浅述物联网智能家居系统中图像预处理及特征提取.docVIP

浅述物联网智能家居系统中图像预处理及特征提取 　　摘要 物联网（Internet of Things）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）47-0233-02 　　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出来，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（Image Recognition）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，并对其中的某些参数进行测量、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Windows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l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重要的一步，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