基于机器视觉的路况监控系统毕业设计.docx
《基于机器视觉的路况监控系统毕业设计.docx》由会员分享，可在线阅读，更多相关《基于机器视觉的路况监控系统毕业设计.docx（85页珍藏版）》请在冰点文库上搜索。
基于机器视觉的路况监控系统毕业设计
基于机器视觉的路况监控系统毕业设计
第1章绪论
1.1课题背景
自二十世纪以来，汽车工业的发展改变了人们的出行方式。
大量路网随之兴建，交通不断繁荣。
交通的发展最终推动了社会的进步。
目前，交通已经成为与人们生活息息相关的重要组成部分。
但是随着我国经济的发展和城市化进程的加快，机动车的保有量持续增加，导致道路拥堵愈演愈烈、交通事故频发和车辆延误增大，严重影响了经济的发展[1-3]。
事实证明，通过修建道路能够缓解一部分道路的拥堵现象，但是修建道路不仅需要花费巨额资金，而且必须占用城市大量的宝贵空间，此外由于修建道路所引发的新的购车需求将使修建道路的效果大打折扣。
因此，在大力发展各项基础设施的同时，如何在现有路况下实现对人、路、车的有效监控，实现道路利用效率的最大化，便成了有效解决目前交通拥堵问题的当务之急。
智能交通系统（IntelligentTransportationSystems，ITS）在此背景下应运而生，并成为了解决城市交通问题的关键手段[4]。
智能交通[5-7]就是将先进的信息技术、计算机技术、数据通信技术．传感器技术、电子控制技术、自动控制理论，运筹学、人工智能等有效的综合运用于交通运输、服务控制和车辆制造，加强车辆、道路、使用者三者之间的联系，从而形成一种定时、准确、高效的综合运输系统[8,9]。
智能交通系统就是以缓和道路堵塞和减少交通事故，提高交通使用者的方便、舒适程度为目的，是交通信息系统、通讯网络、定位系统和智能化分析与选线的交通系统的总称。
它通过传播实时的交通信息使出行者对即将面对的交通环境有足够的了解，并据此做出正确选择；通过消除道路堵塞等交通隐患．建设良好的交通管制系统，减轻对环境的污染；通过对智能交叉路口和自动驾驶技术的开发，提高行车安全，减少行驶时间。
为智能交通带来重大机遇的是我们即将建设的数字地球。
数字地球把地球上任意地点的赝有信息都组织起来，不仅有自然方面的，包括地质，地貌、气候、山川河流、动植物分布等，还有人文方面的，如历史沿革、风土人情、交通状况、经济，文教、人口等等。
所有这些，不应是静态的，而应是实时的，只有这样才能为我们选择出
行路线时提供优质服务。
我们以菜种形式在某个地点存放着有关道路的各种信息（如道路状况、危险警告、收费地点、停车场所等），同时又可以接收相关的最新信息（如道路灾害信息，事故发生地点等），据此我们可以准确选择最佳路径，节省驾驶人员的时间，减少能源的消耗及对大气的污染。
在世界各国，交通信息采集设备的研究都得到了普遍的重视，并己经实现了超声波检测器，微波多普勒检测器，红外线检测器，声学检测器，磁力计检测器，感应线圈检测器，激光雷达检测器以及视频检测器。
各类检测器的原理、应用和特点如下表所示[10,11]:
表1-1各类交通信息检测器一览
技术
原理
应用
优点
缺点
超声波监测
超声波反射
车辆检测车流量统计
体积小易于安装
性能随环境温度和气流影响而降低
微波监测
多普勒效应
车速
在恶劣气候下性能出色全天候工作，可检测静止的车辆，可以侧向方式检测多车道
模拟微波接收灵敏度不高，微波传送距离受一定限制，干扰能力弱
传统可见光视频监测（基于机器视觉）
数字图像处理
交通监控、转弯情况、车辆分类、跟踪车辆、车流量、排队长度、车速
可为事故管理提供可视图像可提供交通管理信息单台摄像机处理器可检测多车道
大型车辆能遮挡随行小型车辆阴影、积水反射或昼夜转换可造成检测误差
红外线视频监测
主动：
红外线被遮挡
被动：
车辆发出红外线
主动：
车速；
被动：
车辆检测
昼夜可采用同一算法可提供大量交通管理信息
要很好的红外检测器要提高功率降低可靠性提高灵敏度
技术
原理
应用
缺点
优点
声学监测
声学特征
车辆识别
根据特定车辆的声学特征识别该车辆
为识别车辆需将接收信号进行，大量的除去背景静噪声的处理
磁力计监测
电磁感应
车流量检测
可检测小型车辆，包括自行车，适合在不便安装线圈场台采用
很难分辨纵向过于靠近的车辆
感应线圈监测
电磁感应
车流量，车速
线圈电子放大器己标准化，技术成熟、易于掌握
，计数非常精确
安装过程对可靠性和寿命影响很大，
修理或安装需中断交通，
影响路面寿命，易被重型车辆，路面修理等损坏
激光雷达监测
激光反射
车辆检测，车速，车辆高度和宽度
精确，环境适应性好
成本高，安装难度大
在上述检测器中，感应线圈检测器由于技术成熟，计数精确，成为了目前应用最为广泛的检测器。
但是感应线圈检测器的缺点也是非常明显的，例如为实现道路交通信息的采集，每个车道都要单独埋设线圈；数据量少，无法获得总体的路况信息；线圈的安装需要在路面开槽，在一定程度上影响路面寿命；感应线圈易受到重型车辆、路面修理及路面受热膨胀等因素而遭到损坏，因此其维护难度较大。
相比之下，基于视频图像处理的交通信息采集作为一种新兴的检测技术，已受到广泛重视。
这种方法的基本思想是通过
摄像机采集道路现场图象，并利用数字视频处理技术获取道路交通信息。
这种方法优点在于信息直观，信息量大，能够统计车流、跟踪车辆、划分车辆类型、估计车辆行驶速度等；同时摄像机的画面可以作为监控的手段，监测违章驾驶、道路异常和事故，并可通过图像处理的方法检测车牌识别车辆，以进行综合管理；单台摄像机和处理器可用于多车道的监控，视野范围大；而且摄像机安装在高处，受破坏的可能性较小，使用和维护成本较低。
但是这种方法实现难度比较高，主要的难点在于适应道路现场多变的环境因素和保证复杂算法的实时性，特别是在目益拥挤的路况条件下，路面背景复杂，车辆的检测分割和跟踪技术的研究相对不足，导致以上问题更加突出。
1.2国内外研究现状
1.2.1智能交通系统
智能交通系统（IntelligentTransportSystem）的概念是1990年美国智能交通学会IVHSAmerica提出的，现在改名为CITSAmerica学会。
至今已经有十多年了，在这之前一些发达国家，如美国、日本以及欧盟各国曾经对高速公路和机动车辆的智能化问题进行过不少研究，并取得了一批成果，当时美国取名为IVHS项目，即是IntelligentVehicle-HighwaySystem的简称。
后来，随着交通智能化的要求日益迫切，交通产业现代化的任务日益繁重，确定了将道路交通智能化的研究成果扩大应用到铁路、水运和航空领域的发展方向，从综合交通系统的角度来研究交通网络智能化的问题，这就逐步形成了建立智能交通系统的新概念。
美国、西欧和日本等发达国家为了解决共同所面临的交通向题，竞相投入大量资金和人力，开始大规模地进行道路交通运输智能化的研究试验。
美国联邦政府从1990年到1997年用于ITS研究开发的年度预算总计为12．935亿美元．曾宣布将于2006年在美国75个大都市实施综合的城市ITS基础设施的目标，目前已将此计划扩张到78个城市并有序的完成目标．欧洲最早发展的ITS具代表性的是1986年的ROMETHEUS和1989年的DRIVE系统。
日本ITS研究的特点是政府部门参与，共同开发，以保证该系统的快速发展。
目前美国，欧洲、日本己成为世界ITS研究的三大基地，澳大利亚，韩国、新加坡，香港等她的ITS研究也有了相当大的规模。
ITS技术
在经济发达国家己被完全接受，得到广泛应用。
我国的ITS基础工作从70年代末开始，80年代中期开始引进国外的智能交通系统设施。
通过多年来国内交通工程和科技界的努力，在大力发展高等级公路建设的带动下，中国在智能交通系统的开发和应用方面也取得了相当大的进步，从90年代中期开始，各种智能交通系统相继出现，为今后智能交通的进一步发展莫定了良好的基础。
我国己经于1998年批准成立“国家智能运输系统工程技术研究中心（ITsc），1998年该中心与欧溯合作成立了中欧ITS信息服务中心（sTICNI—SCATS），并开始向国际社会提供基于Intemet的信息资讯和技术服务，这标志着我国1TS发展走入国际化轨道，如今智能交通系统也成为交通系统最热门的课题。
我国交通运输业规模居世界前列，预计到2010年，高速公路主干网将初步形成，道路建设的主枢纽建设将得到较快的发展。
但智能交通系统的自主研究和应用还处于初级阶段，未来ITS发展在很长一段时期内仍然是我们研究的热点。
2000年国家正式成立了全国智能运输系统协调指导小组办公室，将为我国智能交通系统的发展起到积极的推动作用，逐步使我国ITS建设走上正规化，标准化道路。
随着社会的发展，多学科多领域的融合发展成为技术发展的新趋势。
智能交通系统的发展趋势也从单一的运输模式的智能化向综合交通的多釉运输模式协调配合的智能化方向发展。
冒前，铁路、航空、水运业都在考虑利用智能运输系统的先进技术改造传统的运输方式，智能交通系统将起到越来越重要的作用。
1.2.2视频检测交通技术
视频交通检测的概念最初由美国加州的JetPropulsion实验室于1976年提出。
国外早在70年代的时候就己经开始视觉提取交通参数的研究，并且针对不同的应用条件提出了许多相应的算法[12]。
目前，世界上在视频车辆检测领域最著名的公司是美国ISS（ImageSensingSystem）和PeekTrafficSystemInc．两家公司，它们代表了视频交通领域的最高水平，其产品覆盖了大部分的市场份额。
其中ISS的AutoScope系列以及Peek的VideoTrack系列都是智能交通领域比较成熟的产品[13]。
我国的视频检测系统是在世界智能交通热的推动下逐渐发展起来的。
目前，国内的哈工大交通电子技术有限公司，浙大
电信研究所，北京清华紫光股份有限公司等几家企业也进行了一些视频检测产品的开发研究，如清华VISATARAM系统通过分析两幅2D-ST（Spatio-Temporal）来获取车流车速等交通参数，等等。
但是，相对国外产品，国内厂商在视频监控技术的研究基础方面比较薄弱，尤其是视频检测技术的核心——图象处理和模式识别技术的研究滞后于国外[14,15]。
为了能够跟上国际的脚步，研制适合我国国情的视频检测系统，同时推动相关技术领域的发展，当前大力开展视频交通技术的研究，具有十分重要的现实意义。
1.3基于视频处理的运动目标检测与提取技术概述
视频交通检测最基本的任务就是对道路上行驶的各种车辆的检测，几乎所有的交通参数的获取都源于对车辆的检测，车辆检测的关键就是运动目标检测。
已有的基于视频处理的运动目标检测和提取技术，根据不同的分类方法可以作不同的分类。
从所使用的摄像头数目上来看，可以分为单目视觉和多目视觉，单目视觉只采用一个摄像头来获取运动场景中的视频图像，而多目视觉则采用两个或以上的摄像头同步获取运动场景中的视频图像，利用不同摄像头的视觉差可以获得运动场景更多的信息。
根据所采用的技术不同来看，基于视频处理的运动目标检测和提取技术主要可以分为立体视觉分析法、运动目标模型法、帧间差分法、背景差分法以及光流法等。
1.3.1立体视觉分析法
立体视觉法采用两个或多个摄像头来获取运动场景的图像，与人眼类似，双目或多目视觉在各视场之间存在一定的偏差，利用这个偏差就可以恢复出目标的高度或者深度信息，因此比普通的单目视觉系统要多提供一维信息。
立体视觉分析法能够提供很好的检测效果，尤其是当多个运动目标相互之间有部分遮挡时能够很好地将它们分离开来，另外，立体视觉分析法能够很好地判断出运动目标和它的阴影之间的区别，从而避免将阴影也判为运动目标。
但是，立体视觉分析法至少需要两个摄像头，而且要考虑多个摄像头之间在采集图像时的同步问题，因此硬件成本比单目视觉要高很多；另外，立体视觉在软件上需要对多个摄像头采集到的图像进行标定以消除摄像机参数不同对图像造成的影响，因此从时间复杂度上来说，立体视觉法需要较
多的运算时间。
1.3.2运动目标模型法
运动目标模型法通过对运动目标进行3D-CAD建模，然后采用目标识别的方法进行识别和跟踪。
运动目标模型法一般来说有两种实现方式：
一种是直接在运动目标的参数空间（姿态空间）进行搜索，另一种则是在相关空间中进行搜索。
如果能提出很好的三维CAD模型来对运动目标进行建模，那么采用模型匹配的方法来进行运动物体的提取和跟踪将会非常有效，同时还可以消除运动目标阴影的影响。
但是运动目标模型法的难点之一就在于如何提出比较好的模型来对运动目标进行建模。
另外，要对运动目标进行3D建模，首先必须抽取出这一类运动目标所特有的特征（这些特征可能是形状、颜色等外在特征，也有可能是只取其中的某些关键部位在空间上的组合），如何选择这些特征并加以抽取是一大难点。
最后，在进行运动目标提取和跟踪时，需要从图像中找到与已提出的模型匹配的图像块区域，而在二维平面上的匹配算法需要消耗较多的计算时间。
1.3.3帧间差分法
帧间差分法是用序列图像中的相邻两帧进行差分，然后阈值化来提取运动信息。
基于帧间差分的运动检测对于场景中的光线渐变不敏感，检测有效且稳定。
但一般不能提取所有相关的特征像素点，在运动实体内部容易产生空洞现象。
检测位置不够精确，特别是当目标的运动速度较快，在相邻帧之间的运动位移较大时，这种方法将导致差分图像中运动变化区域内的被覆盖和显露的背景区域较大，从而极大地影响运动目标区域的准确提取。
1.3.4背景差分法
背景差分法的基本思想是先形成交通场景的背景图像，然后将待检测图像与背景图像逐像素相减（理想情况下的差值图像中非零像素点就表示了运动物体），进而就可运用阈值方法将运动物体从背景中分离出来。
背景差分法一般能够提供最完全的特征数据，但需要建立初始背景，而且对于动态场景的变化，如光照和外来无关事件的干扰等特别敏感，需要加入动态更新背
景图像的策略来消除这种影响。
1.3.5光流法
当相机与场景目标间有相对运动时所观察到的亮度模式运动称为光流（opticalflow，imageflow），或者说物体带光学特征部位的移动投影到视网膜平面（也即图像平面）上就形成光流。
光流表达了图像的变化，它包含了目标运动的信息，可用来确定观察者相对目标的运动情况。
光流法的基本思想是通过计算出光流场来模拟运动场。
它的优点是能够检测独立运动的对象，不需要预先知道场景的任何信息，并且可以用于摄像机运动的情况，但大多数光流法计算相当复杂且抗干扰能力差，如果没有特别的硬件支持是不能应用于实时检测的。
1.4论文的主要工作和内容
基于机器视觉的车流量检测是智能交通系统最具有前景的研究方向之一，尽管近年来国内外对基于机器视觉的车流量检测技术研究已不少，但是由于图像的信息量大，大部分视觉检测由计算机完成，图像算法极其复杂，系统实时性差。
本文根据实际的交通状况，以静止单孔摄像机获取的交通场景视频作为研究对象，研究和实现了一款基于视频检测的交通信息采集系统，可以进行交通流量和车速等交通信息的采集。
本文第2章将简单介绍在视频处理中所涉及到的数字图像处理方面知识；第3章将对几种车辆检测算法、背景更新算法、车辆长度检测算法进行比较，并在这些基础上根据作者自身能力进行一定的修改；第4章将对展示本次毕业设计的具体流程方案以及在MATLAB中实现的结果。
第2章数字图像处理
视频交通检测的核心技术是数字图像处理，本章详细介绍了研究系统中所涉及到的数字图像处理方法，并基于MATLAB实现，给出实验结果。
2.1彩色图像灰度化及去噪
2.1.1图像灰度化
在实际使用中经摄像头采集到的交通图像信号为彩色模拟信号，在经过图像采集卡数字化后得到的图像为RGB彩色序列图像。
在实验中我们首先对视频图像进行空间映射，将视频图像由RGB色彩系统转换到YIQ色彩系统。
经过空间映射变换后我们可以得到相应的灰度序列图像。
这样处理主要是因为视频交通检测算法要求的实时性较高，将RGB彩色图像转换为灰度图像可以大大的减少需要处理的数据量。
图像去除彩色涉及RGB和YIQ两种色彩系统的转换。
RGB色彩系统是我们最常用的表示颜色的方式，计算机屏幕的显示即是使用RGB色彩系统，它是通过颜色的相加来产生其他的颜色，这样的方式我们称为加色合成法，YIQ色彩系统被北美的电视系统所采用（属于NTSC系统），Y是指颜色的明视度，也就是亮度。
实际上，Y代表的就是灰度值，而I和Q则是指色度，即描述图像色彩及饱和度的属性。
RGB与YIQ的关系如下：
（2-1）
通常将亮度值进行量化，分成0到255共256个级别。
本文所进行的研究均是以灰度图像为对象的。
将摄像机的摄下来的图像转化成灰度图像，我们采用了RGB和YIQ之间的转换关系，即取其中的Y分量：
Y=0.299R+0.587G+0.114B（2-2）
2.1.2图像去噪
众所周知，实际获得的图像在形成，传输，接收和处理的过程中，不可避免地存在外部干扰和内部干扰，如光电转换过程中敏感元件灵敏度的不均
匀性、数字化过程的量化噪声、传输过程中的误差及人为因素等，均会产生一定程度的噪声干扰。
噪声恶化了图像质量，使得图像模糊，特征淹没，给分析带来困难。
因此必须对获得的图像进行滤波除噪，降低噪声信号对图像的干扰。
由于噪声源很多．噪声的种类复杂，所以去噪平滑的方法也多种多样。
现有的图像去噪方法主要分两类，一类是空域的方法。
主要采用各种图像平滑模扳与图像进行卷积处理，从而达到抑制或消除噪声的目的；另一类是频域的方法，主要通过对图像进行变换厉，用合适的滤波器进行滤波处理，再经过反变换后得到去噪后的图像。
常用的空域滤波有均值德波、中值滤波等。
它们对不同的噪声有不同的去噪特性，均值滤波可蚍有效的滤除高斯噪声，而中值滤波对脉冲噪声和椒盐噪声的去噪能力很好[16]。
通过研究发现．拍摄到的图像中椒盐噪声的影响比较严重，同时由于均值波不只是把干扰去除，还常把图像的边缘模糊，不利于图像进一步的分析。
而中值滤波既能消除噪声又能保持图像的细节。
因此，我们选择中值滤波来进行滤波除噪。
中值滤波器是一种非线性的平滑滤波器，它通过选取一个移动的窗口模板，该模板内部含有奇数个象囊，然后对应模板中心象索的耿度值用模板内各个像素灰度的中值来代替。
下面简单介绍一下中值滤波的过程，本文选用3×3的模板。
具体步骤如下：
a.使模板在图像中的每个象索上移动，并使模板中心与该象索位置重合，最终完成对图像中所有象素的遍历。
b.读取模板对应下的各个象素的灰度值，并将这些值进行排序（考虑到算法的实时性．使用快速排序）。
c.取排序后的中间值，将其赋给模板中心位置的象素。
2.2灰度图像二值化
图像的二值化处理是将图像简单的分成背景和目标物体，也就是选取一个合适的阈值T，用T将图像分成两大部分，大于T的区域（通常为目标物体）
和小于T的区域（通常为背景），若输入图像为f（x,y）,输出图像为g（x,y）,则：
（2-3）
2.3二值图像的形态滤波
2.3.1数学形态学
数学形态学（MathematicalMorphology）是分析几何形状和结构的数学方法，是建立在代数集合基础上，用集合论方法定量描述几何结构的科学。
1985年后，它逐渐成为分析图像几何特征的工具。
数学形态学是由一组形态学的代数运算子组成的。
最基本的形态学运算子有：
腐蚀（Erosion）、膨胀（Dilation）、开（Opening）和闭（Closing）。
用这些运算子及其组合来进行图像形状和结构的分析和处理，包括图像的分割、特征抽取、边界检测、图像增强和恢复等方面的工作。
基本的数学形态学运算是将结构元素在图像范围内平移，同时作交、并等基本几何运算。
在这里，结构元素可以理解为一个二维数字矩阵，类似于卷积核。
用不同的结构元素可以完成不同的功能。
2.3.2图像的腐蚀
腐蚀是数学形态学的两种最为基本的运算之一，腐蚀在数学形态学中的作用是消除物体边界点，使边界向内部收缩的过程，可以把小于结构元素的物体去除。
这样选取不同大小的结构元素，就可以去除不同大小的物体。
如两个物体间有细小的连通，通过腐蚀可将两个物体分开。
腐蚀的数学表达式是：
（2-4）
在公式中E表示腐蚀后的二值图像集合，A表示被腐蚀的二值化图像，B表示用来进行腐蚀的结构元素，结构元素内的每一个元素取值为0或1，它可以组成任何一种形状的图形，在B图形中有一个中心点。
此公式的意义就是用结构元素B来腐蚀二值图像A得到的腐蚀图像E是由B完全包括在A中时B的当前位置的集合。
通常是拖动结构元素在么图像域移动，横向移动间隔取一个像素，纵向移动间隔取一个扫描行。
在每一个位置上，当结构元素B
的中心点平移到么图像上的某一点（x,y）,如果结构元素内的每一个像素都与以（x,y）为中心的相同邻域中对应像素完全相同，那么就保留（x，y）像素点，对于原图中不满足条件的像素点则全部删除，从而实现二值图像A的腐蚀效果。
2.3.3图像的膨胀
膨胀是数学形态学中除腐蚀之外的另一种基本元算。
膨胀在数学形态学中的作用与腐蚀的作用正好相反，它是对二值化物体边界点进行扩充，将与物体接触的所有背景点合并到该物体中，使边界向外部扩张的过程。
如果两个物体之间的距离比较近，则膨胀运算可能会把两个物体连通到一起，膨胀对填补图像分割后物体中的空洞很有用。
膨胀的数学表达式是：
（2-5）
在公式中D表示膨胀后的二值图像集合，A表示被膨胀的二值化图像，B表示用来进行膨胀的结构元素，结构元素内的每一个元素取值为0或1，它可以组成任何一种形状的图形，在B图形中有一个中心点。
此公式的意义就是用结构元素B来膨胀二值图像么得到的膨胀图像D是由B映像的位移与A中至少有一个像素相同时B的中心点位置的集合。
通常是拖动结构元素在A图像域移动，横向移动间隔取一个像素，纵向移动间隔取一个扫描行。
在每一个位置上，当结构元素B的中心点平移到A图像上的某一点（x,y），如果结构元素的像素与目标物体至少有一个像素相交，那么就保留（x,y）像素点，从而实现二值图像A的膨胀效果。
2.3.4图像的开启与闭合
图像的开启和闭合运算是在腐蚀和膨胀两个基本运算的基础上提出来的．对图像A及结构元素B，用AοB表示A对B的开运算，用A·B表示A对B的闭运算，则它们的定义为：
（2-6）
（2-7）
其中，AοB可视为对腐蚀图像A
B用膨胀来进行恢复。
而A·B可看作是对膨胀图像A
B用腐蚀来进行恢复。
不过这一恢复不是信息无损的，即它们通
常不等于原始图像A。
在图像处理的过程中，可以利用开、闭运算来去除噪声，恢复图像。
通过开运算可以消除离散点和毛刺，也就是对二值图像进行平滑，通过闭运算将两个邻近的目标连接起来，便于下一步分割出完整的图像。
通常，由于噪声的影响，图像在阈值化后得到的边界往往是很不平滑的，目标区域具有一些噪声孔，背景区域上散布着一些小的噪声区域，连续的开闭运算可以有效的解决这种情况。
有时需要多次腐蚀之后加上相同次数的膨胀，才可以产生比较好的效果。
2.3.5实验结果
图2-1形态学处理图像前后对比
2.4连通域分析
连通域分析算法的目的就是对二值图像进行分析，计算出每帧图像上运动目标的位置。
所谓连通，是指在一个集合中的任意两个像素之间，存在一条完全由这个集合中的元素构成的路径。
连通路径是一条可在相邻像素问移动的路径，相应的连通路径有四连通和八连通。
四连通依据与其相邻的上下左右四个像素点确定连通；八连通是在四连通的基础上再加上对角相邻的四个点共八个像素点来确定连通。
将二值图像中互相连通的O—像素集或255—像素集称为连通成分。
分割后的一帧图像中可能有多个连通成分，每个非连通成分都对应一个目标。
所以通过连通域分析，就可以标识出每个区域。
连通域分析的步骤如下：
a.对图像进行扫描，求出不属于任何区域的目标像素（值为255）；
b.若该像素的8邻域内不属于
升级会员 