2009.10_OpenCV – systemy wizyjne_[Programowanie].pdf - Programowanie - SOLARIX33

Programowanie

OpenCV – systemy wizyjne

– systemy wizyjne

Rafał Kułaga

Systemy monitoringu, urządzenia automatycznie liczące klientów w centrach handlowych, aparaty cyfrowe

z wyzwalaczem aktywowanym uśmiechem, inteligentne pociski rakietowe – wszystkie z tych urządzeń

korzystają z dobrodziejstw cyfrowego przetwarzania obrazów i rozpoznawania wzorców. Jeszcze do

niedawna, wykorzystanie podstawowych algorytmów z tej dziedziny wymagało od programisty dobrej

znajomości podstaw matematycznych oraz zagadnień związanych z cyfrowym przetwarzaniem sygnałów

(ang. DSP – Digital Signal Processing ). Sytuacja ta uległa jednak zmianie wraz z opracowaniem biblioteki

OpenCV, implementującej wszystkie najważniejsze algorytmy. Zapraszam do lektury!

raz to większej liczby dziedzin życia jest nie-

unikniony. Wynika to nie tylko z wysokich kosz-

tów ludzkiej pracy, lecz również z ułomności na-

szych zmysłów – głównie wzroku i słuchu. Nie jesteśmy w

stanie zauważyć migotania diody jeżeli odbywa się ono ze

zbyt dużą częstotliwością, nasz zmysł wzroku reaguje na

bardzo ograniczoną szerokość pasma fal elektromagnetycz-

nych. Podobnie jest ze słuchem – nie słyszymy dźwięków o

bardzo wysokiej częstotliwości (powyżej 20 kHz – ultradź-

więków), ani drgań o niskiej częstotliwości (poniżej 20 Hz

– infradźwięków), mimo iż oddziaływują one bardzo nieko-

rzystnie na nasze zdrowie i samopoczucie.

Znacznie większe możliwości w tym zakresie daje nam

sprzęt elektroniczny. Rozmaite urządzenia pozwalają na reje-

strację zjawisk, które zachodzą bardzo szybko lub bardzo po-

woli, albo w ogóle nie są odbierane przez ludzkie zmysły. Nie

ulegają one zmęczeniu, mogą pracować w bardzo ciężkich

warunkach (pod warunkiem, że zostaną do nich odpowiednio

przystosowane) oraz, na dłuższą metę, są znacznie tańsze.

Niestety, okazuje się, że realizacja zadań charaktery-

stycznych dla ludzkiego mózgu za pomocą sprzętu elek-

tronicznego jest niezwykle trudna w realizacji. Wynika to

głównie z faktu, iż przetwarzanie w komórkach nerwowych

i mózgu odbywa się w sposób ogromnie zrównoleglony

– nie mamy nawet świadomości, jak potężnym i złożonym

narzędziem obliczeniowym jest nasz umysł.

W tym artykule zajmiemy się przechwytywaniem, prze-

twarzaniem oraz analizą obrazów. Z pewnością zauważysz,

że zastosowanie omawianych technik powoduje wiele po-

ważnych problemów natury technicznej. Sytuacja ulega jed-

nak systematycznej poprawie, wraz z postępami badań w

dziedzinach takich jak sztuczna inteligencja (sieci neurono-

we), cyfrowe przetwarzanie sygnałów (DSP) oraz przetwa-

rzanie równoległe. Techniki, których zastosowanie uprasz-

cza biblioteka OpenCV, znalazły swoje zastosowanie w inte-

ligentnych systemach uzbrojenia, przemyśle, robotyce, han-

dlu oraz systemach monitoringu.

Systemy wizyjne

Zanim przejdziemy do dalszej części artykułu, w której zaj-

miemy się praktyczną realizacją funkcji związanych z syste-

mami wizyjnymi przy użyciu biblioteki OpenCV, warto za-

dać sobie pytanie, czym tak naprawde są systemy wizyjne?

październik 2009

OpenCV

Ż yjemy w czasach, gdy postęp automatyzacji co-

Programowanie

OpenCV – systemy wizyjne

Budowa systemu wizyjnego

Systemem wizyjnym nazywamy zespół urzą-

dzeń, wykorzystywanych w celu badania oto-

czenia w sposób podobny do tego, w jaki reali-

zowane jest to przez nasz mózg, tzn. przy pomo-

cy odbieranego światła. Typowy system wizyj-

ny składa się z następujących elementów:

tych oferowanych jako gotowe rozwiąza-

nia), element ten jest zbudowany w opar-

ciu o systemy wbudowane – dzięki po-

stępowi technologii wielordzeniowej we

współczesnych układach scalonych SoC

(ang. System-on-Chip ), możliwa stała się

realizacja nawet bardzo skomplikowanych

algorytmów.

że być również inny, przetworzony obraz wraz

ze zbiorem dodatkowych danych (np. położe-

niem interesujących nas cech). Przykładem ta-

kiego zastosowania biblioteki OpenCV jest roz-

wiązanie zastosowane przez irmę Google w ce-

lu odpowiedniego dopasowania danych pocho-

dzących z systemu Google Maps do obrazów

satelitarnych, wykorzystywanych w programie

Google Earth.

Następnym przykładem są aplikacje gra-

iczne, w których algorytmy analizy i przetwa-

rzania obrazu wykorzystywane są do korekcji

zdjęć oraz nowoczesne interfejsy, pozwalające

na obsługę aplikacji przy użyciu gestów.

Coraz większe znaczenie zyskują również

pojazdy bezzałogowe, sterowane przy wykorzy-

staniu danych pochodzących z kamery. Bez ich

wykorzystania, niemożliwa byłaby eksploaracja

kosmosu, w tym większość misji mających na

celu badanie planety Mars. Możesz zastanawiać

się, dlaczego w takich przypadkach nie używa się

zdalnego sterowania, które jest przecież znacznie

bardziej niezawodne. Decyzja taka jest spowodo-

wana bardzo dużą odległością, którą fala elektro-

magnetyczna przebywa w czasie tak długim, iż

uniemożliwia to skuteczne sterowanie.

Bardzo ważną dziedziną, w której syste-

my wizyjne odnalazły swoje zastosowanie, jest

przemysł zbrojeniowy. Zaawansowane techniki

analizy, przetwarzania obrazu i rozpoznawania

cech, pozwalają na automatyczne naprowadza-

nie pocisków rakietowych tak, aby traiały do-

kładnie w cel. Odbywa się to poprzez budowę

modelu celu, a następnie jego odnajdywanie (za

pomocą odpowiednich algorytmów) w obrazie

pochodzącym z kamer.

• Urządzenia rejestrującego obraz – w każ-

dym systemie wizyjnym musi znajdować

się urządzenie odpowiedzialne za rejestro-

wanie obrazu i przesyłanie go do urządzenia

przetwarzającego. W większości systemów

wizyjnych jest to kamera cyfrowa podłączo-

na za pomocą odpowiedniego interfejsu lub

karta frame grabber, służaca do przechwyty-

wania obrazu z urządzenia analogowego;

• Urządzenia przetwarzającego z odpowied-

nim oprogramowaniem – często jest to

standardowy komputer PC z zainstalowa-

nym odpowiednim oprogramowaniem. W

części systemów wizyjnych (szczególnie

W większości przypadków, systemowi wizyj-

nemu towarzyszą dodatkowe urządzenia, takie

jak aktuatory, służące do zmiany stanu otocze-

nia. Niekiedy konieczne jest również zastoso-

wanie dodatkowych czujników (np. ultradźwię-

kowych czujników odległości) w celu zwięk-

szenia możliwości systemu wizyjnego lub za-

bezpieczeniem przed błędami, które mogłyby

być katastrofalne w skutkach.

Zastosowanie systemów

wizyjnych i przetwarzania obrazów

Systemy wizyjne oraz algorytmy przetwarzania

i analizy obrazów znajdują obecnie bardzo wiele

zastosowań. Warto jednak zastanowić się, jakie

możliwości daje ich zastosowanie, tzn. co mo-

żemy zrobić dalej z wynikami działania algoryt-

mów w nich wykorzystywanych?

Bardzo często, szczególnie w zastosowa-

niach przemysłowych, działanie systemu wizyj-

nego prowadzi do podjęcia konkretnej decyzji,

np. sprawdzany produkt jest wadliwy . Od osoby

projektującej system zależy, czym będzie skut-

kowała taka decyzja. W większości wdrożeń

przemysłowych, systemy wizyjne są dodatkowo

wspierane danymi pochodzącymi z czujników.

Efektem działania algorytmów wizyjnych mo-

Listing 1. Pierwszy program korzystający z bi-

blioteki OpenCV

#include <stdio.h>

#include <cv.h>

#include <highgui.h>

int main ( int argc , char * argv [])

{

IplImage * img ;

if ( argc != 2 )

{

printf ( "Uzycie: hw <nazwa

pliku>\n" );

return 1 ;

}

//wczytanie pliku

img = cvLoadImage ( argv [ 1 ]);

//prosta transformacja -

wygładzanie

cvSmooth ( img , img , CV_GAUSSIAN ,

3 , 3 );

//otwarcie okna

cvNamedWindow ( "OpenCV Hello

World!" , CV_WINDOW_AUTOSIZE );

//wyświetlenie obrazu

cvShowImage ( "OpenCV Hello

World!" , img );

//oczekiwanie na naciśnięcie

klawisza

cvWaitKey ();

//zakończenie

cvReleaseImage ( & img );

cvDestroyWindow ( "OpenCV Hello

World!" );

return 0 ;

}

Rysunek 1. Pierwsza aplikacja w bibliotece OpenCV

www.lpmagazine.org

Programowanie

OpenCV – systemy wizyjne

Problemy i ograniczenia

Niestety, szerokie zastosowanie systemów wi-

zyjnych nadal napotyka wiele problemów. Wy-

nikają one głównie z modelu przetwarzania da-

nych, wykorzystywanych we współczesnych

procesorach i mikrokontrolerach.

Jeżeli zastanowisz się chwilę nad większo-

ścią znanych Ci algorytmów, to z pewnością za-

uważysz, iż opierają się one na ściśle określo-

nym wykorzystaniu danych wejściowych w ce-

lu otrzymania ostatecznego wyniku. Wszyscy

znamy algorytmy takie jak sito Eratostenesa,

poszukiwanie największego wspólnego dziel-

nika dwóch liczb, czy chociażby sortowanie bą-

belkowe. Nie ulega wątpliwości, iż są one ści-

słe. Co więcej – jednym z podstawowych kryte-

riów poprawności każdego algorytmu jest wła-

śnie jego ścisłość i możliwość wielokrotnego za-

stosowania dla dowolnych danych wejściowych

(spełniających konkretne założenia).

W analizie obrazów trudno jest jednak

wskazać proste sposoby określania chociażby

podstawowych cech ogólnych obrazu. Można

to łatwo wytłumaczyć – czy znasz prosty sposób

ścisłego określenia wyglądu pingwina? Z pew-

nością nie. Szczególnie dużym problemem jest

fakt, iż nie chodzi to o opis typu: dwie nogi, krót-

kie skrzydła, kolor czarno-biały , lecz o określe-

nie matematycznych zależności pomiędzy po-

szczególnymi pikselami! Zwróć również uwa-

gę, że pingwin może przyjmować wiele póz,

może być częściowo zasłonięty, lub poprostu

może to być dwuwymiarowa fotograia. Widać,

że istnieje wiele problemów, z których część

wynika z samego faktu przedstawienia trójwy-

miarowego świata w postaci dwuwymiarowej

– wiadomo bowiem, że obiekt z przestrzeni trój-

wymiarowej może mieć, przynajmniej teore-

tycznie, nieskończenie wiele prawidłowych re-

prezentacji w przestrzeni dwuwymiarowej.

W celu rozwiązania tych problemów wy-

korzystuje się, oprócz standardowych algoryt-

mów, sieci neuronowe oraz inne, bardziej skom-

plikowane klasyikatory. Algorytmy z dziedziny

przetwarzania sygnałów cechują się dużym wy-

korzystaniem mocy obliczeniowej oraz pamięci,

co ogranicza ich wykorzystanie w aplikacjach

czasu rzeczywistego. Sieci neuronowe, pomimo

iż nie odzwierciedlają w sposób dokładny bu-

dowy ludzkiego mózgu, w wielu przypadkach

okazują się dobrym rozwiązaniem. Ich zastoso-

wanie wymaga czasochłonnego procesu ucze-

nia, jednak samo użycie w celu przetwarzania

danych jest już bardzo szybkie.

Biblioteka OpenCV

Własnoręczna implementacja algorytmów z

dziedziny przetwarzania i analizy obrazów mo-

że być bardzo trudna, szczególnie dla mniej do-

świadczonych programistów. W celu umożli-

wienia szerokiemu gronu użytkowników dostę-

pu do omawianych technik, została opracowa-

na biblioteka OpenCV, której zastosowanie jest

głównym tematem tego artykułu.

Historia biblioteki OpenCV

Historia biblioteki OpenCV sięga roku 1999,

kiedy to w irmie Intel podjęto decyzję o roz-

poczęciu rozwju biblioteki, której celem było-

by usystematyzowanie znanych algorytmów z

dziedziny przetwarzania i analizy obrazów. Pro-

jekt ten był częścią większego działania, mają-

cego na celu popularyzację wykorzystania al-

gorytmów i technik wymagających dużej mo-

cy obliczeniowej.

Po upływie pewnego czasu, Intel zdecydo-

wał się udostępnić projekt OpenCV społeczno-

ści. W roku 2006 ukazała się wersja 1.0 biblio-

teki. Obecnie bliblioteka OpenCV dostępna jest

na licencji BSD, która pozwala na jej dowol-

ne wykorzystanie, również w celach komer-

cyjnych, bez konieczności upubliczaniania ko-

du źródłowego.

Listing 2. Aplikacja odtwarzająca pliki wideo

#include <stdio.h>

#include <highgui.h>

int main ( int argc , char * argv [])

{

IplImage * currentFrame ;

CvCapture * video ;

char key ;

if ( argc != 2 )

{

printf ( "Uzycie: vid <nazwa pliku>\n" );

return 1 ;

}

cvNamedWindow ( "Wideo" , CV_WINDOW_AUTOSIZE );

//otwieramy plik wideo

video = cvCreateFileCapture ( argv [ 1 ]);

while ( 1 ) //główna pętla

{

//odczytujemy następną klatkę

currentFrame = cvQueryFrame ( video );

//czy to koniec pliku?

if ( ! currentFrame ) break ;

//wyświetlamy klatkę

cvShowImage ( "Wideo" , currentFrame );

//odpowiednia ilość FPS

key = cvWaitKey ( 35 );

if ( key == 27 ) break ;

}

cvReleaseImage ( & currentFrame );

cvReleaseCapture ( & video );

cvDestroyWindow ( "Wideo" );

return 0 ;

}

Możliwości i algorytmy

Biblioteka OpenCV zawiera wiele algoryt-

mów, pozwalających na przetwarzanie obrazu

oraz wydobywanie cech. Składa się z następu-

jących modułów:

• CXCORE – podstawowa część biblioteki,

odpowiedzialna za deinicje podstawowych

struktur i algorytmów, funkcje związane z

rysowaniem igur oraz obsługę XML;

• CV – główna część biblioteki, zawierająca

algorytmy z dziedziny przetwarzania obra-

zów oraz algorytmy wizyjne;

• MLL – część biblioteki odpowiedzialna za

funkcje klasy machine learning , między in-

nymi klasyikatory statystyczne;

• HighGUI – część biblioteki odpowiedzial-

na za obsługę interfejsu użytkownika, ope-

racje wejścia i wyjścia oraz obsługę plików

wideo i urządzeń wejściowych, takich jak

kamery.

październik 2009

Programowanie

OpenCV – systemy wizyjne

Łącznie, biblioteka OpenCV zawiera ponad 500

algorytmów z dziedziny systemów wizyjnych

oraz pokrewnych. Co więcej, dzięki zastoso-

waniu technik machine learning oraz prostych

sieci neuronowych, OpenCV stanowi świetną

podstawę zarówno dla profesjonalnych syste-

mów wizyjnych, badań naukowych, jak i ama-

torskich projektów.

bardzo często wykorzystywane są urządzenia nie-

zgodne z architekturą x86. Biblioteka OpenCV,

pomimo iż oicjalnie nie obsługuje takich urzą-

dzeń, może zostać wykorzystana na wielu innych

architekturach, w tym tzw. inteligentnych kame-

rach, zawierających zintegrowane mikroproceso-

ry, umożliwiające realizację prostych zadań zwią-

zanych z wizją komputerową.

Więcej informacji na temat możliwości

uruchomienia programów wykorzystujących bi-

bliotekę OpenCV na alternatywnych architektu-

rach, znajdziesz w internecie na stronach wy-

mienionych w ramce W Sieci.

jesz uprawnieniami użytkownika root, możesz

dokonać instalacji przy pomocy polecenia ma-

ke install . Ostatnim krokiem jest wywołanie

programu ldconig .

Pierwszy program w OpenCV

Zanim przejdziemy do dalszej części artykułu,

warto upewnić się, że biblioteka OpenCV została

zainstalowana poprawnie. W tym celu napiszemy

prosty program, wczytujący obraz z pliku, doda-

jący efekt rozmycia ( Gaussian Blur ), a następnia

wyświetlający obraz w oknie (Rysunek 1).

Kod źródłowy programu znajduje się na Li-

stingu 1. Jak widzisz, wszystkie operacje na ob-

razie sprowadzają się do wywołania odpowied-

nich funkcji. Przy wykorzystaniu OpenCV wy-

świetlenie nowego okna nie wymaga znajomo-

ści żadnych dodatkowych bibliotek.

Nasz pierwszy program sprawdza, czy przy

wywołaniu została podana nazwa pliku do wy-

świetlenienia – jeżeli nie, wyświetla odpowied-

ni komunikat i kończy działanie. W przeciwnym

przypadku, przy pomocy funkcji cvLoadIma-

ge() plik zostaje wczytany do struktury IplI-

mage (powiemy o niej więcej za chwilę), służą-

cej do przechowywania informacji o obrazie.

Następnie, w celu wygładzenia obrazu, wywo-

łujemy funkcje cvSmooth() , podając, że chce-

my aby wygładzanie odbyło się przy użyciu me-

tody Gaussa, na obszarze 3x3 pikseli.

Następnie, przy wykorzystaniu funkcji

cvNamedWindow() , należącej do HighGUI, two-

rzymy nowe okno o rozmiarze automatycznie

dopasowującym się do wyświetlanego obrazu

( CV_WINDOW_AUTOSIZE ). W HighGUI, etykieta

wyświetlana na pasku tytułowym jest jednocze-

śnie nazwą okna, którą wykorzystujemy w doty-

czących jej wywołaniach – z tego względu nie

powinniśmy stosować w niej polskich znaków

diakrytycznych. Po utworzeniu okna, wyświetla-

my w nim obrazu, zapisany w strukturze IplI-

mage, przy użyciu funkcji cvShowImage() .

Program kończy pracę po naciśnięciu do-

wolnego klawisza przez użytkownika, co reali-

zujemy za pomocą funkcji cvWaitKey() , któ-

ra oczekuje na naciśnięcie klawisza, a następnie

zwraca jego kod. Przed zakończeniem działania

programu wywołujemy kolejno funkcje cvRe-

leaseImage() i cvDestroyWindow() , zwalnia-

jąc wykorzystywaną pamięć. Program kompilu-

jemy i linkujemy przy pomocy polecenia:

Obsługiwane architektury

W profesjonalnych systemach wizyjnych, w ce-

lu przetwarzania danych pochodzących z kamery,

Listing 3. Aplikacja wyświetlająca obraz z ka-

mery internetowej

#include <stdio.h>

#include <highgui.h>

int main ()

{

IplImage * currentFrame ;

CvCapture * cam ;

char key ;

cvNamedWindow ( "Kamera" , CV_

WINDOW_AUTOSIZE );

//rozpoczynamy pobieranie

obrazu z kamery

cam = cvCreateCameraCapture ( 0

);

while ( 1 ) //główna pętla

{

//odczytujemy następną

klatkę

currentFrame =

cvQueryFrame ( cam );

//wyświetlamy klatkę

cvShowImage ( "Kamera" ,

currentFrame );

//odpowiednia ilość FPS

key = cvWaitKey ( 35 );

if ( key == 27 ) break ;

}

cvReleaseImage ( & currentFrame );

cvReleaseCapture ( & cam );

cvDestroyWindow ( "Kamera" );

return 0 ;

}

Instalacja

Przejdźmy teraz do instalacji biblioteki

OpenCV. Jest ona dostępna na stronie http:

//sourceforge.net/projects/opencvlibrary/ . Pole-

cam Ci ściągnięcie wersji 1.1pre1 – jest to naj-

nowsza, wspierana wersja biblioteki. Oczywi-

ście, możesz skorzystać z repozytoriów CVS

– bardzo rzadko w dostępnych tam wersjach

znajdują się błędy. My jednak dopiero zaczyna-

my przygodę z biblioteką OpenCV, więc nie są

nam potrzebne wszystkie nowości.

Zanim przejdziemy do właściwej instalacji

biblioteki OpenCV, warto upewnić się, że w na-

szym systemie zostały zainstalowane wszystkie

niezbędne biblioteki, a wśród nich: gtk2+, libpng,

libtiff, libjpeg, libjasper, zlib. Pamiętaj, że musisz

dysponować pakietami w wersji dev – w prze-

ciwnym wypadku nie będzie możliwe ich wy-

korzystanie przez OpenCV. Po zainstalowaniu

wszystkich niezbędnych pakietów (dokładną listę

znajdziesz na OpenCV Wiki), możesz przejść do

pobrania i instalacji biblioteki OpenCV.

Po pobraniu pliku z źródłami, wypakuj je

do nowego katalogu za pomocą polecenia:

tar -xvzf nazwa_archiwum.tar.gz

Następnie, po przejściu do katalogu z wypako-

wanymi danymi, wydaj polecenie: autoreconf

-i --force . Dla zachowania porządku, bibliote-

kę skompilujemy w nowym katalogu – w tym ce-

lu utworzymy nowy katalog za pomocą polecenia

mkdir install i z jego poziomu wydamy po-

lecenie ../conigure --preix=/usr/local/ .

Zwróć uwagę na podsumowanie koniguracji bi-

blioteki HighGUI, a szczególnie konigurację in-

terfejsu okien – niewykrycie biblioteki gtk2+ spo-

woduje, że wywołanie dowolnej funkcji związa-

nej z obsługą okien zakończy się błędem. Warto

również sprawdzić, czy zostały wykryte zainsta-

lowane przez nas biblioteki graiczne.

Jeżeli nie zauważysz żadnych nieprawidło-

wości w wyniku działania skryptu conigure ,

możesz rozpocząć kompilacje przy użyciu pole-

cenia make . Po jej zakończeniu, jeżeli dysponu-

Listing 4. Sposób wywołania funkcji cvSave-

Image()

#include <highgui.h>

// Do struktury img został

wczytany odpowiedni obraz

// ptr wskazuje na ciąg znaków

– nazwę pliku docelowego

cvSaveImage ( ptr , image );

g++ hw.cpp -o hw -I /usr/local/

include/opencv -L /usr/local/lib -lm

-lcv -lhighgui -lcvaux

Jeżeli proces kompilacji zakończył się powo-

dzeniem, możesz uruchomić program przy po-

mocy polecenia: ./hw plik.jpeg .

www.lpmagazine.org

Programowanie

OpenCV – systemy wizyjne

Urządzenia wejściowe

Nasz pierwszy program działa bez zarzutów,

zajmijmy się więc bardziej zaawansowanymi

aspektami wykorzystania biblioteki OpenCV.

Najpierw jednak skonigurujemy urządzenia,

za pomocą których będziemy rejestrować ob-

raz: kamery internetowe, karty frame grabber

lub kamery podłączone za pomocą interfejsu

FireWire.

wane przez bibliotekę OpenCV. Brak urządze-

nia na liście nie oznacza jednak, że nie będzie

ono wspierane przez OpenCV.

Jeżeli wybrałeś jedno z popularnych urzą-

dzeń, to po podłączeniu sprzętu do komputera

powienieneś już mieć możliwość rozpoczęcia

wykorzystania urządzenia w bibliotece OpenCV.

Działanie kamery internetowej możesz spraw-

dzić przy użyciu aplikacji camorama, dostępnej

na stronie http://camorama.ixedgear.org/ . Jeżeli

możesz zobaczyć obraz z kamery, to znaczy, że

została ona poprawnie zainstalowana i jej wy-

korzystanie w bibliotece OpenCV nie powinno

sprawiać najmniejszych problemów.

Jeżeli moduł sterownika danej kamery nie

zostaje wczytany automatycznie, oznacza to, że

nie ma go w systemie. Należy w takim razie od-

czytać ID urządzenia przy pomocy polecenia

lsusb , a następnie poszukać odpowiednich ste-

rowników w internecie (zakładając, że nie do-

starcza ich producent).

Dla większości popularnych urządzeń zna-

nych irm dostępnych jest wiele szczegółowych

opisów instalacji. Niekiedy jednak możesz na-

traić na znaczne problemy, szczególnie w przy-

padku kamer z dalekiego wschodu, których pro-

ducenci nie dbają o wsparcie produktu przez

systemy spod znaku pingwina.

Kamery internetowe

Jednym z najczęściej stosowanych w ama-

torskich systemach wizyjnych urządzeń są

zwykłe kamery internetowe. Ich niewąt-

pliwą zaletą jest łatwość instalacji i obsłu-

gi, a także niska cena. Przed zakupem ko-

niecznie zapoznaj się jednak ze stroną http:

//opencv.willowgarage.com/wiki/ , na której

znajduje się lista urządzeń, które są obsługi-

Kamery FireWire

Oprócz standardowych kamer internetowych,

wykorzystujących interfejs USB, dostępne są

bardziej zaawansowane urządzenia, zazwyczaj

korzystające z interfejsu FireWire.

W systemie Linux, obsługa urządzeń opar-

tych na tym interfejsie odbywa się przy po-

mocy API video4linux (v4l). Więcej informa-

cji na jego temat znajdziesz na stronie http:

//linux.bytesex.org/v4l2/ .

Listing 5. Funkcje wykorzystywane przy zapisywaniu plików wideo

CvVideoWriter *

cvCreateVideoWriter ( const char * ilename , // nazwa pliku docelowego

int fourcc , // kod kodeku

double fps , // liczba klatek na sekundę

CvSize frame_size , // rozmiar klatki

int is_color = 1 ); // czy kolorowy?

int cvWriteFrame ( CvVideoWriter * writer , // wskaźnik do

struktury CvVideoWriter

const IplImage * image ); // obraz, który chcemy zapisać

void cvReleaseVideoWriter ( CvVideoWriter ** writer ); // wskaźnik na

wskaźnik do struktury CvVideoWriter

Karty frame grabber

W zastosowaniach profesjonalnych, bardzo czę-

sto spotyka się karty frame grabber, służące do

konwertowania obrazu z postaci analogowej na

cyfrową. W przeciwieństwie do kamer interne-

towych, w których obraz konwertowany jest

przez urządzenie, karty frame grabber pozwala-

ją na uzyskanie znacznie lepszej jakości obrazu.

Wynika to z faktu, iż kamery analogowe dyspo-

nują znacznie lepszej jakości układami optycz-

nymi, zaś sygnał jest konwertowany przy użyciu

wyspecjalizowanych układów scalonych.

Obsługa kart frame grabber również odby-

wa się przy użyciu interfejsu video4linux. Dla

większości amatorskich zastosowań, wystarcza-

jące okaże się zastosowanie standardowej karty

telewizyjnej jako urządzenia przychwytującego

obraz z kamery.

Listing 6. Funkcje służąca do wydobywania krawędzi z obrazu

IplImage * doCanny ( IplImage * in , double lThresh , double hThresh )

{

if ( in -> nChannels != 1 )

return NULL ;

IplImage * out = cvCreateImage ( cvSize ( in -> width , in -> height ), IPL_

DEPTH_8U , 1 );

cvCanny ( in , out , lThresh , hThresh );

Odtwarzanie plików wideo

Zanim przejdziemy do wyświetlania i transfor-

macji obrazu z kamery internetowej, napiszemy

program służący do odtwarzania plików wideo.

Kod programu znajduje się na Listingu 2.

Podobnie jak w pierwszym programie, zaczyna-

my od sprawdzenia liczby parametrów wywo-

łania. Następnie, otwieramy okno przy pomo-

cy funkcji cvNamedWindow() i otwieramy plik

wideo przy pomocy funkcji cvCreateFileCap-

ture() . Dostęp do pliku odbywa się poprzez

strukturę CvCapture , którą omówimy szerzej za

chwilę. Kolejne klatki pliku wideo pobieramy w

pętli przy użyciu funkcji cvQueryFrame() , za-

pisując je w już nam znanej strukturze IplIma-

ge , której zawartość wyświetlamy w oknie przy

użyciu funkcji cvShowImage() . Odpowiedni

odstęp czasowy pomiędzy poszczególnymi klat-

kami zapewniamy przy użyciu funkcji cvWait-

return out ;

}

Rysunek 2. Skutek działania algorytmu Canny dla progów 100 oraz 150

październik 2009

2009.10_OpenCV – systemy wizyjne_[Programowanie].pdf

Plik z chomika:

Inne pliki z tego folderu:

Inne foldery tego chomika: