智能图像处理与分析识别课件：工程应用-多气泡上升轨迹跟踪.pptx

智能图像处理与分析识别

《智能图像处理与分析识别》多气泡上升轨迹跟踪12.1研究背景12.2气泡图像的预处理12.2.1气泡图像去噪12.2.2气泡图像二值化12.2.3气泡图像填充12.3气泡运动轨迹跟踪方法12.3.1基于互相关匹配的目标跟踪12.3.2基于图像小波变换互相关匹配的气泡轨迹跟踪实现12.3.3基于Mean-Shift算法的目标跟踪

垂直管道中的气泡12.1研究背景为了准确跟踪气泡的运动轨迹：利用高速摄像机获得运动气泡的图像序列；可通过数字图像处理技术得到连续图像序列中气泡的几何中心位置，中心位置的移动轨迹即为气泡的运动轨迹。垂直管道中气泡上升的运动行为是气泡动力学研究中的关键问题，利用图像方法来研究气泡的运动特性具有直观性和非接触性等优点，受到国内外学者的青睐。

存在单个气泡情况12.1研究背景当图像中仅有一个气泡时，只需将所计算出的气泡中心的位置坐标绘制到图中，然后按照先后顺序连接便可以得到气泡的运动轨迹。当一幅图像中存在多个气泡，且气泡的前后位置发生变化时，则气泡点中心坐标容易混淆，导致轨迹跟踪存在一定困难。因此需要采用适当目标匹配方法，将不同的气泡区分开来，以辨别多个目标气泡在不同时刻的位置，获得多气泡同时上升时的气泡运动轨迹。存在多个气泡情况

原因：在气泡图像的拍摄过程中，背景光照不均匀，透明管壁上存在划痕，以及拍摄时视野范围过大而摄入多余的背景物体等都会造成背景噪声，这种噪声在气泡图像中所占比例较大，有时甚至超过有用信息。解决方案：通常用同一图像序列中的两幅图像相减的方法来去除背景噪声，即差影或剪影算法。12.2气泡图像的预处理12.2.1气泡图像去噪名称原理注意事项差影算法直接将两幅图像相减要求在拍摄过程中，照明光应保持稳定，拍摄的背景保持固定，否则图像相减的效果将明显降低。剪影算法根据目标图像和背景图像的对应点的灰度值相差的多少来确定运算关系，当目标物体的灰度值与背景像素的灰度值相差较大时，则用保留目标像素的灰度值，否则直接置为0或1

在去除了固有的背景噪声后，仍然存在一些随机噪声，例如图像中气泡轮廓模糊、图像中存在麻点等，这些对后续的图像处理过程存在很大的影响。可继续采用平滑滤波和小波去噪的方法进一步滤除噪声。图像剪影去噪Matlab程序代码如下：12.2气泡图像的预处理12.2.1气泡图像去噪%读入图像，并调整图像格式I1=imread(image\image1\2_1_0.5_1_FR0489.tif);%原始气泡图像numStr=num2str(489);I2=imadjust(I1,[01],[10],1);I3=rgb2gray(I2);I4=double(I3);J1=imread(image\image1\full_01_FR13.tif);%背景图J2=imadjust(J1,[01],[10],1);J3=rgb2gray(J2);J4=double(J3);%差影cy=I3-J3;cy=uint8(cy);cy=imadjust(cy,[01],[10],1);figure,imshow(cy)fileName1=[image\precessedImage\cy_’,numStr,.tif];%%%%%imwrite(cy,fileName1,tif)

12.2气泡图像的预处理12.2.1气泡图像去噪%%剪影K1=I4-J4;fori=1:1:480forj=1:1:640ifK1(i,j)20I3(i,j)=0;endendendjy=imadjust(I3,[01],[10],1);figure,imshow(jy)holdofffileName2=[image\precessedImage\jy_,numStr,.tif];%%%%%imwrite(jy,fileName2,tif)%小波去噪[c,s]=wavedec2(cy,2,sym5);%cy为差影，jy为剪影[thr,sorh,keepapp]=ddencmp(den,wv,I);[B,cxc,lxc,perfl2]=wdencmp(gbl,c,s,sym5,2,thr,sorh,keepapp);L=uint8(B);figure,imshow(L);holdofffileName=[image\precessedImage\,cywave_,numStr,.tif];imwrite(L,fileName,tif)%剪影图像小波去噪，只需将cy改为jy，此处省略了剪影图像小波去噪的代码

12.2气泡图像的预处理12.2.1气泡