OpenCV 视频中火焰检测识别实践

 更新时间:2021年09月07日 15:23:33   作者:coldplayplay  
本文主要介绍了OpenCV 视频中火焰检测识别,文中通过示例代码介绍的非常详细,具有一定的参考价值,感兴趣的小伙伴们可以参考一下

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。采用形态学处理的最基础的膨胀操作,作用于火焰的二值图像中。

编写CheckColor函数,将以上3个功能实现。

为了表示出视频中火焰的区域,在预处理过后,将火焰轮廓用矩形框标记,编写了画矩形框的函数DrawFire,其中使用了OpenCV的寻找轮廓的函数findContours,由于作业中test2的火焰位置是分散在不同地方的,所以对整张图像进行区域的划分,分别用不同矩形标记不同区域出现的火焰。

基于OpenCV的库,在VS2013上实现算法,由于视频中的火焰检测是实时动态的,下面截取几帧画面用于展示实验结果:


本文采用RGB判据和HIS判据结合的方法,按照经验法和不断地调试,选择合适的阈值,基于OpenCV在VS2013上实现算法,从test1实验结果可以看出,在背景比较单调且与火焰差别较大时,效果良好,几乎没有任何噪声对其造成干扰。从test2实验结果可以看出,当背景复杂或与火焰颜色比较相似时,会不时出现噪声和误判,需要进一步提高算法。

列出处理test2视频的具体代码:

#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); //将图片拆分成R,G,B,三通道的颜色  
 
	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); //每个像素的R,G,B值,动态地址计算法  
			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);
			//与HSI中S分量的计算公式
			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;//保存轮廓提取后的点集及拓扑关系  
	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);	
}
 

到此这篇关于OpenCV 视频中的火焰检测识别的文章就介绍到这了,更多相关OpenCV 火焰检测识别内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家!

相关文章

  • C语言多线程开发中死锁与读写锁问题详解

    C语言多线程开发中死锁与读写锁问题详解

    死锁是指多个线程因竞争资源而造成的僵局(互相等待);有些公共数据修改的机会很少,但其读的机会很多。并且在读的过程中会伴随着查找,给这种代码加锁会降低我们的程序效率。读写锁可以解决这个问题;
    2022-05-05
  • c++面试题字符串拷贝函数示例

    c++面试题字符串拷贝函数示例

    这个也算是企业招工里面比较常见的一道笔试面试题了,非常简单。个人觉得考的主要是对指针使用的熟练程度,还有对字符串类内部原理的掌握程度
    2013-12-12
  • 使用C语言来画出皮卡丘的教程(附代码)

    使用C语言来画出皮卡丘的教程(附代码)

    在C语言中使用图形库画图需要引入graphics.h库,我们可以通过代码实现画出一个可爱的皮卡丘,将皮卡丘的绘制分为以下部分:耳朵、脸部、眼睛、嘴巴、手臂、腿部、尾巴,下面我们就来学习如何使用C语言编写画皮卡丘的代码
    2024-01-01
  • C语言实现简单的五子棋游戏

    C语言实现简单的五子棋游戏

    这篇文章主要为大家详细介绍了c语言实现简单的五子棋游戏,文中示例代码介绍的非常详细,具有一定的参考价值,感兴趣的小伙伴们可以参考一下
    2022-01-01
  • Cocos2d-x学习笔记之开发环境搭建

    Cocos2d-x学习笔记之开发环境搭建

    这篇文章主要介绍了Cocos2d-x学习笔记之开发环境搭建,本文使用Visual Studio作为开发IDE,是不同于其它教程的,需要的朋友可以参考下
    2014-09-09
  • VSCode配置C++环境的方法步骤(MSVC)

    VSCode配置C++环境的方法步骤(MSVC)

    这篇文章主要介绍了VSCode配置C++环境的方法步骤,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着小编来一起学习学习吧
    2020-05-05
  • C++两个cpp文件间如何进行各自函数的调用方式

    C++两个cpp文件间如何进行各自函数的调用方式

    这篇文章主要介绍了C++两个cpp文件间如何进行各自函数的调用方式,具有很好的参考价值,希望对大家有所帮助。如有错误或未考虑完全的地方,望不吝赐教
    2023-02-02
  • c++调用动态库LNK2019和LNK1120无法解析的外部命令

    c++调用动态库LNK2019和LNK1120无法解析的外部命令

    本文主要介绍了c++调用动态库LNK2019和LNK1120无法解析的外部命令, 出现这个错误一般都是函数只找到声明但没有实现,或者是少了什么链接库,下面就来解决一下
    2024-06-06
  • 详解C++何时需要拷贝构造函数

    详解C++何时需要拷贝构造函数

    拷贝构造函数是一个特殊的构造函数,用于创建一个新对象,该对象与另一个同类对象具有相同的属性和值,在 C++ 中,拷贝构造函数通常采用另一个同类对象作为参数,并使用该对象初始化新对象,本文给大家讲讲何时需要拷贝函数,需要的朋友可以参考下
    2023-09-09
  • 关于C++中的static关键字的总结

    关于C++中的static关键字的总结

    C++的static有两种用法:面向过程程序设计中的static和面向对象程序设计中的static。前者应用于普通变量和函数,不涉及类;后者主要说明static在类中的作用
    2013-09-09

最新评论