主要完成两个视频中火焰的检测,主要结合RGB判据和HIS判据,设定合适的阈值条件,检测出火焰对应像素的区域,将原图二值化,经过中值滤波以及数学形态学的膨胀运算等图像处理,消除一些噪声及离散点,连通一些遗漏的区域。基于OpenCV的开源库,在VS2013平台上,实现了两个视频中火焰的检测。
利用OpenCV有强大的图像处理库,直接将图像分离为RGB三通道,设置条件限制,找到火焰的像素位置,将原图处理成二值图像。对于火焰检测,本文结合RGB判据和HIS判据,分割出火焰的区域。一般用于人眼观看的颜色模型是RGB模型,对于火焰而言,红色分量(R)和绿色分量(G)会很大,并且绿色分量(G)会大于蓝色分量(B)。HIS颜色模型分别用H(色度)S(饱和度)I(亮度)描述颜色特性,与人们感受颜色的方式紧密相连。考虑到单一颜色模型的判据准确性不够高,在RGB判据基础上,添加HIS约束条件。具体条件[1]为:
其中,Rt是红色分量阈值,St是饱和度阈值,火焰像素主要取决于红色分量(R)的色度和饱和度。若满足式(1),则判断该位置为火焰像素,显示为白色,否则显示为黑色。判据中阈值的选择对于火焰检测是至关重要的,一般靠经验设定,为了获取火焰识别最好的效果,设置两个滑动条,改变阈值Rt和St的大小,选取最合适的值。
由于(1)中只需要用到HIS中的S分量,所以不需要用到颜色模型转换函数,直接计算S分量即可。
获取二值图像后,需要对其预处理,找到遗漏的点,剔除异常的点。由于存在噪声及离散点,对图像进行平滑滤波,本文采用的是中值滤波,中值滤波是典型的非线性滤波,用像素点邻域灰度值的中值来代替该像素点的灰度值,非常利于消除一些误判断为火焰的像素点。
由于部分火焰的颜色不是介于红黄之间,无法识别,需要实现区域的连通,因此对二值图像进行数学形态学操作。形态学是一种强大的图像处理工具,它可以实现图像去噪、图像分割等功能,最基本的形态学操作有两种,分别是膨胀与腐蚀。它们可以衍生出很多强大的形态学算法,实现我们想要的功能。