手势识别技术毕业设计

手势识别技术毕业设计内容摘要：

位图”由此而来，位图适用于色彩、阴影 或形状变化负责的图像，如照片、绘画或数字化视频等。 矢量方式这种方式用一系列线段或其他造型描述一副图像，它适合与线型图等简鱼的国戒成图像。 数字图像的灰度图 灰度又称为“ Graysacle，它代表像素的亮度值。 在一副黑白照片中，不是简单的沈阳理工大学学士学位论文 7 非黑即白，而是逐步过渡的，他们可区分为不同的亮度等级即灰度级。 灰度划分越细，越能准确的再现图像。 目前普遍采用的是 256灰度级，即每个像素的灰度用一个字节 (a位 )表示，其中 0表示全黑， 256表示全白。 TIFF 与 BMP 图像格式 TIFF图像文 件主要由三种数据组合而成 ： 表头、标识信息区和图像数据区。 表头信息指出了标识信息区在文件中的地址，而标识信息区由一组标志信息组成，它们表示出了 TIFF图像所有的属性并且指明了图像数据区的地址 ， 图像数据区将图像的像素数据以自上而下，自左到右的顺序依次存放。 它们的关系如图 ： 图 关系图 若标识信息区末端的标志参数不为 0，那么该参数就表示下一个标识信息区的地址，在 TIFF图像中，每一个标识信息区和一个图像数据区就表示一幅图像，因此若文件中含有多个标识信息区就表明该文件中存储了多幅图像。 BMP图像文件也分为三部分 :表头、调色板和图像数据。 表头长度固定为 54个字节，里面包含了图像所有属性的数据包括宽度、高度、颜色信息等。 调色板数据中每一种颜色以四个字节来表示，它们分别是 Blue分量、 Green分量、 Red分量和一个保留值。 在 BMP图像文件中，图像的数据以自下而上，自左到右的顺序存放，并且必须保证每行的数据必须是 4个字节的整数倍。 BMP图像文件中各部分内容非常紧凑，所以省去了标志相应地址的信息。 TIFF图像和 BMP图像在调色板数据方面存在着差异，这在实现两种格式图像的转换时非常重要。 在 BMP图像中除了全彩色 RGB图像以外，所有不超过 256色的图像必须带有调色板信息，即使是单色图像也不例外。 而在 T环 F图像中有三种情况可以不带有调色板信息，一是 24位真彩色图像，二是单色图像，三是 256色灰度图像。 表 异。 TIFF 表头数据 标识信息区 图像数据区 沈阳理工大学学士学位论文 8 表 TIFF格式与 BMP格式的图像调色板比较 TIFF格式图像 BMP格式图像 单色图像（ 2色） 无 有 16色图像 有 有 256色彩色图像 有 有 256色灰度图像 无 有 24位全彩色图像 无 无 为了实现两种格式图像之 间的顺利转换，特别是从 TIFF图像到 BMP图像，需要填充相应的调色板信息。 通过观察我们可以发现要填充的调色板信息存在某种规律，对于单色图像，它所对应的调色板信息包含两种颜色，这两种颜色的 RGB表示分别为白 （ 255，255， 255）和黑（ 0， 0， 0）它 将黑与白之间的灰度颜色分成了 256个等级 假定白 （ 255，255， 255） 对应的等级为 255,黑 （ 0， 0， 0） 对应的等级为 0，那么对于 0到 255之间的任一个灰度等级 k，可以用相应的 RGB颜色 （ k， k， k） 来表示。 这样我们就能顺利地将 TIFF图像文件转换成 BMP文件 ，而反过来操作则比较简单，只需要在处理单色图像以及 256色灰度图像时去除相应的调色板信息即可。 由于两种图像格式的差异，提取数据以及存储图像数据的操作是不同的，但在提取出了图像的数据以后，所进行的任何图像处理操作就与图像原有的格式不再相关，因此我们在处理图像时设计了三个图像类 ： CTifTmage、 CbmpImage， Clmage， 其中 CTifImage专门用于 TIFF格式图像的处理 ， CBmpImage专门用于 BMF格式图像的处理，这两个类都继承于类 Cimage， 在 CImage中包括了图像数据提取与存储的接口 、图像处理的一些通用操作如剪切、缩放、旋转、二值化等等。 这样所有特定格式图像数据提取与存储的细节将封装在相应的派生类中，对于使用图像类 （ Cimage） 的用户来说，只需要知道基类的接口就可以了。 通过这种设计，我们还可以在不影响已有的数据结构的情况下实现其它格式图像的处理，因此具有很好的扩展性。 经过以上多种格式图像的处理，我们将获得图像数据的矩阵表示，假定图像的宽度为 W，图像的高度为 H， 那么得到的矩阵可以用以下的二维数组来表示 ： PixelArray[x,y] 其中 0xWˆ0yH 由 于在现实中得到的手势图像的色彩不一，有全彩色的，也有黑白的 （ 即 256色灰度图像，如身份证照片 ） 0~256色灰度图像能够很好的保留手势图像的特征，为了便于我们进行图像处理与分析，所以我们将输入的手势图像统一转换为 256色灰度图像。 这样，沈阳理工大学学士学位论文 9 获取的像素矩阵中任一像素的取值范围为 （ 0~255） 在以下的步骤中，我们处理的对象就是这个二维的像素数组。 通用的图像操作 手势识别中的常用图像操作包括图像的剪切、图像的缩放、图像的旋转以及图像的亮度调整。 我们以 PixelArray[x,y]来表示原有图像的二维像素矩 阵，原有图像的高度用 H来表示，原有图像的宽度用 W来表示，用 PixelArrayNew[x,y]来表示结果图像的二维像素矩阵，结果图像的高度为 HNew,宽度为 Wnew。 图像的剪切 图像的剪切操作的函数原型为 void Cimage： ClipImage ( CReet amp。 reet )，需要输入的参数为要剪切的图像的具体的位置，即要剪切图像左上角的位置和右下角的位置。 假定要剪切图像左上角位置为 （ left,top） ，右下角的位置为 （ right,bottom） 那么我们只需要调整图像的宽度为 （ rightleft） ，调整图像的高度为 （ bottomtop） ，从图像的二维数组中提取左上角到右下角之间的数据。 剪切后图像的数据可以表示为 : PixelArray[x, y] 其中 leftxrightˆtop y bottom 图像的缩放 图像的缩放操作的函数原型为 void Cimage CollapseOrExpandImage （ double dbRatioX, double dbRatioY） e输入的参数为图像水平方向需要缩放的尺度以及图像垂直方向需要缩放的尺度。 假定水平方 向缩放的比例为 a，垂直方向缩放的比例为 b，那么，缩放后图像的高度为 bH缩放后图像的宽度为 aW，对于原有图像的任一点 PixelArray（ x,y） ，在缩放后对应的像素为 : PixeIArray[i, j] axia(x+1)ˆby jb( y+1) 令 CountArray [i, j ]为结果图像中点 (i, j)对应原有图像像素的计数，那么每次有点映射到点 (i,j)的像素时，将结果图像中点 (i,j)的像素值加上该原有图像点 (x,y)的像素值， 并将 CountArray[i,j]加 1。 PixelArrayNew[i, j]=PixelArrayNew[i, j]+PixelArray[x, y] 沈阳理工大学学士学位论文 10 CountArray[i, j]=CountArray[i, j]=1 由于经缩放后，结果图像中的某一点的像素可能对应原有图像中的多个像素，所以对于这种情况需要对该点的像素求取平均值 : PixelArrayNew[i, j]=PixelArrayNew[i, j]/ CountArray[i, j] 图像 的亮度调整 图像的亮度调整的函数原型为 void Cimage： AdjustLight （ int nLight）。 输入的参数为要调整的亮度的大小， nLight为正数表示增强亮度，为负数表示降低亮度。 在手势识别中我们采用的均为 256色灰度图像，因此图像中任一点的像素值的饱合度为 0，也就是说任一点的 R. G, B三值的大小相等。 在这种情况下，调整图像的亮度可以通过以下方式进行 :假定要调整的亮度为 nLight，图像中任意一种颜色的 R. G. B三值分别用 nR， nG， nB表示， 则该颜色调整后的 R, G, B三值分别为 : nR+nLight nG+nLight nB+nLight 沈阳理工大学学士学位论文 11 4 手势图像的预处理 当把观察到的手势图像转换成可用计算机处理的数字图像时，图像在生成、传输或变换过程中会受到各种因素的干扰和影响，图像的画质将会因噪声而在不同程度上出现歧变，本文对输入图像进行了平滑、锐化、二值化等预处理。 预处理的目的是去除图像中的噪声，加强图像中的有用信息，并对输入方式或其他愿意造成的退化现象进行复原，图像预处理过程是对图像的一个过滤过程，要排除干扰保留需要处理的部分，并过滤掉不需要的部分。 由于成像设备在读入手势图像时会扩大取景范围，其中含很多无效的像素点，这会影响以后的处理 ，增加计算量，因此首先完成的是尽可能准确从读入图像中取出包含被测物体的图像部分，这个过程的主要难度在于判断图像是否属于需要保留的部分，且必需保证其准确性，否则将会对下一步图像分析和判断造成严重的影响。 图像平滑 图像在生产和传输过程中常受到各种噪声的干扰和影响，使图像质量下降，为了抑制噪声改善图像质量，必须对图像进行平滑处理，这可在空域或频域中进行，在平滑噪声时应尽量不损害图像中边沿和各种细节。 对于滤除图像中的噪声，人们已经提出了很多的方法。 通常，将数字图像的平滑技术划分为两类 ： 一类是全局处 理，即对噪声图像的整体或大的块进行校正以得到平滑的图像，例如在变换域中使用 Wiener 滤波、最小二乘滤波等，使用这些技术需要知道信号和噪声的统计模型，但对于大多数图像而言，人们不知道或不可能用简单的随机过程精确的描述统计模型，而且，这些技术计算量也相当大 ： 另一类平滑技术是对噪声图像使用局部算子，当对某一像素进行平滑处理时，仅对它的局部小邻域的一些像素加以运算，其优点是计算效率高，而且可以多个像素并行处理，因此可实现实时或准实时处理。 局部平均法 局部平均法是一种直接在空域上进行平滑处理的 技术。 认为图像是由许多灰度恒定的小块组成，相邻像素间存在很高的空间相关性，而噪声则是统计独立的。 因此，可用像素邻域内的像素的平均灰度值代替该像素原来的灰度值，实现图像的平滑。 最典型的沈阳理工大学学士学位论文 12 局部平均法就是非加权邻域平均，它均等地对待邻域中的每个像素。 该算法简单，计算速度快，但主要缺点是在降低噪声的同时使图像模糊，特别在边沿和细节处。 邻域越大，模糊程度越厉害。 对上述算法的改进算法有超限像素平滑法、灰度最相近的 K 个邻点平均法、剃度倒数加权平滑、自适应滤波等。 中值滤波法 中值滤波也是一种局部平均平滑技术 ，它对脉冲干扰和椒盐的抑制效果好，在抑制随机噪声的同时能使边沿减少模糊。 中值滤波法是一种非线形的图像平滑方法，它对一个滑动窗口的诸像素灰度排序，用其中值代替窗口中心像素原来的灰度值 （ 若窗口中有偶数个像幸，则取两个中间值的平均 ）。 中值滤波的效果与局部平均的效果相比较，中值滤波有以下优点 :一、降低噪声的效果比较明显。 二、在灰度值变化较小的情况下可以得到很好的平滑处理。 三、降低了图像边界部分的模糊程度。 频域平滑技术 图像的平滑除了可以在 空域中进行外，也可以在频域中进行。 频域中的平 滑是一维信一号低 通滤波器概念在二维图像中的直接推广。 图像经过二维傅立叶变换后，噪声频谱一般位于空间频率较高的区域，而图像本身的频率分量则处于空间频率较低的区域内，因此可以通过低通滤波器的方法，使高频分量受到抑制，从而实现图像的平滑。 滤波器的数学表达式为 : G (u, v) =H (u, v) F (u,v) 图像二值化 根据图像处理的目标要求，需要把多灰度级的图像变成只有两个灰度级的图像，即对图像进行二值化。 设图像 f(x,y)的灰度值范围在 [a,b]，二值化阐值设为 T(a=T=b)，则二值化处理的一般式为 : g(x,y) = 1 当 f(x,y)=T 时 0 当 f(x,y)T 时 g(x,y)是二值图像，通常我们用 1 来表示对象物 (黑色区域 )，用 0 来表示背景区域 （ 白色区域 ）。 对闭值 T 的选择有多种方法，它决定着二值图像的质量。 按照闭值 T 的选择沈阳理工大学学士学位论文 13 方法，图像二值化可分为以下几种。 p参数法 当预先知道对象物在图像中所占的面积比率时，将灰度直方图中面积比率为 P%的点作为闭值，这种方法称为 P 一参数法 （ ptile method）。 但在实际中，己知对象所占的面积比率的状况非常少见，通常都是按照 一定的规律推算出来例如在书画作品中，文字部分所占的面积比率一般情况下是可以估计出来这时用这种方法来处理时比较有效的。 模式法 当灰度直方图具有双峰性的时候，对象物和背景的灰度一般分别在两个山峰的附近，因此，可去山谷的中心点为闭值，这种方法称为模式法 （ modemethod）。 但是。