OpenCV是一個(gè)基于BSD許可（開源）發(fā)行的跨平臺計(jì)算機(jī)視覺庫，可以運(yùn)行在Linux、Windows、Android和Mac OS操作系統(tǒng)上。它輕量級而且高效——由一系列 C 函數(shù)和少量 C++ 類構(gòu)成，同時(shí)提供了Python、Ruby、MATLAB等語言的接口，實(shí)現(xiàn)了圖像處理和計(jì)算機(jī)視覺方面的很多通用算法。OpenCV用C++語言編寫，它的主要接口也是C++語言，但是依然保留了大量的C語言接口。該庫也有大量的Python， Java and MATLAB/OCTAVE （版本2.5）的接口。這些語言的API接口函數(shù)可以通過在線文檔獲得。如今也提供對于C#，Ch， Ruby的支持。

　　OpenCV于1999年由Intel建立，如今由Willow Garage提供支持。OpenCV是一個(gè)基于BSD許可［1］ （開源）發(fā)行的跨平臺計(jì)算機(jī)視覺庫，可以運(yùn)行在Linux、Windows和Mac OS操作系統(tǒng)上。它輕量級而且高效——由一系列 C 函數(shù)和少量 C++ 類構(gòu)成，同時(shí)提供了Python、Ruby、MATLAB等語言的接口，實(shí)現(xiàn)了圖像處理和計(jì)算機(jī)視覺方面的很多通用算法。 最新版本是3.3 ，2017年8月3日發(fā)布。

　　OpenCV 擁有包括 500 多個(gè)C函數(shù)的跨平臺的中、高層 API。它不依賴于其它的外部庫——盡管也可以使用某些外部庫。OpenCV 為Intel? Integrated Performance Primitives （IPP） 提供了透明接口。 這意味著如果有為特定處理器優(yōu)化的 IPP 庫， OpenCV 將在運(yùn)行時(shí)自動加載這些庫。

　　VC++是微軟公司開發(fā)的一個(gè)集成開發(fā)環(huán)境，具有多方面強(qiáng)大的功能，可以利用其開發(fā)許多領(lǐng)域的實(shí)用軟件，數(shù)字圖像處理也是其主要功能之但純用VC++處理圖像難度很大，僅圖像的讀入和顯示就需要很大的代碼量，并要求開發(fā)人員必須對圖像的內(nèi)部結(jié)構(gòu)認(rèn)識清晰且能熟練使用C+t語言。而對于初次使用VC++處理圖像的人員來說要做到這些方面確實(shí)有一定的難度。OPENCV提供了許多數(shù)字圖像處理的函數(shù)，如果能和VC++結(jié)合使用將會在很大程度上降低工作難度，減少工作量。本文以灰度圖像的目標(biāo)提取為例說明OPENCV和VC++結(jié)合處理圖像的能力。

　　環(huán)境配量

　　在VC++中使用OPENCV函數(shù)，首先要將OPENCV函數(shù)庫嵌入到VC++中。目前OPENCV最典型的版本為1.0和2.0，VC++版本有6.0，2005和2008，若要使用OPENCV2.0則必須使用VC++2005或VC++2008，因?yàn)槟壳癘PENCV2.0在VC++6.0中還沒有成功案例。本文以O(shè)PENCV1.0和VC++6.0作為開發(fā)環(huán)境。將OPENCV1.0函數(shù)庫嵌入到VC++6.0的方法很多資料上都有詳細(xì)的闡述，這里就不做介紹了。

　　目標(biāo)提取

　　目標(biāo)提取的任務(wù)是從單幅圖像或序列圖像中將感興趣的目標(biāo)與背最分割開來，用于后續(xù)的處理。感興趣目標(biāo)的有效提取對于目標(biāo)分類、身份識別和行為理解等中高層次的任務(wù)非常重要，因?yàn)楹罄m(xù)的處理過程通常只考慮圖像中對應(yīng)于感興趣區(qū)域的像素，并將極大的促進(jìn)視頻編碼、檢索、人機(jī)交互、運(yùn)動捕捉等課題的研究目標(biāo)提取技術(shù)最常見的處理過程如圖1所示：

　　導(dǎo)入圖像

　　對一幅圖像進(jìn)行處理之前，首先要讀取圖像的相關(guān)數(shù)據(jù)，為了觀察算法的實(shí)現(xiàn)效果，還需清楚地看到處理后的圖像結(jié)果，這就需要讀入和顯示圖像。假若只用VC++，需要開發(fā)人員對圖像的結(jié)構(gòu)及VC++知識有個(gè)深刻的理解，代碼量大，運(yùn)算復(fù)雜，這就讓很多初學(xué)者望而卻步，然而在VC++環(huán)境下借助OPENCV函數(shù)庫，可以方便的讀入和顯示圖片。代碼如下：

　　Ip1Image*img=cvLoadImage（“E： \hua.bmp”，-1） ;

　　cvNamedWindow（“win1”，0） ;

　　cvShowImage（“win1”，img） ;

　　cvWai tKey （0） ;

　　第一句功能為讀入圖像，需要注意的是表示路徑的反斜杠必須為“\”，因?yàn)樽址小癨”為轉(zhuǎn)義字符，代表一個(gè)“”，參數(shù)“-1”表示以原有顏色通道顯示圖像（還可以選擇別的值，在這里就不加說明了）; 第二句功能為建立一個(gè)名字為“win1“ 的窗口，“0”表示窗 口 大小由系統(tǒng)自動給定; 第三句功能是將圖像在“win1” 窗口中顯示; 第四句功能為延遲窗口顯示時(shí)間，按回車鍵窗口會關(guān)閉，假若沒有第四局，圖像會閃一下消失，用戶觀察不到具體的圖像。

　　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，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)過測試，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>

　?。?/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分別提供了對應(yīng)的函數(shù)Erode（）和Dilate（）。

　　二值化圖像

　　通過以上過程得到黑白兩色圖像，對于深色背景淺色目標(biāo)得到黑背景白目標(biāo)，對于淺色背景深色目標(biāo)得到白背景黑目標(biāo)。由于控制器在處理圖像時(shí)對于白色檢測對象辨別度較好，故應(yīng)將目標(biāo)設(shè)為白色，就是說，假若得到白背景黑目標(biāo)，需要對其進(jìn)行反色處理。利用OPENCV在VC++環(huán)境中對圖像進(jìn)行反色處理的代碼為：

　　i++）

　　for（i=0; i《height;

　　for（j=0; j《width; j++）

　　for（k=0; k《channels; k++）

　　Data［ i*s t ep+j*channe ls + k］=255-data［ i*s t ep+j*c hanne ls + k］ ;

　　以上的黑白圖像為灰度圖像，即像素值為0到255，而二值化圖像像素不是0 （黑色） 就是1（白色），有時(shí)候?yàn)榱擞?jì)算簡單需將黑白灰度圖像轉(zhuǎn)換為二值圖像，OPENCV提供了cvThreshold函數(shù)對圖像進(jìn)行二值化。同樣，

　　假若得到的二值圖像是白背景黑目標(biāo)，需要將其反色處理。

　　提取目標(biāo)

　　通過以上過程已經(jīng)得到了白色目標(biāo)。如果需要顯示目標(biāo)輪廓，OPENCV提供了對應(yīng)的函數(shù)cvFindContours.以下如圖2和圖3為相關(guān)試驗(yàn)結(jié)果：

　　由上可知，在VC++環(huán)境下進(jìn)行數(shù)字圖像處理時(shí)，若借助于OPENCV函數(shù)以上方法僅適合庫，可以在很大程度上降低工作難度。而通過實(shí)驗(yàn)可知，于簡單背景圖像的目標(biāo)提取，對于復(fù)雜背景，僅僅使用OSTU法去除背景還不能達(dá)到非常滿意的效果，在這方面，還需要進(jìn)行進(jìn)一步的研究。