基于OpenCV的火焰检测（一）——图像预处理
博主最近在做一个基于OpenCV的火焰检测的项目，不仅可以检测图片中的火焰，还可以检测视频中的火焰，最后在视频检测的基础上推广到摄像头实时检测。在做这个项目的时候，博主参考了很多相关的文献，用了很多种不同的火焰判据，并将其进行不同组合，从而达到我们想要的检测效果。接下来的几篇博文将会详细介绍一些效果不错的火焰判据，在这之前，博主想先介绍一下在做项目的时候会常用到的一些图像预处理的方法。
常用的图像预处理是图像平滑和图像锐化。图像平滑一般用到的技术是均值滤波、中值滤波以及形态学处理，而图像锐化一般用到的技术是梯度算子或者拉普拉斯算子。在火焰检测中我们比较感兴趣的是图像平滑方面，因此本文将详细介绍图像平滑处理。
（一）平滑滤波
在OpenCV1.0中有那么一个平滑函数：
void cvSmooth(
const CvArr* src,
CvArr* dst,
int smoothtype = CV_GAUSSIAN,
int param1 = 3,
int param2 = 0,
double param3 = 0,
double param4 = 0
);
其中，src为输入图像或数组；dst为输出图像或数组；
smoothtype为平滑类型，有以下选项：
其中，最常用的平滑滤波类型有简单滤波、中值滤波和高斯滤波。高斯滤波一般与锐化算子结合构成图像边缘分割工具，如LoG、Canny等。
（二）形态学处理
形态学是一种强大的图像处理工具，它可以实现图像去噪、图像分割等功能。由形态学的两个简单操作：腐蚀与膨胀可以衍生出很多强大的形态学算法，实现我们想要的功能。形态学处理一般作用在二值图像中，有一些情况下也会作用在灰度图像中。在图像去噪方面，最常用的形态学算法是形态学开操作（Open）和形态学闭操作（Close），以及它们相结合的开-闭去噪算法。
在OpenCV1.0中有那么一些形态学处理函数：
①腐蚀
void cvErode(
IplImage* src,
IplImage* dst,
IplConvkernel* B = NULL,
int iterations = 1
);
②膨胀
void cvDilate(
IplImage* src,
IplImage* dst,
IplConvkernel* B = NULL,
int iterations = 1
);
其中，src为输入图像；dst为输出图像；B为结构元（SE），默认为3*3参考点在中心的正方形；interations为迭代次数，默认为1次。
③自定义结构元
IplConvKernel* cvCreateStructingElementEx(
int cols,
int rows,
int anchor_x,
int anchor_y,
int shape,
int* values = NULL
);
若用户对默认的结构元不满意，则可以用上面的函数自定义一个适当的结构元。其中cols和rows分别代表结构元的行数和列数；anchor_x和anchor_y分别代表结构元的参考点的横和列坐标；shape可以是矩形（CV_SHAPE_RECT）、十字交叉形（CV_SHAPE_CROSS）、椭圆形（CV_SHAPE_ELLIPSE）、用户自定义结构元里面的数值（values）（CV_SHAPE_CUSTOM）。
④更通用的形态学函数
void cvMorphologyEx(
const CvArr* src,
CvArr* dst,
CvArr* temp,
IplConvKernel* element,
int operation,
int iterations = 1
)
其中，src为输入图像；dst为输出图像；element为结构元（SE）；interations为迭代次数，默认为1次；operation可以是
开操作（CV_MOP_OPEN，不需要t输入temp）、
闭操作（CV_MOP_CLOSE，不需要输入temp）、
形态梯度（CV_MOP_GRADIENT，总是需要temp）、
顶帽操作（CV_MOP_TOPHAT，当src和dst相同时需要输入temp）、
底帽操作（CV_MOP_BLACKHAT，当src和dst相同时需要输入temp）。
（三）总结
本文介绍了在火焰检测时候用到的两种图像预处理方法——平滑滤波和形态学处理，博主假设读者有基本的图像处理知识，
所以并没有很详细地介绍它们的效果和原理，如果读者想深入了解这些技术，可以查阅其他资料或者在评论下面提出，博主
一定尽快回复~本文的每一个字都是博主手打出来的，所以内容并不是很多%>_<%，第一次写的博文写得不好的话大家请原
谅~还有大家想学习什么图像处理基本知识也可以在评论上提出，如果在博主的知识范围内，那么就考虑写一下~好吧，我们
下次见~
下文预告：基于OpenCV的火焰检测（二）——RGB颜色判据
