基于OpenCV的火焰检测（二）——RGB颜色判据

    上文跟大家分享了在做火焰检测中常用到的图像预处理方法，从这一篇博文开始，我将向大家介绍如何一步一步地检测出火焰区域。火焰提取要用
到很多判据，今天我要向大家介绍的是最简单的但是很有效的判据——RGB判据。

    在介绍这个判据之前，博主首先给大家简单介绍一下RGB模型。根据三基色原理，用基色光单位来表示光的量，则在RGB颜色空间，任意色光F都可
以用R、G、B三色不同分量的相加混合而成：

                                    F=r[R]+g[G]+b[B]

    当三基色分量都为0（最弱）时混合为黑色光；当三基色分量都为k（最强）时混合为白。改变了F的坐标值，也即改变了F的色值。

    人眼的视网膜上有两类感光器：锥状体和杆状体。锥状体主要位于视网膜的中间部分，称之为中央凹，且对颜色高度敏感，称为白昼视觉或亮视觉；
杆状体分布面积较大，用来给出视野内的一般的总体图像，没有彩色感觉，而对低照明度敏感，称为微光视觉或暗视觉。由于锥状体对红、绿、蓝三种
颜色的光很敏感，因此一般用于人眼观看的颜色模型是RGB模型。一般来说，无论是在网上下载的图片或视频，还是从摄像机得来的录像，都是RGB
模型。所以，我们从网上下载了一幅火焰图像，不用进行任何的颜色模型转换就可以使用RGB颜色判据来提取区域。

    对于普通的火焰来说，它的红色分量和绿色分量会很大，并且绿色分量会大于蓝色分量，所以我们设下的简单判据是：
                    R > R_avg    AND
                    G > G_avg    AND
                    R > G > B
    其中，R_avg为红色分量的均值。
    在OpenCV1.0中实现很简单，下面先摆出代码：

int cvBGR_CHK(IplImage*img_bgr, IplImage*bgr_chk){
    if (img_bgr == NULL || bgr_chk == NULL){
        printf("func cvBGR_CHK Error:\n");
        printf("img_bgr == NULL || bgr_chk == NULL\n");
        return -1;
    }
    if (img_bgr->nChannels != 3 || bgr_chk->nChannels != 1){
        printf("func cvBGR_CHK Error:\n");
        printf("img_bgr->nChannels != 3 || bgr_chk->nChannels != 1\n");
        return -1;
    }
    CvScalar avg;
    avg = cvAvg(img_bgr);
    CvSize size = cvGetSize(img_bgr);
    IplImage*R = cvCreateImage(size, 8, 1);
    IplImage*G = cvCreateImage(size, 8, 1);
    IplImage*B = cvCreateImage(size, 8, 1);
    IplImage*tmp1 = cvCreateImage(size, 8, 1);
    IplImage*tmp2 = cvCreateImage(size, 8, 1);
    cvSplit(img_bgr, B, G, R, NULL);
    cvCmpS(R, avg.val[2], tmp1, CV_CMP_GT);
    cvCmpS(G, avg.val[1], tmp2, CV_CMP_GT);
    cvMul(tmp1, tmp2, tmp1);
    cvCmp(R, G, tmp2, CV_CMP_GT);
    cvCmp(G, B, G, CV_CMP_GT);
    cvMul(tmp2, G, tmp2);
    cvMul(tmp1, tmp2, tmp1);
    cvConvertScale(tmp1, bgr_chk, 1.0 / 255);
    cvReleaseImage(&R);
    cvReleaseImage(&G);
    cvReleaseImage(&B);
    cvReleaseImage(&tmp1);
    cvReleaseImage(&tmp2);

    return 0;
}

    函数cvBGR_CHK的功能是实现图像的RGB检测，把符合RGB判据的素点置为1，否则置为0，返回的是只有0和1的二值化模板。

    对于写代码的习惯，博主在这里说一下闲话。有些人可能觉得上面函数的格式有点奇怪，特别是返回值，有什么卵用?我的C++老师曾经说过，在做
项目的时候，较为复杂的函数一般不要把返回值作为输出结果。什么意思呢？众所周知，函数返回值只有一个，若想返回两个值或者更多个，用这种
方法就行不通了。对于返回两个或更多个值的函数，在C语言中在输入变量后面，这样就可以轻轻松松地输出两个值。那么返回值不就可以写出void
型的吗?我们的确可以使用void，但是你们想一下，在一个大项目中，往往不止一个函数，那如果运行起来报错了，那么应该怎么找错呢？用断点找？
定位到具体函数要花一定的时间；用编译器自带的检错工具？往往输出并没有什么卵用的信息。如果我们在每个函数里面设定一个对输入输出变量的异
常情况进行自动报错的功能，就会大大简化查错的程序。比如说，在上面的函数中，把检错语句屏蔽掉，我分配给输出变量的内存有三个通道，那么函
数执行肯定会报错，那么我们可不可以简简单单地从系统报错的信息中解决问题呢？首先，我们先运行一把，看看报错信息是啥。

    Unhandled exception at 0x75D3D3CF in FireDectect.exe: Microsoft C++ exception: cv::Exception at memory location 0x0023F3A8.

    有谁可以看出是哪里出了问题吗？反正我不能。再点一下“中断”按钮有木有好的提示?

    ……什么鬼？
    所以说，返回简单的错误信息很重要吧。如果取消屏蔽，那么就会输出：

func cvBGR_CHK Error:
img_bgr->nChannels != 3 || bgr_chk->nChannels != 1

    那我们可以很快解决木有?
    所以，博主做项目的时候都会采用这种习惯来写函数，这样会大大节省查找低级错误的时间。
    闲话就说到这里，下面我们来检测一下图片看看效果如何：

    更多的检测就不在这里重复了，或者有些情况效果不是很好，但要记住，这只是众多判据的其中一个，我们可以两三个判据结合来更精确地提
取区域，这就是以后要分享的东西了。
    今天就分享到这里~欢迎大家多来评论，来找出博主可能存在的错误，希望能和各位图像爱好者共同成长~以后更新会更频繁，大家要继续关注噢~
那么我们下次见~

    下文预告：基于OpenCV的火焰检测（三）——HSI颜色判据