìn)一步處理［2］。去除背最是目標(biāo)提取的一個(gè)重要環(huán)節(jié)，背最是否去除干凈以及目標(biāo)圖像保留信息的完整性直接決定著下一步任務(wù)能否正常完成。去除背最方法根據(jù)算法的不同可分為闞值法、邊界探測(cè)法和匹配法等［3］，其中闊值法的使用最為普遍。眾多資料介紹了多種圖像閾值分割算法。OPENCV提供了固定闞值分割函數(shù)cvThreshold和自適應(yīng)闞值函數(shù)cvAdaptiveThreshold，函數(shù)cvThreshold對(duì)單通道數(shù)組應(yīng)用固定閾值操作，該函數(shù)的典型應(yīng)用是對(duì)灰度圖像進(jìn)行固定閾值操作得到二值圖像，cvAdaptiveThreshold原則上為自適應(yīng)闞值算法提供的函數(shù)，然而經(jīng)過(guò)測(cè)試，此函數(shù)的確切功能是獲得物體邊緣，而非二值化函數(shù)，這應(yīng)該是OPENCV不完善的地方之一。

　　在眾多的闞值法分割圖像算法中，大津法OSTU （又叫最大類間方差法） 是闞值分割的經(jīng)典算法。大津法利用闞值threld將圖像分為前景和背景，前最點(diǎn)數(shù)占圖像比例為n1，平均灰度為o1，背景點(diǎn)數(shù)占圖像比例為n2，平均灰度為m2，圖像總的平均灰度為=n1*如1+n2*m2，前景和背景像素方差公式為n1*（m1-m）2+n2*（m-m2）2，將m的值帶入上式即得最終方差公式n1*n2*（m1-m2）*（m1-m2），當(dāng)方差值最大時(shí)，說(shuō)明此時(shí)的闞值threld最合適.OSTU算法的核心代碼如下：

　　for（k=0; k《256; k++）

　?。?/p>

　　n1+=ihist［k］;

　　if（！nl）

　　cont inue ;

　　n2=n-n 1;

　　if（n2==0）

　　break ;

　　csum+=k*ihist［k］;

　　m1=csum/n1;

　　m2=（sum-csum）/n2;

　　sb=n1*n2*（m1-m2）*（m1-m2） ;

　　if （sb》fmax）

　　{

　　fmax=sb;

　　threld=k;

　?。?/p>

　?。?/p>

　　｝

　　經(jīng)過(guò)OSTU算法找出最佳闞值后，將小于闞值的像素設(shè)為0，大于闞值的像素設(shè)為256，這樣圖像被設(shè)置為黑白兩色（白背景黑目標(biāo)）。代碼如下：

　　for（i=0; i《height; i++）

　　{

　　for（j=0; j《width; j++）

　　{

　　for（k=0; k《channels; k++）

　　if（data［i*step+j*channels+k］》threld）

　　data ［i *s t ep+j*c hanne 1s +k］=256 ;

　　else

　　data［i*step+j*channels+k］=0;

　?。?/p>

　?。?/p>

　　｝

　　其中，“height“為圖像寬，“width為圖像高，“ channe 1s”為圖像通道，“data［i*step+j*channels+k］” 為像素?cái)?shù)值，threld為OSTU算法得出的閾值。

　　因?yàn)閳D像可能有不同程度的噪波，因此圖像進(jìn)行這樣的處理后可能不需要靈活采取各種方法處理噪波的會(huì)達(dá)到完全處理掉背景的目的，此時(shí)，遺留痕跡，如腐蝕和膨脹，OPENCV分別提供了對(duì)應(yīng)的函數(shù)Erode（）和Dilate（）。