快速灰度投影稳像算法研究

第28卷第8期 兵工自动化 Vol. 28, No. 8 2009年8月 Ordnance Industry Automation Aug. 2009

·88·

doi: 10.3969/j.issn.1006-1576.2009.08.031

快速灰度投影稳像算法研究

周亚军，王翔，苏享，姚志龙，姚春柱

（解放军炮兵学院 信息化弹药研发中心，安徽 合肥 230031）

摘要：为提高灰度投影稳像算法的速度，提出一种等间隔快速投影算法：参考帧图像每行（列）进行投影，待稳定帧图像的投影区域进行等间隔行（列）投影，所有的投影行（列）内等间隔取像素值，将2帧图像的投影曲线进行遍历相关运算，得出图像的运动矢量。通过分析相关曲线，得出其单峰性的特点。实验结果表明，该算法可保持传统灰度投影算法的稳像精度，运算量显著减小，计算速度大大提高。

关键词：电子稳像；灰度投影；快速投影；快速搜索 中图分类号：TP301.1; TP391.9 文献标识码：A

Research on Fast Gray Projection Algorithm for Image Stabilization

ZHOU Ya-jun, WANG Xiang, SU Xiang, YAO Zhi-long, YAO Chun-zhu

(Informational Ammunition Research & Developing Center, Artillery Academy of PLA, Hefei 230031, China) Abstract: In order to accelerate gray projection and image stabilization algorithm, put forward a uniformly-spaced allegro algorithm: project each column (row) of the reference frame image, and process uniformly-spaced column (row) projections among the proposed stable frames’ projection area. Fetch pixel value among equal intervals of all projection columns (rows). Put up ergodic operations of the two frame images’ projection curve, thus obtain moving vectors of the image. Then through analyzing relation curve, find its features of unimodality. Experiment result shows the algorithm can keep precision of traditional algorithm, while can simplify and accelerate the calculation. Keywords: Electronic image stabilization; Gray projection; Fast projection; Fast search

0 引言

电子稳像（Electronic image stabilization -EIS ）通过检测并补偿图像帧间运动矢量，来减缓甚至消除图像序列的抖动。运动矢量的检测是电子稳像的关键环节，目前的主要算法有：灰度投影法[1]、块

匹配算法[2-3]、位平面匹配法[4]、特征跟踪法[5-6]等。快速搜索算法只用在矢量检测相关运算中，全局搜索的运算量不大，快速搜索算法对提高估算速度不明显。故提出等间隔快速投影算法，在保持传统灰度投影算法的稳像精度的基础上，使计算速度提高。

1 快速灰度投影

1.1 传统灰度投影

灰度投影就是将经过滤波预处理后的每一帧M ×N 图像的二维灰度信息映射成2个独立的一维投影序列。计算公式如下：

1()(,)n

k k y G x G x y ==∑ (1)

∑==m

x k k y x G y G 1

),()( (2)

其中：m 、n 分别是图像投影区域的宽度、高度；G k (x ,y )为第k 帧图像(x ,y )上位置处的像素灰度值；

G k (x )为该图像第x 列的灰度投影值；G k (y )为该图像

第y 行的灰度投影值。

传统灰度投影中参考帧和待稳定图像的投影区域相同，且通常采用全投影，即将投影区域每行（列）进行映射，行（列）内的每个像素都参与投影。 1.2 快速灰度投影算法

相邻像素具有灰度相似性，在灰度投影计算时，取小区域内一个像素值，可代表这块小区域的灰度特征。就可减小运算量，加快灰度投影的速度，而不影响稳像精度。等间隔投影就是简单有效的方法。由于行、列的投影相关计算类似，现以列投影为例来说明图像快速灰度投影及其计算的过程。

等间隔投影算法要求采用遍历运算才可得到准确的运动矢量，否则会影响矢量的估算精度。参考帧图像所有列投影，每列内等间隔取像素值。间隔不宜过大，以免图像信息损失过多，取3~5个像素。

待稳定帧图像的投影如图1，图像的投影区域为灰色区域abcd ，列与列之间的间隔为dx ，列中像素与像素间隔dy （为计算方便，取的间隔值相同），0x r 、0y r 分别为水平、垂直方向的最大稳像范围。假设投影区域宽度、高度为m 、n ，取dx =3，dy =3，

收稿日期：2009-02-14；修回日期：2009-04-10 作者简介：周亚军（1983-），男，江西人，炮兵学院在读研究生，从事数字图像处理研究。

周亚军，等：快速灰度投影稳像算法研究

·89·

则列的灰度投影计算公式为：

/3

0000(3)(33)n k x k x y y G x r G x r y r =+=++∑， (3)

式中：0≤x ≤/3m ，0≤y ≤n /3；)3,3(00y x k r y r x G ++为第k 帧图像投影区域在)3,3(00y x r y r x ++上位置处的像素灰度值；)3(0x k r x G +为该区域第03x r x +列的灰度投影值。

图1 待稳定帧图像的列灰度投影

1.3 位移相关检测

将第k 帧图像投影区域和参考帧图像的相应位置的列灰度投影值做遍历相关计算，找到最小相关

值，即可确定当前帧图像相对于参考帧图像的水平

位移矢量值。式 (3) 中列相关运算的计算公式为：

/3

000()|(3)(3)|m k x x C j G x j G x r ==+?+∑ )20(0x r j ≤≤ (4)

式中：0()G x 、()k G x 分别是参考帧图像第x 列和第k 帧图像投影区域第x 列的灰度投影值；m 是

第k 帧图像投影区域的宽度。

设j min 为C ( j )值最小时j 的值，则第k 帧图像相对于参考帧图像在水平方向的位移矢量为： min 0j r x x ?=Δ

(5) 得到水平方向的位移矢量后，当前图像反方向运动该矢量的距离，就可实现图像序列的稳定。

图2中(a)、(c)是参考帧图像及其列投影曲线，(b)、(d)是第k 帧图像及其列投影曲线，(e)是第k

帧图像与参考帧图像列投影相关曲线。

寻找最佳匹配矢量需要对每一个矢量作一次相关运算，计算量大。从图2可见，相关曲线在实际矢量附近呈双向下降趋势，即呈单峰性，可采用快速搜索算法减少运算量，提高计算速度。

(a) 参考帧图像 (b) 第k 帧图像

4

V a l u e o f g r a y p r o j e c t i o n

Column number 200 400 600 8001.6 1.2

0.8

0.4

×104

Column number

V a l u e o f g r a y p r o j e c t i o n

Column number -64 -32 0 32 46 64

76543

2×105

(c) 参考帧图像的列投影曲线 (d) 第k 帧图像的列投影曲线 (e) 2帧图像列投影相关曲线

图2 快速灰度投影算法

2 快速搜索算法

目前快速搜索算法主要有1点自适应搜索[7]、3点自适应搜索[8]。1点自适应搜索取曲线两端点进行第1步运算，由于图像边界的影响，易造成误判，影响矢量估算精度。故采用3点自适应搜索改

进后的搜索算法—2点自适应搜索算法，如图3[9]。

如图3，搜索半径r 为5，该搜索算法的原理：1) 平均选取3、6、9点；2) 计算相关值，找到相关值最小的点，这里设第3点；3) 以第3个点为中心，以r /2为半径，找到2、4两点；4) 重复第2

兵工自动化

·90·

个步骤，找到第2点；5) 依次类推，找到1、2、3中相关值最小的点，该点即是要找的匹配点。

图3 2点局域自适应搜索

该搜索算法以曲线的单峰性为基础，在搜索中判断相关值可能减小的方向，在保证搜索精度的同时，可减少搜索的运算量。除第1步搜索需要计算3点的值外，其余各步只需要计算2点的值，搜索半径为2n -1时，全局搜索运算次数为2n +1-1，2点自适应快速搜索算法运算次数为2n +1。

3 实验分析

实验在P Ⅳ2.67GHz ，内存512M 的PC 机上，

操作系统为Windows Xp ，用VC 6.0编程实现。

用手持摄像机拍摄偏转可忽略的抖动图像，从图像序列中取2帧576×768的8位灰度图做静态实验。分别采用块匹配算法（BMA ）、传统灰度投影

算法（PA ）、2点自适应搜索算法（2PS ）、快速灰度投影算法（FPA ）、采用2点自适应搜索的快速灰度投影算法（FPA2PS ）进行稳像，参考帧图像为图2(a)。矢量估算结果如表1。矢量估算时间如表2。

表1 矢量估算结果（pixel ）

BMA PA 2PS FPA FPA2PS n +3帧 (1,-20)(1,-20) (1,-20) (1,-20)(1,-20)n +8帧

(46,-28)(46,-28) (46,-28) (46,-28)(46,-28)

表2 矢量估算时间（ms ）

PA 2PS FPA FPA2PS

n +3帧 11.58 10.04 5.26

4.18 n +8

帧

11.44

9.88 5.29 4.22

从实验数据可以看出，改进的各种灰度投影算

法和传统灰度投影算法的矢量估算能力相当，都达到了BMA 的精度；2PS 的矢量估算速度比PA 快1.5ms 左右，效果不明显；FPA 的矢量估算速度约等于PA 的2倍，效果显著；采用2PS 后FPA （FPA2PS ）的矢量估算速度更快。

FPA2PS 在动态试验中，估算25帧图像运动的矢量，每帧平均时间为4.207ms 。现取3帧图像如图4，本算法稳像的效果如图5。

(a)

(b) (c)

图4 原始图像序列

(a) (b) (c)

图5 稳像后的图像序列

4 结论

快速灰度投影稳像算法采用等间隔取值和2点自适应快速搜索算法减少了运动矢量检测的计算量。经实验证明，能保持传统灰度投影算法的稳像精度，同时，使运算量减小，稳像速度显著提高。

参考文献：

[1] K. Sauer, B. Schwartz. Efficient block motion estimation using integral projections[J].IEEE Transaction on Circuits

and Systems for Video Technology,1996, 6(5): 513-518. [2] FILIPPO V ALFIO C, MASSIMO M, et al. Digital Image

Stabilization by adaptive block motion vectors filtering[J]. IEEE Trans. Consumer Electronicm 2002, 48(3): 796-801. [3] KENYA U, ATSUSHI M, HIROFUMI I, et al. Automatic

Image Stabilizing System by Full Digital Signal Processing[J]. IEEE Trans. Consumer Electronic, 1990, 36(3): 510-519. （下转第 93 页）

邵杰，等：云重心理论在装甲机械化部队射击指挥能力评估中的应用

·93·

基于云理论的评估方法能有效融合主客观信息，较好地解决了装甲机械化部队射击指挥能力评估中既有定性指标，又有定量指标的综合评价问题。

参考文献：

[1] 李德毅, 孟海军, 史雪梅. 隶属云和隶属云发生器[J].

计算机研究与发展, 1995, 32(6): 16-21.

[2] Li Deyi, Cheung David, Ng V, et al. Uncertainty

Reasoning Based on cloud models in controlles [J]. Computers and Mathematics with Application Elsevier Science, 1998, 35(3): 123.

[3] Li Deyi, Di Caichang, Li Deren, et al. Mining Association

Rules with Linguistic Cloud Models [J]. Journal of Software, 2000, 11(2): 143-158.

**********************************************************************************************************

（上接第 87 页）

(a) 果实的椭圆模型 (b) 填充椭圆用的纹理 (c) 填充后的效果

图8 果实的绘制

3 忠实于真实植物生长特点的处理

为使植物模拟效果逼真，在编程中进行处理：

3.1 随机数的运用

随机数的运用是分形植物模拟中的“灵魂”。如出现侧枝较多的分枝是在左侧或右侧，要随机决定；每分枝的偏转角度要有随机幅度；每层的偏转角也应有所区别等，都需要用随机数处理。另外如各部器官的步长、偏转角、叶长、叶宽、多边形和椭圆型叶子的各个夹角大小等，也都需要应用随机数。

3.2 顶端优势与剪枝操作

“剪枝”是将与植物实际生长不符的枝条剪掉。如图9，水平方向以下方框内的枝条生长方向过于向下，即180>α或0<α，与常见到的树木不符，需要将该枝条剪去。这个操作过程称为“剪枝”。

图9 “剪枝”示意图

考虑植物生长时的“顶端优势”，就是当分枝与最初主干之间的夹角较小时，可在这个分枝上多画一子树，使分枝看起来更伸展更浓密些。在程序中加入判断层数的语句，层数较大时进行顶端优势的

控制，同时各层分枝的长度可以乘一个缩小的比例。

3.3 颜色的分解和色差形成

为增强图像的层次感和立体效果，在控制程序

中，要区别开各部器官的颜色，灵活配置颜色深度，同一器官的颜色也应有一定的渐变幅度。处理方法

主要有2种：一是使用Argb 值，各分量取值可有一定的随机变化幅度，形成颜色落差；二是将绘制不同器官的颜色分解开，方法也是使用随机数。

4 结论

该数学模型能实现植物形态的模拟和交互控制。模拟植物形态时，运用随机函数，为使生成的图像更接近植物，要根据自然植物生长的机理特点，在程序设计中进行剪枝、色差、层次感等处理。

参考文献：

[1] 张树兵, 王建中. 基于L 系统的植物建模方法改进[J].

中国图象图形学报: A 辑, 2002, 7(5): 457-460.

[2] 袁杰, 刘大昕. 基于L 系统的植物图像计算机模拟[J].

应用科技, 2002, 29(11): 44-46.

[3] 李庆忠, 韩金姝. 基于IFS 的树木形态模拟真实感的研

究[J]. 微机发展, 2005, 15(7): 86-88.

[4] Fuchs H, Kedem Z, Naylor B. On Visible Surface

Generation by A Priori Tree Structures [J]. ACM Computer Graphics, 1980, 4(3): 124-133.

[5] Chin N, Feiner S. Near Real-Time Shadow Generation

Using BSP Trees [J]. Computer Graphics, 1989, 23(3): 99-106.

[6] 孙博文. 分形算法与程序设计[M]. 北京: 科学出版社,

2004: 11-60.

************************************************** （上接第 90 页）

[4] KO SJ, LEE S W, JEON S W, et al. Fast digital Image

Stabilizer Based on Gray-Coded Bit-Plane Matching [J]. IEEE Trans. Consumer Electronic, 1999, 45(3): 598-603. [5] JOON K P, YONG C P, DONG W K. An Adaptive Motion

Decision System for Digital Image Stabilizer Based on Edge Pattern matching [J]. IEEE Trans. Consumer Electronic, 1992, 38(3): 607-616.

[6] Censi A, Fusiello A. Image Stabilization by Feature

Tracking[C]. 10th Inter Conf. on Image Analysis and Processing, Venice Italy, 1999, 27(3): 665-667.

[7] 李博, 王孝通, 杨常青, 等. 电子稳像的灰度投影三

点局域自适应搜索算法[J]. 光电工程, 2004, 31(9): 70-72.

[8] 孙辉. 快速灰度投影算法及其在电子稳像中的应用[J].

光学精密工程, 2007, 15(3): 412-416.

[9] 马乔, 郑立评, 于贵波. 某突击炮稳像式火控系统射击

门[J]. 四川兵工学报, 2008(6): 40-42.