实时视频图像

　当视频播放画面超过24 帧/s 时，根据视觉暂留原理，人眼无法辨别每幅单独的静态画面， 看上去是平滑连续的视觉效果。视频中的事物通常分为静止和运动两类，连续多帧画面中保持静止的物体可视为静止的背景， 连续多帧画面中位置变化的物体可视为运动的前景。因此， 实时视频图像中的每帧图像都可以划分为静止的背景和运动的前景两类区域。由于视频序列图像中运动的前景区域随机变化，引起图像像素点梯度值的随机改变，使得实时视频图像的清晰度检测较难实现。因此， 本文的算法是利用实时视频图像中静止的背景区域检测视频序列图像的清晰度， 即由背景提取和清晰度检测两部分组成。

　实时视频图像的背景提取

　视频序列中帧图像的静止背景区域由灰度值变化较小的像素点构成， 每个像素点都有一个对应的像素值，这个值在一段时间内保持不变；运动的前景区域由灰度值变化较大的像素点构成，各像素点在不同的帧图像中的位置改变，形成运动轨迹。背景提取的目标就是根据实时视频图像中像素值的上述特点， 找出图像中背景像素点的值。采用多帧图像累加平均的方法来获取图像的背景，从统计学角度，运动物体可视为随机噪声，而均值可以降噪，采用多帧图像累加取均值可消除运动物体， 获得静止的背景图片。

　大部分的摄像系统都是基于RGB 颜色空间，每个像素点在RGB 空间中是一个三维矢量。为了减少计算量， 使用灰度图像序列， 即将彩色视频序列转换成灰度视频序列，基于灰度视频图像完成提取背景及实时视频图像的清晰度检测。

　实验程序在PC 机上运行，编程软件是MatlabR2007b， 采用的是24 位RGB 视频序列，30 帧/s，每帧图片的分辨率是320×240 。从实时视频图像中提取背景图像后，分别采用Sobel 算子、平方梯度法和快速检测法三种算法对图像的清晰度进行检测。