1 圖像的預處理
    由于預先捕獲的高炮射擊錄像存在一些問題，如圖像灰度不均勻，整幀圖像的灰度范圍較小，這樣顯得對比度不夠，模糊不清，目標與周圍景物之間的灰度差別很小，這樣的圖像直接進行目標的提取將比較困難，使目標的輪廓不清，這樣需要我們預先對圖像進行圖像增強處理，從而除去圖像中的噪聲，使邊緣清晰以及突出圖像中的某些性質(zhì)等。圖像增強技術可使圖像灰度級的動態(tài)范圍增大，變的輪廓比較清晰，對比度增大，使目標及彈丸與背景的灰度區(qū)別增大，易于從背景圖像分離出來進行處理。通過修正直方圖而增強對比度是圖像增強最常用，最重要的一種方法。
    直方圖修正中最優(yōu)性質(zhì)的是直方圖均衡。圖像直方圖均衡處理就是用灰度變換函數(shù)對輸入圖像直方圖進行修正，修正后的圖像直方圖趨向均勻分布。
    設rk為原始圖像的第k級灰度，sk為變換后圖像的的第k級灰度，那么直方圖均衡的具體方法如下：
    首先計算原始圖像的灰度級直方圖，用n(i)(i=0，1，…255)表示。
    計算灰度級的變換函數(shù)T(rk)

   
    其中，N是圖像的像素總數(shù)，然后根據(jù)灰度級變換函數(shù)T(rk)完成圖像的灰度級變換。
    由于只是圖像灰度級概率密度函數(shù)的近似，因此經(jīng)過直方圖均衡后，只能得到接近平坦的直方圖。

2 圖像分割
    圖像分割一直是圖像處理領域中的重點和難點，是實現(xiàn)自動圖像分析時首先需要完成的操作，圖像在分割后的處理，如特征提取，目標識別等都依賴圖像分割的質(zhì)量。
2．1 圖像的二值化處理
    首先，逐像素掃描，統(tǒng)計0～255每一個灰度等級上的像素數(shù)量，相當于畫一個灰度直方圖，橫軸為灰度等級，縱軸為像素數(shù)量。掃描完畢計算整幅圖像的灰度平均值。按灰度等級低到高的順序掃描直方圖，記錄每個拐點(包括峰值和谷值)的灰度和數(shù)量。
    接著，設一個灰度門限值(比如16)，合并該門限值內(nèi)的峰值和谷值。比如，兩個峰值相差15個灰度，則按加權平均的原則計算新的灰度值(權為各自的像素數(shù)量)，將其像素數(shù)量相加作為新的像素數(shù)量，并將原來的兩個峰值和其間所有的谷值刪掉。
    然后，尋找相鄰且灰度上相差最大的兩個峰值，較小的峰值的灰度應小于灰度平均值。將這兩個峰值中間的谷值的灰度作為二值化的閾值。
    最后，將圖像像素逐一同閾值比較。小于閾值的作為前景，置為l；大于閾值的作為背景，置為0。將結果填入一個與原圖像同樣大小的二維數(shù)組。
2．2 區(qū)域生長
    區(qū)域生長的基本思想是將圖像中滿足某種相似性準則的像素點集合起來構成區(qū)域。
    1)逐像素掃描二維數(shù)組，找出第一個為1的像素，將其坐標歸入一個前景塊數(shù)組，原像素清0(這樣下次將不再掃描該像素，避免死循環(huán))；
    2)搜索該像素的四鄰域(上、下、左、右)像素，找出為1的像素，壓入堆棧，并歸入1)中的前景塊數(shù)組，原像素清0；
    3)從堆棧中取出一個像素，回到步驟2)；
    4)堆棧為空時，回到步驟1)(這時將建立另外一個前景塊數(shù)組)；
    5)重復1)～4)，直到掃描完圖像中的每一個像素。

3 特征提取
    1)長寬比：在“三”的過程中記錄下每個前景塊在水平、垂直兩個方向上最大和最小的坐標值，得到其外接四邊形，則長寬比=(水平最大值一水平最小值)／(垂直最大值一垂直最小值)；
    2)面積：累計每個前景塊的像素數(shù)量，得到其面積；
    3)形心：X=(水平最大值+水平最小值)／2，Y=(垂直最大值+垂直最小值)／2。

4 確定目標
    1)視頻的前1秒鐘用于確定目標模板。如果這40幀畫面中均只有一個前景塊，則這個前景塊即為目標，最后一幀時的目標特征作為模板。如果畫面中存在超過1個的前景塊，則比較這些前景塊的特征，找出連續(xù)出現(xiàn)的那個前景塊作為目標，其最后一幀的前景塊特征即為目標模板；
    2)將新一幀所有前景塊的特征與目標模板進行比較。先比較長寬比，找出所有與目標模板相差不超過10％的前景塊。再比較形心位置，取距目標模板最近的作為新的目標。如果有一個以上的前景塊與原目標距離相同且最小，再比較面積，取面積最相近的作為新目標。新目標的特征即作為新的目標模板。

5 小結
    圖像模式識別是一門新興學科，它的不斷完善，不僅在理論研究上取得了很大的發(fā)展，而且應用領域也日益擴大。