作者：coldplayplay
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：
1. #include<opencv2/opencv.hpp>
2. #include<cv.h>
3.
4. using namespace cv;
5. int redThre =49; // 115~135
6. int saturationTh = 7; //55~65
7. Mat CheckColor(Mat &inImg);
8. void DrawFire(Mat &inputImg, Mat foreImg);
9.
10. int main()
11. {
12. VideoCapture capture("test2.avi");
13.
14. while (1)
15. {
16. Mat frame;
17.
18. capture >> frame;
19. if (frame.empty())
20. break;
21. namedWindow("Control", CV_WINDOW_AUTOSIZE);
22. cvCreateTrackbar("redThre", "Control", &redThre, 255);
23. cvCreateTrackbar("saturationTh", "Control", &saturationTh, 255);
24. CheckColor(frame);
25. waitKey(1);
26. }
27. return 0;
28. }
29.
30. //The Color Check is According to "An Early Fire-Detection Method Based on Image Processing"
31. //The Author is:Thou-Ho (Chao-Ho) Chen, Ping-Hsueh Wu, and Yung-Chuen Chiou
32.
33. Mat CheckColor(Mat &inImg)
34. {
35. Mat fireImg;
36. fireImg.create(inImg.size(), CV_8UC1);
37. Mat multiRGB[3];
38. int a = inImg.channels();
39. split(inImg, multiRGB); //将图片拆分成R,G,B,三通道的颜色
40.
41. for (int i = 0; i < inImg.rows; i++)
42. {
43. for (int j = 0; j < inImg.cols; j++)
44. {
45. float B, G, R;
46. B = multiRGB[0].at<uchar>(i, j); //每个像素的R,G,B值,动态地址计算法
47. G = multiRGB[1].at<uchar>(i, j);
48. R = multiRGB[2].at<uchar>(i, j);
49.
50. float maxValue = max(max(B, G), R);
51. float minValue = min(min(B, G), R);
52. //与HSI中S分量的计算公式
53. double S = (1 - 3.0*minValue / (R + G + B));//
54.
55. //R > RT R>=G>=B S>=((255-R)*ST/RT)
56. if (R > redThre &&R >= G && G>= B && S >((255 - R) * saturationTh / redThre))
57. {
58. fireImg.at<uchar>(i, j) = 255;
59. }
60. else
61. {
62. fireImg.at<uchar>(i, j) = 0;
63. }
64. }
65. }
66.
67. //erode(fireImg, fireImg, Mat(3, 3, CV_8UC1));
68. //GaussianBlur(fireImg, fireImg, Size(5, 5), 0, 0);
69. medianBlur(fireImg, fireImg, 5);
70. dilate(fireImg, fireImg, Mat(5, 5, CV_8UC1));
71. imshow("Binary", fireImg);
72. DrawFire(inImg, fireImg);
73. return fireImg;
74. }
75.
76. void DrawFire(Mat &inputImg, Mat foreImg)
77. {
78. vector<vector<Point>> contours_set;//保存轮廓提取后的点集及拓扑关系
79. findContours(foreImg, contours_set, CV_RETR_EXTERNAL, CV_CHAIN_APPROX_NONE);
80. Point point1;
81. Point point2;
82. float a = 0.4, b = 0.75;
83. float xmin1 = a*inputImg.cols, ymin1 = inputImg.rows, xmax1 = 0, ymax1 = 0;
84. float xmin2 = b*inputImg.cols, ymin2 = inputImg.rows, xmax2 = a*inputImg.cols, ymax2 = 0;
85. float xmin3 = inputImg.cols, ymin3 = inputImg.rows, xmax3 = b*inputImg.cols, ymax3 = 0;
86. Rect finalRect1;
87. Rect finalRect2;
88. Rect finalRect3;
89. vector<vector<Point> >::iterator iter = contours_set.begin();
90. for (; iter != contours_set.end();)
91. {
92. Rect rect = boundingRect(*iter);
93. float radius;
94. Point2f center;
95. minEnclosingCircle(*iter, center, radius);
96.
97. if (rect.area()> 0)
98. {
99. point1.x = rect.x;
100. point1.y = rect.y;
101. point2.x = point1.x + rect.width;
102. point2.y = point1.y + rect.height;
103.
104. if (point2.x< a*inputImg.cols)
105. {
106. if (point1.x < xmin1)
107. xmin1 = point1.x;
108. if (point1.y < ymin1)
109. ymin1 = point1.y;
110. if (point2.x > xmax1 && point2.x < xmax2)
111. xmax1 = point2.x;
112. if (point2.y > ymax1)
113. ymax1 = point2.y;
114. }
115.
116. if (point2.x < b*inputImg.cols&&point2.x > a*inputImg.cols)
117. {
118. if (point1.x < xmin2 && point1.x>xmin1)
119. xmin2 = point1.x;
120. if (point1.y < ymin2)
121. ymin2 = point1.y;
122. if (point2.x > xmax2 && point2.x < xmax3)
123. xmax2 = point2.x;
124. if (point2.y > ymax2)
125. ymax2 = point2.y;
126. }
127.
128. if (point2.x < inputImg.cols&&point2.x > b*inputImg.cols)
129. {
130. if (point1.x < xmin3 && point1.x>xmin2)
131. xmin3 = point1.x;
132. if (point1.y < ymin3)
133. ymin3 = point1.y;
134. if (point2.x > xmax3)
135. xmax3 = point2.x;
136. if (point2.y > ymax3)
137. ymax3 = point2.y;
138. }
139.
140. ++iter;
141. }
142. else
143. {
144. iter = contours_set.erase(iter);
145. }
146.
147. }
148.
149.
150. if (xmin1 == a*inputImg.cols&& ymin1 == inputImg.rows&&xmax1 == 0 && ymax1== 0)
151. {
152. xmin1 = ymin1 = xmax1 = ymax1 = 0;
153. }
154. if (xmin2 == b*inputImg.cols&& ymin2 == inputImg.rows&& xmax2 == a*inputImg.cols&& ymax2 == 0)
155. {
156. xmin2 = ymin2 = xmax2 = ymax2 = 0;
157. }
158. if (xmin3 == inputImg.cols&&ymin3 == inputImg.rows&& xmax3 == b*inputImg.cols&& ymax3 == 0)
159. {
160. xmin3 = ymin3 = xmax3 = ymax3 = 0;
161. }
162. finalRect1= Rect(xmin1, ymin1, xmax1 - xmin1, ymax1 - ymin1);
163. finalRect2 = Rect(xmin2, ymin2, xmax2 - xmin2, ymax2 - ymin2);
164. finalRect3 = Rect(xmin3, ymin3, xmax3 - xmin3, ymax3 - ymin3);
165. rectangle(inputImg, finalRect1, Scalar(0, 255, 0));
166. rectangle(inputImg, finalRect2, Scalar(0, 255, 0));
167. rectangle(inputImg, finalRect3, Scalar(0, 255, 0));
168. imshow("Fire_Detection", inputImg);
169. } 关注【OpenCV学习交流】