1. 研究目的与意义

随着图像处理的广泛应用与处理手段的不断改进，为了获得理想的树木视觉图像，我们通过opencv对树木自动判别检测对树干直径大小所遇到的关键问题，即去除纷乱背景进行研究和分析。通过色彩自动分割、图像形态学处理以及特征等一系列过程，在vc的环境下，利用opencv本身强大的函数库对树干的背景进行去除，实现了此方法具有积极的意义。由实验结果看出，该方法可以较为理想地获得树木视觉图像，既节省了预处理的时间，也保证了精度。同时经过理论研究结果表明，该算法具有分离效果好实用性强、检测速度快的特点。本文研究的要求就是通过opencv实现其相关功能，达到准确测量以及理想化分离的效果，同时并通过利用opencv编写的应用程序验证改方法的有效性和可行性。

数字图像处理是对图像进行分析、加工、和处理，使其满足视觉、心理以及其他要求的技术。图像处理是信号处理在图像域上的一个应用。目前大多数的图像是以数字形式存储，因而图像处理很多情况下指数字图像处理。此外，基于光学理论的处理方法依然占有重要的地位。数字图像处理是信号处理的子类， 另外与计算机科学、人工智能等领域也有密切的关系。 传统的一维信号处理的方法和概念很多仍然可以直接应用在图像处理上，比如降噪、量化等。然而，图像属于二维信号，和一维信号相比，它有自己特殊的一面，处理的方式和角度也有所不同。大多数用于一维信号处理的概念都有其在二维图像信号领域的延伸，它们中的一部分在二维情形下变得十分复杂。同时图像处理也具有自身一些新的概念，例如，连通性、旋转不变性，等等。这些概念仅对二维或更高维的情况下才有非平凡的意义。图像处理中常用到快速傅立叶变换，因为它可以减小数据处理量和处理时间。

计算机视觉是将来自静止图像或视频的数据转换成一个决策或者一种新的表达方式的过程，所有的这些转换都是为了达到某个目标。因为人类是视觉动物，所以会误以为可以很容易地实现计算机视觉。当你凝视图像时，从中找到一辆汽车会很困难么？你凭直觉会觉得很容易。人脑将视觉信号划分入很多个通道，将各种不同的信息输入你的大脑。你的大脑有一个关注系统，会根据任务识别出图像的重要部分，并做重点分析，而其他部分则分析得较少。在人类视觉流中存在大量的反馈，但是目前我们对之了解甚少。肌肉控制的传感器以及其他所有传感器的输入信息之间存在广泛的关联，这使得大脑可以依赖从出生以来所学到的信息。大脑中的反馈在信息处理的各个阶段都存在，在传感器硬件(眼睛)中也存在。在眼睛中通过反馈来调节通过瞳孔的进光量，以及调节视网膜表面上的接受单元。

2. 国内外研究现状分析

opencv的全称是：open source computer vision library。它包含了open和computer vision两个部分，open是指open source(开源，即开放源代码)，computer vision则指计算机视觉。opencv于1999年由intel建立，现在由willow garage提供支持。opencv是一个基于bsd许可证授权（开源）发行的跨平台计算机视觉库，可以运行在linux、windows和mac os操作系统上。它轻量级而且高效由一系列 c 函数和少量 c 类构成，同时提供了python、ruby、matlab等语言的接口，实现了图像处理和计算机视觉方面的很多通用算法。

开放源代码(open source)是信息技术界从20世纪80年代开始兴起的名词。源代码是由软件命令电脑执行指定动作的程序语句，是一个软件的核心。开放源代码之所以能够风靡世界，首先是其开源的免费特性；此外由于有全球众多编程者的参与，开源软件一般具有简约精炼、资源占用少、功能集中和安全性好的特点。从长远来讲。开放源代码或许是一种效率最高、效果更好的软件商业模式。

计算机视觉(computervision)是在数字图像处理的基础上发展起来的新兴学科，它从信息处理的层次研究信息的认知过程，研究视觉信息处理的计算理论和表达与计算方法，包括图像特征提取，摄像机定标，立体视觉，运动视觉(或称序列图像分析)，由图像灰度恢复三维物体形状的方法，物体建模与识别方法以及距离图像分析方法等方面组成。

3. 研究的基本内容与计划

熟悉opencv编程，熟练的进行opencv视频和图像处理方面的操作，应用于木材检测上，提取出木材的左右校正图像，采用双目视觉原理进行三维建模，重建出木材的三维影像，并且考虑摄像机标定，偏转等因素。

去除背景图像是图像处理技术中的一个重要分支。这项技术涉及到自动控制、计算机视觉、模式识别和人工智能等众多领域。opencv是用来实现计算机视觉相关技术的开放源码工作库，是计算机视觉、图像处理、模式识别、计算机图形学、信号处理、视频监控、科学可视化等相关从业人员的好工具。本课题所研究的图像背景去除是针对树木的，通过对图像处理的基本理论的研究和实践,提出了一种基于opencv的图像处理算法的方法,此算法可大致分为基于彩色图像的去除树木视觉图像背景的算法研究和基于灰度图像的去除树木视觉图像背景的算法研究，根据实际需要，通过图像预处理与检测算法的组合对某些算法进行了优化。然后在此基础上开发了一款基于opencv的树木视觉图像背景去除及测量的软件。该软件实现了帧差法、背景估计法、混合高斯建模法这三种检测算法，以及kalman、camshift两种跟踪算法。为了详细说明该软件，本文还介绍了其总体结构和各项功能。最后，对软件的运行过程和结果进行了分析，并对检测算法从主观和客观两个方面进行了评价。这对于背景检测与去除的实际应用是很有意义的，通过大量试验,我也相信算法一定能够最终达到预期结果和广阔的应用前景。

可能用到的模型和检测算法：

4. 研究创新点

opencv提供的视觉处理算法非常丰富，并且它部分以c语言编写，加上其开源的特性，处理得当，不需要添加新的外部支持也可以完整的编译链接生成执行程序。不同的树木视觉图像是千差万别的，虽然我们可以把树木的主要特征提取出来，但是其视觉图像背景不可避免会出现一些干扰因素。我们可以采用面积法，利用opencv强大的数据库（例如其中自带的函数cvmat和ipllmage）即可计算出整个轮廓或者部分轮廓的面积，这样树木视觉图像背景就可以得到了有效地去除。

cvmat定义多通道矩阵，其结构如下：

typedef struct cvmat