摘要数位影像处理的发展，自1970年代以来突飞猛进，不论是太空、国防.doc

摘要 數位影像處理的發展，自1970年代以來突飛猛進，不論是太空、國防、科學、工業、電視、娛樂或是生活家電，各種領域皆廣泛利用到影像處理的技術。由於輸出結果是影像的形式，常人可以輕易判斷影像的品質與好壞，因此影像處理的應用可以十分貼近日常生活。而硬體能力的突破，使得各種影像處理的設備逐漸縮小，運算速度不斷上升，更加速了此一領域的實用性及重要性。 前些年Sony公司的QRIO以靈活的動作吸引各界的注意力，掀起機器人研究的熱潮。機器人是科技高度應用的結果，需要將許多不同領域的成果融合在一起。由於形體不受拘束，服從性高，能代替人類處理許多繁雜、危險的事情，帶給人類生活相當大的便利。因為機器人相關研究所涉獵的領域十分廣泛，諸如人工智慧、機械控制等，皆必須完美地配合方能有機器人的誕生。因此在結合各項技術之前，必須先分門別類去探討各種不同層面的技術，影像處理便是其中一環。 在機器人做出反應之前，必須先能夠了解周遭環境，接收外來的資訊再給予適當的回應。感應外在環境的方法，有人使用雷達，此外還有一項重要的工具，便是電腦視覺。利用影像擷取設備對外界拍攝，獲得環境的圖片之後，再經過計算、分析，使電腦獲得需要的資訊，猶如人類的大腦藉由雙眼獲得感知的能力。因此電腦視覺的應用十分廣泛，希望能夠輔助，甚至是取代現今仍用人眼觀測的工作。機器不會因為長時間的使用而產生疲憊，善用機器視覺可以有效提升工作效率以及安全性。 一、前言 機器人只是電腦視覺眾多應用之其一，凡是必須利用人類視覺的工作，都能夠成為電腦視覺的實際應用。本題目便是從自走車的角度出發，希望能夠利用影像擷取設備去模擬雙眼視覺，從輸入的影像之中加以分析，取得前方的路況，使得車輛就像有人駕駛般避開前方的障礙物。 電腦視覺如果要模擬雙眼視覺，必須有兩個輸入影像的設備，而且輸入的影像必須在控制的條件之下有一定程度的差異。根據此差異，加上給予控制的變因判斷出此一物體距離本車的距離。一個障礙物，在不同的眼睛所呈現影像，位置皆不完全相同。猶如左右眼看前方同一樣物體時，會產生水平方向的位移，這就是視差，大腦便根據這個視差產生遠近的感覺。而我們的題目便是希望能夠驗證視差法的準確度，在二維影像中找出遠近的立體關係。 要使用視差法，首先必須在圖片上決定出各個不同的「物體」。因為圖片上面帶有的資訊對電腦而言只是一些顏色的集合，先對圖片作切割，找出各個獨立的物件。其次便是在兩張圖片擷取出來的眾多物件之中，找到相互對應的關係，確定是同一物件之後才能夠使用視差法。因此要檢驗視差法的正確性，必須建立在前兩個條件皆滿足的情況下，也就是說，必須要能夠正確地分割圖片，也要能夠作正確的比對。 為了降低圖片的複雜度，一開始我們先對圖片作前置處理。接著利用視訊壓縮的一項技巧--動態偵測，來對兩張圖片作切割以及比對。 二、影像前處理 一張全彩的圖片就是藉由攝影機所拍攝，未經修改的圖片，相當於我們人眼所看見的景物。因此所挾帶的資訊量十分豐富，足以讓人類判斷出圖片中的環境為何。但鏡頭並非人眼，電腦也並非人腦。未經處理的圖片往往也會帶有一些雜訊，使得誤判的機率升高。過多而無用的資訊也會降低整體的效率，因此我們的影像在擷取之後，分析之前都會經過若干前置處理。 全彩圖片 這是一張未經修改的全彩圖片 色彩轉換 首先對全彩影像求出高灰階影像(Gray Image)，利用色彩模式的轉換，將RGB彩色模式轉換成YIQ彩色模式，而代表亮度的Y值就是我們所想要的灰階。 RGB與YIQ兩種彩色模式存有以下的轉換關係。 根據上面的關係，將全彩圖片作轉換之後變可得到如下的灰階圖片。 模糊平滑 圖片即使化成灰階，雜訊依然存在。用高斯濾波器將圖片作平滑濾波，模糊化之後可以有效地減少雜訊及細紋的干擾。 一個二維的高斯分配函數如下 當之時，如果將高斯分配函數圖形離散化，可以得到以下的矩陣 影像測邊 邊緣是圖片中非常重要的一項資訊。我們利用Sobel的運算子在經過灰階、平滑化的圖片上偵測邊緣。 此法的精神在於，如果圖片上的某一部份有「邊緣」，則該處的顏色變化值應該如下圖所示，也就是說在邊緣的部份，顏色變化應該會十分強烈。 當圖片上有邊緣的時候，觀察圖片的灰階值可以發現灰階值會有明顯的變化 對此圖片微分之後，便可得到如下圖形 從圖形就可以看出，圖片上有邊緣的部份就會被強化而產生一個波峰。如果再加上一個門檻值將圖片二值化之後，就可以得到明顯的邊線。實作時，Sobel測邊算子也可以用Mask的方式表達出來，而且會有兩種不同方向的