一种基于opencv的视频流图像预处理方法与流程

1.本发明涉及图像预处理技术领域，具体为一种基于opencv的视频流图像预处理方法。


背景技术：

2.opencv是一个基于bsd许可(开源)发行的跨平台计算机视觉和机器学习软件库，可以运行在linux、windows、android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，opencv用c 语言编写，它具有c ，python，java和matlab接口，并支持windows，linux，android和mac os，opencv主要倾向于实时视觉应用，并在可用时利用mmx和sse指令。
3.针对目前图像的批量预处理方法，功能较为冗余，执行过程缓慢，在视频处理的第一步，均是对图像或视频流进行筛选，传统的针对大量的图像视频处理，如何简单快速的针对大批量的图像或视频流进行快速的图像质量筛选，是图像处理的下一步工作的基础，所以就需要一种针对大批量图像或视频流进行快速初预筛选的图像预处理方法。


技术实现要素：

4.本发明的目的在于提供一种基于opencv的视频流图像预处理方法。
5.本发明是这样实现的：
6.一种基于opencv的视频流图像预处理方法，具体按以下步骤执行：
7.s1:图像获取，首先获取摄像头的视频流信息；
8.s2:判断图像获取是否成功；具体通过videocapture类的isopened接口进行判断，通过该接口返回判断值，正常成功返回true，否则返回false。
9.s3:获取视频流信息和视频获取帧画面；具体是通过videocapture类的read接口进行视频或图像进行信息获取。
10.s4:通过videocapture函数设置摄像画面的分辨率，设置的分辨率具体通过videocapture类的set接口函数，设置640x480型分辨率或者1920x1080型分辨率。
11.对图像的分类判断需要计算psnr，psnr是衡量图像失真或是噪声水平的客观标准，对比的图像之间psnr值越大，则越相似。普遍基准为30db，30db以下的图像劣化较为明显并对图像质量进行筛选，具体对获取到的图像进行衡量图像失真或噪声水平的标准，具体通过式(1)和式(2)所示：
[0012][0013]
[0014]
其中，max为图像颜色的最大数值，mse为均方差，i为原始图像，k为处理后的图像，mn为图像的大小；
[0015]
图像质量的筛选具体通过设定筛选阈值范围，超过阈值范围的图像自动归为待处理类，采用thresh binary二进制阈值或反二进制阈值thresh binary inv，进行图像质量判定。
[0016]
thresh binary：二进制阈值，在运用该阈值类型的时候，先要选定一个特定的阈值量，例如125，新的阈值产生规则可以解释为大于125的像素点的灰度值设定为最大值255，灰度值小于125的像素点的灰度值设定为0。
[0017]
thresh binary inv：反二进制阈值。设定一个初始阈值如125，则大于125的设定为0，而小于该阈值的设定为255。
[0018]
s5:通过videowriter指定视频编码器；具体包括
[0019]
'i','4','2','0'：.avi格式；
[0020]
'p','t','m','i'：mpeg-1格式类型；
[0021]
'x','v','t','d'：mpeg-4格式类型；
[0022]
't','h','e','o'：.ogv格式；
[0023]
'f','l','v','1'：.flv格式；
[0024]
s6:使用videowriter类的write函数进行视频帧保存；
[0025]
s7:使用release接口释放资源。
[0026]
进一步，在步骤s1或步骤s3中，图像获取包括摄像头或视频文件，均采用videocapture函数进行视频获取。
[0027]
进一步，在所述步骤s3中，通过videocapture类的get函数获取视频流的宽、高和帧率，针对获取视频文件的视频流信息还包括获取到的视频流的总帧数。
[0028]
与现有技术相比，本发明的有益效果是：
[0029]
1、本方法省去了传统的基于opencv的视频流图像的具有图像分割等操作步骤的处理方法，节约了计算时间，简化了筛选图像质量的步骤，大大提高了图像预处理的速度，并且能将异常画面及时的分类出来，便于进一步通过图像识别算法针对性的识别。
[0030]
2、对图像深度处理提供了清晰的导流分类，在对异常画面的处理过程中，能快速的获得预处理的图像信息，并快速的识别出异常图像画面的后续方法与步骤。
附图说明
[0031]
为了更清楚地说明本发明实施方式的技术方案，下面将对实施方式中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
[0032]
图1是本发明一种基于opencv的视频流图像预处理方法的流程示意图。
具体实施方式
[0033]
为使本发明实施方式的目的、技术方案和优点更加清楚，下面将结合本发明实施方式中的附图，对本发明实施方式中的技术方案进行清楚、完整地描述，显然，所描述的实
施方式是本发明一部分实施方式，而不是全部的实施方式。基于本发明中的实施方式，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施方式，都属于本发明保护的范围。因此，以下对在附图中提供的本发明的实施方式的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施方式。基于本发明中的实施方式，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施方式，都属于本发明保护的范围。
[0034]
请参阅图1，一种基于opencv的视频流图像预处理方法，包括s1:图像获取，首先获取摄像头的视频流信息；
[0035]
s2:判断图像获取是否成功；具体通过videocapture类的isopened接口进行判断，通过该接口返回判断值，正常成功返回true，否则返回false。
[0036]
s3:获取视频流信息和视频获取帧画面；具体是通过videocapture类的read接口进行视频或图像进行信息获取。
[0037]
s4:通过videocapture函数设置摄像画面的分辨率，设置的分辨率具体通过videocapture类的set接口函数，设置640x480型分辨率或者1920x1080型分辨率。
[0038]
对图像的分类判断需要计算psnr，psnr是衡量图像失真或是噪声水平的客观标准，对比的图像之间psnr值越大，则越相似。普遍基准为30db，30db以下的图像劣化较为明显并对图像质量进行筛选，具体对获取到的图像进行衡量图像失真或噪声水平的标准，具体通过式(1)和式(2)所示：
[0039][0040][0041]
其中，max为图像颜色的最大数值，mse为均方差，i为原始图像，k为处理后的图像，mn为图像的大小；
[0042]
图像质量的筛选具体通过设定筛选阈值范围，超过阈值范围的图像自动归为待处理类，采用thresh binary二进制阈值或反二进制阈值thresh binary inv，进行图像质量判定。
[0043]
thresh binary：二进制阈值，在运用该阈值类型的时候，先要选定一个特定的阈值量，例如125，新的阈值产生规则可以解释为大于125的像素点的灰度值设定为最大值255，灰度值小于125的像素点的灰度值设定为0。
[0044]
thresh binary inv：反二进制阈值。设定一个初始阈值如125，则大于125的设定为0，而小于该阈值的设定为255。
[0045]
s5:通过videowriter指定视频编码器；具体包括
[0046]
'i','4','2','0'：.avi格式；
[0047]
'p','t','m','i'：mpeg-1格式类型；
[0048]
'x','v','t','d'：mpeg-4格式类型；
[0049]
't','h','e','o'：.ogv格式；
[0050]
'f','l','v','1'：.flv格式；
[0051]
s6:使用videowriter类的write函数进行视频帧保存；
[0052]
s7:使用release接口释放资源。
[0053]
本实施例中，在步骤s1或步骤s3中，图像获取包括摄像头或视频文件，均采用videocapture函数进行视频获取。
[0054]
本实施例中，在所述步骤s3中，通过videocapture类的get函数获取视频流的宽、高和帧率，针对获取视频文件的视频流信息还包括获取到的视频流的总帧数。
[0055]
以上所述仅为本发明的优选实施方式而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。