昨天老板临时交代一个活,要求通过算法检测监控设备是否存在失焦、偏色、亮度异常等问题。问题本身不难,在网上查看了一些资料,自己也做了一些思考,方法如下:
1.失焦检测。
失焦的主要表现就是画面模糊,衡量画面模糊的主要方法就是梯度的统计特征,通常梯度值越高,画面的边缘信息越丰富,图像越清晰。需要注意的是梯度信息与每一个视频本身的特点有关系,如果画面中本身的纹理就很少,即使不失焦,梯度统计信息也会很少,对监控设备失焦检测需要人工参与的标定过程,由人告诉计算机某个设备正常情况下的纹理信息是怎样的。
-
/********************************************************************************
-
*函数描述: DefRto 计算并返回一幅图像的清晰度
-
*函数参数: frame 彩色帧图
-
*函数返回值:double 清晰度表示值,针对该视频,当清晰度小于10为模糊,大于14为清楚
-
*********************************************************************************/
-
double DefRto(Mat frame)
-
{
-
Mat gray;
-
cvtColor(frame,gray,CV_BGR2GRAY);
-
IplImage *img = &(IplImage(gray));
-
double temp = 0;
-
double DR = 0;
-
int i,j; //循环变量
-
int height=img->height;
-
int width=img->width;
-
int step=img->widthStep/ sizeof(uchar);
-
uchar *data=(uchar*)img->imageData;
-
double num = width*height;
-
-
for(i= 0;i<height;i++)
-
{
-
for(j= 0;j<width;j++)
-
{
-
temp += sqrt(( pow(( double)(data[(i+ 1)*step+j]-data[i*step+j]), 2) + pow(( double)(data[i*step+j+ 1]-data[i*step+j]), 2)));
-
temp += abs(data[(i+ 1)*step+j]-data[i*step+j])+ abs(data[i*step+j+ 1]-data[i*step+j]);
-
}
-
}
-
DR = temp/num;
-
return DR;
-
}
2.色偏检测。
网上常用的一种方法是将RGB图像转变到CIE L*a*b*空间,其中L*表示图像亮度,a*表示图像红/绿分量,b*表示图像黄/蓝分量。通常存在色偏的图像,在a*和b*分量上的均值会偏离原点很远,方差也会偏小;通过计算图像在a*和b*分量上的均值和方差,就可评估图像是否存在色偏。计算CIE L*a*b*空间是一个比较繁琐的过程,好在OpenCV提供了现成的函数,因此整个过程也不复杂。
-
/********************************************************************************************
-
*函数描述: calcCast 计算并返回一幅图像的色偏度以及,色偏方向
-
*函数参数: InputImg 需要计算的图片,BGR存放格式,彩色(3通道),灰度图无效
-
* cast 计算出的偏差值,小于1表示比较正常,大于1表示存在色偏
-
* da 红/绿色偏估计值,da大于0,表示偏红;da小于0表示偏绿
-
* db 黄/蓝色偏估计值,db大于0,表示偏黄;db小于0表示偏蓝
-
*函数返回值: 返回值通过cast、da、db三个应用返回,无显式返回值
-
*********************************************************************************************/
-
void colorException(Mat InputImg,float& cast,float& da,float& db)
-
{
-
Mat LABimg;
-
cvtColor(InputImg,LABimg,CV_BGR2Lab); //参考http://blog.csdn.net/laviewpbt/article/details/9335767
-
//由于OpenCV定义的格式是uint8,这里输出的LABimg从标准的0~100,-127~127,-127~127,被映射到了0~255,0~255,0~255空间
-
float a= 0,b= 0;
-
int HistA[ 256],HistB[ 256];
-
for( int i= 0;i< 256;i++)
-
{
-
HistA[i]= 0;
-
HistB[i]= 0;
-
}
-
for( int i= 0;i<LABimg.rows;i++)
-
{
-
for( int j= 0;j<LABimg.cols;j++)
-
{
-
a+= float(LABimg.at<cv::Vec3b>(i,j)[ 1] -128); //在计算过程中,要考虑将CIE L*a*b*空间还原 后同
-
b+= float(LABimg.at<cv::Vec3b>(i,j)[ 2] -128);
-
int x=LABimg.at<cv::Vec3b>(i,j)[ 1];
-
int y=LABimg.at<cv::Vec3b>(i,j)[ 2];
-
HistA[x]++;
-
HistB[y]++;
-
}
-
}
-
da=a/ float(LABimg.rows*LABimg.cols);
-
db=b/ float(LABimg.rows*LABimg.cols);
-
float D = sqrt(da*da+db*db);
-
float Ma= 0,Mb= 0;
-
for( int i= 0;i< 256;i++)
-
{
-
Ma+= abs(i -128-da)*HistA[i]; //计算范围-128~127
-
Mb+= abs(i -128-db)*HistB[i];
-
}
-
Ma/= float((LABimg.rows*LABimg.cols));
-
Mb/= float((LABimg.rows*LABimg.cols));
-
float M= sqrt(Ma*Ma+Mb*Mb);
-
float K=D/M;
-
cast = K;
-
return;
-
}
3.亮度检测。
亮度检测与色偏检测相似,计算图片在灰度图上的均值和方差,当存在亮度异常时,均值会偏离均值点(可以假设为128),方差也会偏小;通过计算灰度图的均值和方差,就可评估图像是否存在过曝光或曝光不足。函数如下:
-
/*********************************************************************************************************************************************************
-
*函数描述: brightnessException 计算并返回一幅图像的色偏度以及,色偏方向
-
*函数参数: InputImg 需要计算的图片,BGR存放格式,彩色(3通道),灰度图无效
-
* cast 计算出的偏差值,小于1表示比较正常,大于1表示存在亮度异常;当cast异常时,da大于0表示过亮,da小于0表示过暗
-
*函数返回值: 返回值通过cast、da两个引用返回,无显式返回值
-
**********************************************************************************************************************************************************/
-
void brightnessException (Mat InputImg,float& cast,float& da)
-
{
-
Mat GRAYimg;
-
cvtColor(InputImg,GRAYimg,CV_BGR2GRAY);
-
float a= 0;
-
int Hist[ 256];
-
for( int i= 0;i< 256;i++)
-
Hist[i]= 0;
-
for( int i= 0;i<GRAYimg.rows;i++)
-
{
-
for( int j= 0;j<GRAYimg.cols;j++)
-
{
-
a+= float(GRAYimg.at<uchar>(i,j) -128); //在计算过程中,考虑128为亮度均值点
-
int x=GRAYimg.at<uchar>(i,j);
-
Hist[x]++;
-
}
-
}
-
da=a/ float(GRAYimg.rows*InputImg.cols);
-
float D = abs(da);
-
float Ma= 0;
-
for( int i= 0;i< 256;i++)
-
{
-
Ma+= abs(i -128-da)*Hist[i];
-
}
-
Ma/= float((GRAYimg.rows*GRAYimg.cols));
-
float M= abs(Ma);
-
float K=D/M;
-
cast = K;
-
return;
-
}
可以发现:当亮度变低时,失焦检测显示结果为:模糊。这是由于失焦检测依赖于梯度统计,亮度变低时,会导致梯度值整体下降,从而导致检测不正确。一种更好的方法是利用亮度检测的结果,合理设定失焦检测的报警阈值,避免这种情况。