业幽21童血2纽骶阑霜e翳酝
浅析物联网智能家居系统中
图像预处理及特征提取
杨胜利
十堰职业技术学院信息与智能工程系。湖北十堰442000
摘要物联网(InternetofThings)这个概念最早由麻省理工的Auto—ID中心在1999年提出，其基本想法是将
RFID和其他传感器相互连接，形成RFID架构的分布式网络。物联网作为一种新的网络形式，相关理论研究和实践应用正
在探索过程中。人们普遍认为物联网是射频感应，其实最终的物联网是图像识别。本论文主要介绍了物联网的发展和图像
预处理中256色图转化成灰度图、二值化、归一化。
关键词图像处理；物联网；图像识别；图像提取
中图分类号TP393文献标识码A文章编号1674—6708(2011)47—0233一02
1物联网定义
物联网是未来因特网的综合部分之一，可以被定义为一个动
态的全球网络基础。基于标准的和互操作的通信协议，无论物理
的还是虚拟的“物”均有身份、物理属性和虚拟特质，具备自配
置能力且使用智能接口，可以无缝地集成到信息网络中去。”
本文认为，物联网实质上是将真实世界映射到虚拟世界的过
程：真实世界中的事物，通过传感器采集一定的数据，在虚拟世
界中形成与之对应的事物。“相关物体可能在虚拟电子空间中被创
造H{来，源于物理物体空间，且与物理空间的物体有关联。”现在
一提物联网，就谈RFID。传感器，天线，好像物联网就是给所有
东西装上一个射频芯片，就组建了物联网。都以为物联网是射频
感应，其实最终的物联网是图像识别。事实上，物联网的发展如
人类的进化一样，还是靠眼睛感知整个世界的，进化史上没有出
现几个用电磁波进行沟通的动物，在进化树上感应能力远远没有
识别能力枝繁叶茂。
从概念上来说，电磁感应与光学识别很相似，目的都是快速
准确地确认追踪目标物体。相比之下，识别属于”可视技术”，只
能对进入视野范围内的图像进行处理，而感应不要求看见目标。
且可同时进行多目标的处理。为什么射频技术被人们看好，应该
就是RFID可想象的应用范围更为广泛。
但从整个世界范围看，识别的应用领域肯定大于感应，因为
人本是依赖眼睛的动物，我们的大脑思维也是对这个色彩斑斓的
世界一幕幕投影；在不久的将来，通过你的眼睛把任何物体连接
上物联网就可以实现。
2模式识别与图像识别
图像识别(ImageRe∞gnition)的过程，主要由以下四个步骤
组成：图像预处理、图像分割、图像特征提取以及图像分类。
图像识别中4个主要步骤功能如下：
1)图像预处理
图像识别的第一步就是进行图像预处理。图像预处理的主要
．目的就是增强图像目标信息，减弱无关信息。以便人机分析；对
于图像中文字的识别处理，一般首先要定位和分离文字，然后进
行细化、平滑和边界跟踪处理。细化的目的是获取文字的骨架或
轮廓，即将字符的笔道宽度减少为一个像素的宽度，这样剩下来
的是原字符的骨架。平滑的目的是消除噪声、改善图像质量，即
去掉笔道边沿小的凹凸处以及笔道中孤立的黑点。
2)图像分割
根据所选用的算法及图像特征情况，将图像分割成需要的几
个部分。
3)图像特征提取
图像分割后，在所需要的分割图像上提取有效的特征。并对
其中的某砦参数进行测量、计算，为图像分类提供依据。
4)图像分类
依据提取出的图像特征值，运用模式识别的方法对图像进行
分类。确定分类结果后，对图像的重要信息进行深入解释。在分
类过程中输入的是图像特征信息，输出的是图像类别名称。
3图像格式的选择
图像有多种存放格式，其中各有特色。其中BMP用于
window8下的位图(Bitmap)格式，文件几乎不用压缩，占用磁盘
空间较大，它的颜色存储格式有1位、4位、8位及24位。开发
windows下的软件时，BMP格式是最不容易出问题的格式，并且
DOs和windows环境下的图像处理软件都支持该格式。
4图像预处理
图像流程图如图1所示：
图像预处理过程包括许多技术，例如：图像的灰度化、图像
二值化、字符的细化等，要根据图像特征的特点采用针对性的预
处理技术。
1)灰度转化
灰度化处理，即将一幅彩色图像转化为灰度图像的过程。彩
色图像比较复杂，许多算法不能对彩色图像实施，灰度图像比较
简单，容易处理，所以图像处理中灰度化处理是很苇要的一步，
是后续处理的基础。由于彩色图像的每个像素的R，G，B值是
不相同的。所以显示出红绿蓝等各种颜色。灰度化就是使彩色的
R，G，B分量相等的过程。而R，G，B分量相等时的颜色是黑白
色，没有颜色差异，有的只是亮度上的不同。在RGB颜色模型中，
R=G-B的值叫做灰度值。灰度值越大像素点越亮，灰度值越小像
素点越暗。
图像灰度化有多种不同的算法，概括起来主要有如下3种：
(1)最大值法：使R，G，B的值等于3个值中最大的一个，
即
R=G=B=ma)【(R，G，B)
最大值法会形成亮度很高的灰度图像。
(2)平均值法：使R，G，B的值求出平均值．即：
R=G=B=(R+G+B)／3
平均值法会形成较柔和的灰度图像。
万方数据
(3)加权平均值法：根据重要性或其他指标给R，G。B赋予
不同的权值．并使R．G．B的值加权平均．即
R=G=B=(VRR+Vc“VcB)，3
其中VR、V6、V。分别为R，G，B的权值。V旷K、VB取不
同的值，加权平均值法就将形成不同的灰度图像。由于人跟对绿
色的敏感度最高，对红色的敏感度次之，对蓝色的敏感度最低，
因此使U“。>v。将得到较合理的灰度图像。实验和理论推导证明，
当v。=0．30，U=0．59，v。=011时。即
Vgray=030R+n59G+0．1lB
R=G．B=V删
时．能得到最合理的灰度图像。
我们读人如图2所示。
．公
图2读人图像
采用加权平均值法进行图像的灰度处理。经过灰度处理后的
256色位图如图3所示。
图3灰度图
2)图像二值化
’
图像进行灰度化处理后，每个像素的灰度值大小决定了图像
中像素的亮暗程度。图像二值化就是把图像中不同亮暗程度的像
素根据某个阐值分成黑白两种颜色，一般图像中的字符用黑色表
示。其余部分用白色表示。经过此步骤后灰度图像就被转化为只
包含黑、白两个灰度的二值图像。在绝大多数字符识别系统当中
图像二值化处理是一个必需的过程。’二值化方法的优劣直接影响
着字符识别系统的性能指标。在进行图像二值化处理过程中会损
失图像的许多有用信息，因此。能否保留原图的主要特征非常关键。
算法如下：
定义原始图像上的点为r(‘力。设给定一个判定阈值为T，
变化后的图像』(‘，)定义为：
Z(工，y)=醢般；嚣‘2_5)
方法的关键是选取一个灰度级判定阙值T，像素灰度大于T的
重新分配以最大灰度，小于T的分配以最小灰度，这样就可以重
新组织一个新的二值图像，并成功地把字符对象从背景中分离出
来，分割阕值的准确性选择很重要，它直接影响分割的精度。
5特征垃捧和摄取
经过前面一系列的图像预处理和图像分割后，下一步就是特
征选择和提取。下面从处理完毕的字符图像中提取最能体现字符
特点的特征向量，代人BP神经网络然后对其进行训练。对待识别
的样本进行以上相同处理．最后提取特征向量代人训练好的BP神
经网络，就可以对字符进行识别分类。以下是几种比较简单常用
的特征提取方法。
5．1蠢■蠢幡在量曩磕
对图像进行逐行逐列的扫描时当遇到白色象素点时取其特征
值为o，遇到黑色象索点时为1，扫描结束以后就形成了—个图像与
维数中象素点的个数相同的特征向量矩阵。
逐象索特征提取法的特点是运算起来速度快。算法比较简单，
可以使BP神经网络很快地收敛，训练效果好。缺点是适应性不强，
只有通过加大训练样本数目的方法来增强其适应性。
5．2量颦特征摄取挂
骨架卫称中轴．是一种重要的图像几何特征。两幅图像线条
粗细的不同使得两幅图像差别很大．在对图像进行细化处理，统
一到相同的宽度(如一个象紊)．这时两幅图像的差别就不是特别
明显了。原图与细化后的图像对比如图4和图5所示：
N～
图4原图片
图5细化后的图片
骨架特征提取的方法当图像一旦出现偏移就难以识别了．但
是对于线条粗细不同的字符有一定的适应性。
5．3垂直方向t曩缱计特征攫取法
这种特征提取方法的算法就是自上而下逐行扫描，统计每行
的黑色象素点的个数。然后自左向右对图像进行逐列的扫描，统
计每列的黑色象素点的个数，将统计结果作为字符的特征向量，
如果字符的宽度为h，长度为w，则特征向量的维数就是h+w。
6田■识嗣的应用
图像识别技术现在已经广泛应用于农业、渔业、林业、机械、
勘探、天文气象、交通、公安、医学、邮电等部门，以及许多工
矿企业中。下面简单列举出一些图像识别技术应用。
1)文字和字符识别应用：卡片输人，稿件输入，文件处理，
支票查对，信函分拣．期刊阅读．自动排版等；
2)机器视觉识别：通过相机捕捉图像，分析数字图像的特征
信息，应用于自动化视觉检测或装配线的自动化；
3)遥感和航空照片分析，指纹、掌纹、脸部、唇纹等生物器
官的识别，热成像及超声图像检查等；
4)声音识别：侦听和机器故障判断，以及语音识别和鉴定
等；
5)生物医学应用：白血球、癌细胞、染色体检查以及修复手
术控制设计等；
6)工业应用：产品质量检测．图形设计，集成电路设计以及
自动键合等；
7)预报问题：天气预报，地震预报，经济预报和工业烟雾预
报等。
●者支t
【1】董长虹．Matl＆b图像处理与应用【M】．北京：国防工业出版
赴，2004．
[2]马建．轴联阿技术概论fM]．机械工业出版社，2011．
[如傅德胜图形图像处理擘[M]南京：东南大学出版社，
2002．
万方数据
浅析物联网智能家居系统中图像预处理及特征提取
作者：杨胜利
作者单位：十堰职业技术学院信息与智能工程系,湖北十堰,442000
刊名：科技传播
英文刊名：PUBLICCOMMUNICATIONOFSCIENCE&TECHNOLOGY
年，卷(期)：2011(14)
参考文献(3条)
1.董长虹Matlab图像处理与应用2004
2.马建物联网技术概论2011
3.傅德胜图形图像处理学2002
本文链接：http://d.g.wanfangdata.com.cn/Periodical_kjcb201114183.aspx
|
|
