一般市售的Webcam 輸入進來的影像資料格式，大多數都是由紅(R)綠(G)藍(B)，三 原色所組合而成，透過公式(1.1)，將其複雜的資訊轉回資訊較為簡單的灰階圖。而影像
Gary = 0.2989 * R + 0.5870 * G + 0.1140 * B………...……….(公式 2.1)
為D-d。
圖2- 2 侵蝕示意圖 (c) 斷開與閉合
由(a)與(b)知道了型態學的基本運算後，則可以在推演出斷開與閉合這兩種運算。當 A 被 B 型態學上的斷開(opening)，表示成 A。Ｂ，就是 A 被 B 侵蝕，再將結果以 B 膨 脹，在數學上則標記為A。Ｂ A B B(圖 2-5)。A 被 B 型態學上的閉合(closing)，
表示成A．Ｂ，就是Ａ被Ｂ膨脹，再將結果以Ｂ侵蝕，在數學上則標記為A‧Ｂ A
B B(圖 2-6)。而本實驗則是使用到型態學中的閉合，此方法會在 3-2-2 節中使用到，
而本實驗由於在做閉合運算時有經過一個反閘，所以雖然是用閉合，但效果是跟斷開一 樣此方法將會在3-2-2 小節中使用到。
圖2- 3 斷開示意圖
圖2- 4 閉合示意圖
2-1-3 連接區塊標記法
連接區塊標記法(Connected Component Labeling)[10][11]是將二值化影像中相鄰像
素所組成的區塊給予同一種標記，表示其為同一區塊。區塊連接法又分成 4 鄰近
(4-connected)標記法與 8 鄰近(8-connected)標記法，如圖 2-1 所示。
圖2- 5 4 鄰近標記法與 8 鄰近標記法圖
圖形的掃描方式會由左上到右上，依循向下，直至左下到右下，在由右下回至左上，
這樣即可完成整張圖片的掃描方式。而區塊連接法的資料讀寫方式則如下圖 2-2，在圖
2-2 中的左圖為 4 鄰近標記法的掃描，X、Y 為掃描的像素值，(1)~(5)則為資料讀寫順序。
而右圖則為八鄰近標記法的資料讀寫方式，同理四鄰近標記法。此方法將會在 3-2-2 小
節中使用到。
圖2- 6 區塊連接標記法資料讀寫順序
2-2 固定鏡頭下目標物分割
在固定鏡頭下過濾出目標物體，近年來已經有相當多的研究與方法被提出。背景相 減法[12](圖 2-6)是將背景記錄下來，在將後來的影像與背景相減進一步過濾出目標物體，
這種演算法雖然能夠很準確的過濾出我們所要的目標物，但對以後想要移植到硬體，則 會造成需要很大的記憶體來儲存背景。等位集合法(Level Set Method)[13][14](圖 2-7)是 以微分方程解為基礎，可依垂直於輪廓的法線方向自動的收縮出形狀，也可自然的掌握 轉角和尖端部分的變化，此方法可處理複雜背景，但速度卻過於緩慢。光流法(optical flow)[15](圖 2-8)是利用物體的運動通過圖像序列中不同點的灰度分佈的變化，而光流場 反映了圖像上每一點的灰度的變化趨勢，進一步追蹤出物體。二值化法[16](圖 2-9)，是 先將圖片整個資訊轉為灰階形式，在將灰階全都以0、1 來表示，並設立一閾值(threshold)，
進一步過濾出目標物，此方法很適合處理一直在運動的目標物，但是若目標物停止時，
則無法偵測。
圖2- 7 背景相減法
圖2- 8 等位集合法
圖2- 9 光流法
二值化的動作是利用 pixel-by-pixel operation 把一張灰階圖(gray image)變成一張 只有(黑、白)二值的圖。假設原來的灰階圖為 F，其中任何一個像素 f ( i , j )的亮度值都 是介於[0,255]，此外在設定二值化過程的閾值(threshold)為 T，且二值化以後的影像為 b ( i , j )，則實際的二值化運算式為下(2.1)[16][17]。而在本研究中，為了精確的追蹤出目 標物，因此閾值的設定，為一可調變的值，讓研究人員可在不同的時間以及環境下，設 立最為適當的閾值。
b i, j 1 if f i, j T
0 otherwise
……….公式(2.1)[17]由於草履蟲的移動速度很快，而Webcam 內建的 CMOS 晶片，對光源非常敏銳，
因此我們所需要的演算法必須是處理速度夠快速，並且光源的影響不大。因此本研究是 採用二值化法來做為我們主要研究的目的，並且再設定兩面積閾值，過濾較大與較小的 雜點，以成功的過濾出我們所要追蹤的目標物。