基于Opencv的图像处理.doc

《基于Opencv的图像处理.doc》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、1.1图像处理1.1.1原始图像利用OpenCV的cvQueryFrame函数从摄像头获取原始图像，虽然效率不高，但考虑到小车控制中各个环节的精度与效率，此处并不是瓶颈，故可以接受。1.1.2透视变换迷宫路线计算和小车位置判断都基于透视变换后的俯视图，OpenCV提供了透视变换的函数WarpPerspective，该函数按照指定变换矩阵进行变换，而变换矩阵由GetPerspectiveTransform从变换前后两个图像中的4个对应点计算出来。1.1.3迷宫结构分析迷宫的分析可以通过“测试线”进行：矩形可看作迷垂直方向的宫壁，而红色细线即为其“测试线”（类似的，水平方向迷宫壁的“测试线

2、”为垂直方向）。将迷宫等分为8*8的小块，则“测试线”应设置在每小块周围的4个迷宫壁的中垂线位置。通过判断“测试线”上迷宫壁的像素个数，可以推断出该“测试线”是否跨越了一个迷宫壁，从而得到整个迷宫的结构。右侧窗口为透视变换后的实时图像，蓝色的网格线将迷宫等分为8*8的小格。左侧的半个窗口为处理的结果，其中粉红色的区域即为迷宫的最短路径，是由右图中一个个的小格组成。而黄色网格线即为关键的“测试线”，绿色部分为标记出的迷宫壁，可以看出“测试线”正好与迷宫壁正交，准确地检测出迷宫的结构。1.1.1最短路径最短路径的计算采用标号的广度优先搜索，第一次搜索到出口时，搜索树的层数是最小的。而且搜索

3、时尽量保持方向不变，就可以再多条最短路径中选择出转向次数最少的那条，易于控制。1.1.2小车定位为了排除迷宫壁与迷宫地面的干扰，小车需要用蓝色包装。然后用摄像头进行小车的特写拍照（照片基本上就是一团蓝色），之后就可以通过OpenCV的CalcBackProject函数得到照片在实时图像中的反向投影。反向投影是一幅图像在另一幅图像中出现的概率，小车的特写在迷宫中出现概率最大的地方自然就是小车当前在迷宫中的位置。而跟踪函数CamShift就是跟踪这块概率最大的区域，并返回这块区域的位置角度大小等信息。而小车定位最终确定小车在8*8的迷宫中哪一格，从而与路径信息比对。