OpenCV視頻中火焰檢測識別的示例分析

小編給大家分享一下OpenCV視頻中火焰檢測識別的示例分析，相信大部分人都還不怎么了解，因此分享這篇文章給大家參考一下，希望大家閱讀完這篇文章后大有收獲，下面讓我們一起去了解一下吧！

主要完成兩個視頻中火焰的檢測，主要結合RGB判據和HIS判據，設定合適的閾值條件，檢測出火焰對應像素的區域，將原圖二值化，經過中值濾波以及數學形態學的膨脹運算等圖像處理，消除一些噪聲及離散點，連通一些遺漏的區域。基于OpenCV的開源庫，在VS2013平臺上，實現了兩個視頻中火焰的檢測。

利用OpenCV有強大的圖像處理庫，直接將圖像分離為RGB三通道，設置條件限制，找到火焰的像素位置，將原圖處理成二值圖像。對于火焰檢測，本文結合RGB判據和HIS判據，分割出火焰的區域。一般用于人眼觀看的顏色模型是RGB模型，對于火焰而言，紅色分量(R)和綠色分量(G)會很大，并且綠色分量(G)會大于藍色分量(B)。HIS顏色模型分別用H(色度)S(飽和度)I(亮度)描述顏色特性，與人們感受顏色的方式緊密相連。考慮到單一顏色模型的判據準確性不夠高，在RGB判據基礎上，添加HIS約束條件。具體條件[1]為：

其中，Rt是紅色分量閾值，St是飽和度閾值,火焰像素主要取決于紅色分量(R)的色度和飽和度。若滿足式(1)，則判斷該位置為火焰像素，顯示為白色，否則顯示為黑色。判據中閾值的選擇對于火焰檢測是至關重要的，一般靠經驗設定，為了獲取火焰識別最好的效果，設置兩個滑動條，改變閾值Rt和St的大小，選取最合適的值。

由于(1)中只需要用到HIS中的S分量，所以不需要用到顏色模型轉換函數，直接計算S分量即可。

獲取二值圖像后，需要對其預處理，找到遺漏的點，剔除異常的點。由于存在噪聲及離散點，對圖像進行平滑濾波，本文采用的是中值濾波，中值濾波是典型的非線性濾波，用像素點鄰域灰度值的中值來代替該像素點的灰度值，非常利于消除一些誤判斷為火焰的像素點。

由于部分火焰的顏色不是介于紅黃之間，無法識別，需要實現區域的連通，因此對二值圖像進行數學形態學操作。形態學是一種強大的圖像處理工具，它可以實現圖像去噪、圖像分割等功能，最基本的形態學操作有兩種，分別是膨脹與腐蝕。它們可以衍生出很多強大的形態學算法，實現我們想要的功能。采用形態學處理的最基礎的膨脹操作，作用于火焰的二值圖像中。

編寫CheckColor函數，將以上3個功能實現。

為了表示出視頻中火焰的區域，在預處理過后，將火焰輪廓用矩形框標記，編寫了畫矩形框的函數DrawFire，其中使用了OpenCV的尋找輪廓的函數findContours，由于作業中test2的火焰位置是分散在不同地方的，所以對整張圖像進行區域的劃分，分別用不同矩形標記不同區域出現的火焰。

基于OpenCV的庫，在VS2013上實現算法，由于視頻中的火焰檢測是實時動態的，下面截取幾幀畫面用于展示實驗結果：

本文采用RGB判據和HIS判據結合的方法，按照經驗法和不斷地調試，選擇合適的閾值，基于OpenCV在VS2013上實現算法，從test1實驗結果可以看出，在背景比較單調且與火焰差別較大時，效果良好，幾乎沒有任何噪聲對其造成干擾。從test2實驗結果可以看出，當背景復雜或與火焰顏色比較相似時，會不時出現噪聲和誤判，需要進一步提高算法。

列出處理test2視頻的具體代碼：

#include<opencv2/opencv.hpp>
#include<cv.h>
 
using namespace cv;
int redThre =49; // 115~135  
int saturationTh = 7; //55~65  
Mat CheckColor(Mat &inImg);
void DrawFire(Mat &inputImg, Mat foreImg);
 
int main()
{
	VideoCapture capture("test2.avi");
    
	while (1)
	{
		Mat frame;
		
		capture >> frame;
		if (frame.empty())
			break;			
		namedWindow("Control", CV_WINDOW_AUTOSIZE);
		cvCreateTrackbar("redThre", "Control", &redThre, 255); 
		cvCreateTrackbar("saturationTh", "Control", &saturationTh, 255); 
		CheckColor(frame);
		waitKey(1);		
	}	
	return 0;
}
 
//The Color Check is According to "An Early Fire-Detection Method Based on Image Processing"  
//The Author is:Thou-Ho (Chao-Ho) Chen, Ping-Hsueh Wu, and Yung-Chuen Chiou  
 
Mat CheckColor(Mat &inImg)
{
	Mat fireImg;
	fireImg.create(inImg.size(), CV_8UC1);	
	Mat multiRGB[3];
	int a = inImg.channels();
	split(inImg, multiRGB); //將圖片拆分成R,G,B,三通道的顏色  
 
	for (int i = 0; i < inImg.rows; i++)
	{
		for (int j = 0; j < inImg.cols; j++)
		{
			float B, G, R;
			B = multiRGB[0].at<uchar>(i, j); //每個像素的R,G,B值,動態地址計算法  
			G = multiRGB[1].at<uchar>(i, j);
			R = multiRGB[2].at<uchar>(i, j);
 
			float maxValue = max(max(B, G), R);
			float minValue = min(min(B, G), R);
			//與HSI中S分量的計算公式
			double S = (1 - 3.0*minValue / (R + G + B));//
			
			//R > RT  R>=G>=B  S>=((255-R)*ST/RT)  
			if (R > redThre &&R >= G && G>= B && S >((255 - R) * saturationTh / redThre))
			{
				fireImg.at<uchar>(i, j) = 255;
			}
			else
			{
				fireImg.at<uchar>(i, j) = 0;
			}
		}
	}
 
	//erode(fireImg, fireImg, Mat(3, 3, CV_8UC1));
	//GaussianBlur(fireImg, fireImg, Size(5, 5), 0, 0);
	medianBlur(fireImg, fireImg, 5);
	dilate(fireImg, fireImg, Mat(5, 5, CV_8UC1));		
    imshow("Binary", fireImg);
	DrawFire(inImg, fireImg);
	return fireImg;
}
 
void DrawFire(Mat &inputImg, Mat foreImg)
{
	vector<vector<Point>> contours_set;//保存輪廓提取后的點集及拓撲關系  
	findContours(foreImg, contours_set, CV_RETR_EXTERNAL, CV_CHAIN_APPROX_NONE);	
	Point point1;
	Point point2;	
	float a = 0.4, b = 0.75;
	float xmin1 = a*inputImg.cols, ymin1 = inputImg.rows, xmax1 = 0, ymax1 = 0;
	float xmin2 = b*inputImg.cols, ymin2 = inputImg.rows, xmax2 = a*inputImg.cols, ymax2 = 0;
	float xmin3 = inputImg.cols, ymin3 = inputImg.rows, xmax3 = b*inputImg.cols, ymax3 = 0;
	Rect finalRect1;
	Rect finalRect2;
	Rect finalRect3;	
	vector<vector<Point> >::iterator iter = contours_set.begin();
	for (; iter != contours_set.end();)
	{
		Rect rect = boundingRect(*iter);
		float radius;
		Point2f center;
		minEnclosingCircle(*iter, center, radius);
 
		if (rect.area()> 0)
		{			
			point1.x = rect.x;
			point1.y = rect.y;
			point2.x = point1.x + rect.width;
			point2.y = point1.y + rect.height;
		
			if (point2.x< a*inputImg.cols)
			{
				if (point1.x < xmin1)				
					xmin1 = point1.x;
				if (point1.y < ymin1)
					ymin1 = point1.y;				
				if (point2.x > xmax1 && point2.x < xmax2)				
					xmax1 = point2.x;
				if (point2.y > ymax1)
					ymax1 = point2.y;				
			}
 
			if (point2.x < b*inputImg.cols&&point2.x > a*inputImg.cols)
			{
				if (point1.x < xmin2 && point1.x>xmin1)				
					xmin2 = point1.x;
				if (point1.y < ymin2)
					ymin2 = point1.y;
				if (point2.x > xmax2 && point2.x < xmax3)				
					xmax2 = point2.x;
				if (point2.y > ymax2)
					ymax2 = point2.y;				
			}
 
			if (point2.x < inputImg.cols&&point2.x > b*inputImg.cols)
			{
				if (point1.x < xmin3 && point1.x>xmin2)				
					xmin3 = point1.x;
				if (point1.y < ymin3)
					ymin3 = point1.y;				
				if (point2.x > xmax3)				
					xmax3 = point2.x;
				if (point2.y > ymax3)
					ymax3 = point2.y;				
			}
			
			++iter;
		}
		else
		{
			iter = contours_set.erase(iter);
		}
		
	}
 
	
	if (xmin1 == a*inputImg.cols&& ymin1 == inputImg.rows&&xmax1 == 0 && ymax1== 0)
	{
		xmin1 = ymin1 = xmax1 = ymax1 = 0;
	}
	if (xmin2 == b*inputImg.cols&& ymin2 == inputImg.rows&& xmax2 == a*inputImg.cols&& ymax2 == 0)
	{
		xmin2 = ymin2 = xmax2 = ymax2 = 0;
	}
	if (xmin3 == inputImg.cols&&ymin3 == inputImg.rows&& xmax3 == b*inputImg.cols&& ymax3 == 0)
	{
		xmin3 = ymin3 = xmax3 = ymax3 = 0;
	}
	finalRect1= Rect(xmin1, ymin1, xmax1 - xmin1, ymax1 - ymin1);
	finalRect2 = Rect(xmin2, ymin2, xmax2 - xmin2, ymax2 - ymin2);
	finalRect3 = Rect(xmin3, ymin3, xmax3 - xmin3, ymax3 - ymin3);
	rectangle(inputImg, finalRect1, Scalar(0, 255, 0));
	rectangle(inputImg, finalRect2, Scalar(0, 255, 0));
	rectangle(inputImg, finalRect3, Scalar(0, 255, 0));
	imshow("Fire_Detection", inputImg);	
}

以上是“OpenCV視頻中火焰檢測識別的示例分析”這篇文章的所有內容，感謝各位的閱讀！相信大家都有了一定的了解，希望分享的內容對大家有所幫助，如果還想學習更多知識，歡迎關注億速云行業資訊頻道！