OpenCV是一個基于BSD許可（開源）發行的跨平臺計算機視覺庫，可以運行在Linux、Windows、Android和Mac OS操作系統上。它輕量級而且高效——由一系列 C 函數和少量 C++ 類構成，同時提供了Python、Ruby、MATLAB等語言的接口，實現了圖像處理和計算機視覺方面的很多通用算法。

　　OpenCV用C++語言編寫，它的主要接口也是C++語言，但是依然保留了大量的C語言接口。該庫也有大量的Python， Java and MATLAB/OCTAVE （版本2.5）的接口。這些語言的API接口函數可以通過在線文檔獲得。如今也提供對于C#，Ch， Ruby的支持。

　　所有新的開發和算法都是用C++接口。一個使用CUDA的GPU接口也于2010年9月開始實現。

　　煙葉是煙草工業的基礎原料，煙葉品質的識別對煙草工業生產質量和煙草行業經營效益具有舉足輕重的作用。因此，對煙葉生產過程的各個環節包括煙葉品質的智能識別進行技術創新，提供品質和效率，是一個前沿研究方向目前，這一方面的研究主要集中在數字圖像處理方面，把煙葉品質的數字圖像處理與計算機軟件相結合，實現煙葉品質的智能識別，是一個極有價值的工作。OpenCV的全稱是 Open Source Computer Vision Library，是一個跨平臺的計算機視覺庫。OpenCV是由英特爾公司發起并參與開發，以BSD 許可證授權發行，可以在商業和研究領域中免費使用，并且源代碼是公開的。OpenCV由一系列C函數和少量C++類構成，實現了圖像處理和計算機視覺方面的很多通用算法，可用于開發實時的圖像處理、計算機視覺以及模式識別程序，極大地方便了圖像和視覺處理研究者進行二次開發口3。為此，筆者基于OpenCV對煙葉圖像進行處理，旨在提高煙葉品質的智能識別效果。

　　l煙草圖像采集的預處理

　　煙草圖像采集的現場條件比較惡劣，還會受到光照條件和煙葉物理性質的影響，這樣就會在圖像成型的過程中產生很大的干擾，使圖像特征被淹沒，不利于圖像分析。因此，有必要對圖像進行預處理，以增強圖像后繼處理的重要特征。

　　對煙草彩色圖像進行平滑處理能夠減少圖像的變劣差異；對圖像進行加權處理，能夠減少噪音的干擾，同時加權處理還能夠使整體顏色趨于一致（圖1、2）。采用模板為：int M ［3］［3］-{{l，2，l}，{2，4，2}，{l，2，l}}。

　　2圖像顏色表的建立

　　圖3中的橫坐標表示圖像中各個像素點的灰度級，縱坐標為各個像素點出現的次數或概率。由圖3可知j煙葉圖像像素灰度級直方圖呈現多峰值，且服從正態分布，因此可以利用圖像閾值分割和顏色百分比的方法來建立顏色表。

　　根據各個像素點灰度不連續進行基于區域相關的分割，用灰度級的門限提取圖像特征。

　　2．1門限化方法

　　選取適當的灰度級門限作為標準，將每個像素灰度與其比較，若超過I’】限標準則賦值最大灰度l，否則賦值最小灰度0。這樣就成功地把對象從背景中分離出來。圖像以髫，Y）的灰度范圍為［g，，92］，取灰度值丁作為門限，有2種方法定義門限后的二值圖像：

　　門限取得太高時，許多背景點將被誤判為對象點；反之，當門限取得太低時，許多對象點將被誤判成背景點。因此，就有一個最佳門限的選擇問題

　　由圖3可知。煙葉與背景灰度直方圖峰型分布明顯，選擇谷底作為門限值，對圖像進行分割，可以降低錯分概率。由統計分布率得知，相鄰2個峰谷內的面積最大者屬于合格煙葉顏色區，如圖3陰影部分所示。選擇2個峰谷（L，疋） 為灰度門限區間，并把門限區間內的顏色與其在圖像中出現的頻率存儲在一個顏色表內

　　3識別算法的設計

　　以顏色表作為模板．對煙葉圖像實施異物標識處理，遍歷圖像每個像素，在顏色表中查找，若找到，設置此像素灰度值為0，否則設置為255，如圖6所示。

　　圖像分割只能把圖像中具有不同平均灰度或組織特征的區域分離開。特征抽取則進一步把分割開的區域的特征提取出來，也就是圖像描述和表示，也稱為圖像理解。

　　對目標圖像區進行區域標記，遍歷每1個小矩形，把所有“l”聯結的區域視為異物，計算其總值，大于設定的閾值，

　　分檢系統開啟氣閥將異物剔除，反之，氣閥不動作。在遍歷1 個小矩形時，如果異物像素和等于開閥條件，停止這個小矩’ 形的遍歷，可以減少系統的計算量，提高算法的執行速度哺J。

　　異物不可能都在1個小矩形內，橫向、縱向跨界甚至跨幀的情況在所難免，這就要求圖像處理系統具有記憶功能。如圖7，在區域l和區域2中，存在橫向跨界；區域4和區域8 存在縱向跨界。

　　對于異物橫向跨界，在遍歷第1個小矩形時，如果像素和達到設定閾值，氣閥將開啟，剔除異物；反之．則不啟動氣閥，但系統要記憶此小矩形的像素和和異物邊界坐標；然后

　　再遍歷第2個小矩形，先檢測異物是否為聯通區域。若是，再去判斷第1個小矩孑的氣閥開啟狀態。若氣閥開啟，則第 2個氣閥也將打開；若氣閥未開啟，則將這2個小矩形的像素和相加來判斷是否達到設定的開閥閾值。若不是聯通區域，則將視一般情況處理。

　　對于異物縱向跨界，除去在橫向跨界條件下作的處理外，還要將信息保存到第2幀圖像，處理完畢，用前一幀的邊緣小矩形與后一幀對應邊緣小矩形的像素和相加，與閾值比較，以此來決定氣閥的開啟。

　　4結語

　　基于OpenCV的煙葉品質識別的數字圖像處理方法，是煙葉生產環節的一種技術創新。它簡便易行，可以在煙葉生產一線普及推廣，能夠較大地提高煙葉品質檢測的效率和質量及自動化程度和智能化水平。