影像處理

此章節是人體坐姿判讀流程的第一步驟，在此我們將會介紹如何 把拍攝到的原始圖檔處理成我們所需要的人體坐姿圖形，首先介紹如 何將原始圖檔去除背景，之後引入一平滑濾波器做一些處理，最後則 是將圖片中的人體姿勢部分擷取出來，以利下一步驟類神經網路分析 的處理。

2-1 去除背景

在進行影像處理之前，我們必須將原始的圖片從彩色的 RGB 圖 檔轉換成灰階圖檔。之所以要將圖檔轉換成灰階圖檔，一來是因為灰 階圖檔是二維矩陣的表示方式，且每個像素（pixel）由 8 個位元來表 示，故灰階值的變化可以從 0 到 255，而彩色圖檔為三維矩陣且每一 像素需要用 24 位元來表示，相較之下用灰階圖能夠較省空間；二來 是因為若將圖檔用灰階表示之，則其物件的輪廓會比用彩色表示更加 明顯。因此，我們每次拍攝到的坐姿圖，都會先將其轉成灰階圖檔後 才能做後續的處理。

圖檔的座標格式與我們常用的座標格式略有不同，如圖 2-1-1 所 示，由圖 2-1-1 我們可以發現圖檔的原點是在左上角，且圖檔座標的 表示法是先行(row)後列(column)，與我們所用的在卡氏座標中描述一

點的座標時，x 座標為橫坐標 y 座標為縱座標的方式不同。

在本研究採取的背景消除方法是採用相減法，其處理過程分成兩 步驟，第一步驟是先校正光度，第二部份則是將校正光度後的圖片與 背景圖做相減的動作。在此我們將椅子視為不會移動的背景之一，意 即背景圖是指椅子上尚未坐人時的圖檔，人體坐姿圖則是人坐在椅子 上的圖檔，將兩張圖相減之後，相同的部分就會變成零，不同的地方 就是人體姿勢取代原本背景圖的地方，因此這兩張圖有灰階值變化的 地方就是整個人體姿勢圖。因為在實際過程中，拍攝背景圖與人體坐 姿圖時光度可能會產生了改變，所以在將兩張圖檔做相減的動作之前 需要先做光度校正的處理。

在本研究中光度校正的過程為：先從背景圖的左上角取一小塊像 素的背景灰階值，再從人體坐姿圖中相同位置的地方取一塊像素的背 景灰階值，之後用從人體坐姿圖中取出的這一塊像素的灰階值各自去 除上背景圖中相同位置的灰階值，用以判斷此時人體坐姿圖與純背景 圖的光度變化了多少，之後再將得到的灰階值變化取平均，最後用人 體坐姿圖去除上這個灰階變化值的平均，就完成光度校正的工作了。

我們用圖檔座標的格式來描述背景圖與人體坐姿圖的灰階值，令背景 圖中各畫素的灰階值為B ,

 

 

式：

2-2 高斯平滑濾波（Gaussian Smoothing filter）

空間濾波器一般又稱為幕罩（mask），使用幕罩對於影像處理的

法將一個33矩陣的幕罩與以

 

1. 在二維的平面中，二維高斯函數是一個環狀對稱，對於任何

2-3 擷取目標圖型

為了要將姿勢圖與背景圖完全的做出區隔，在此我們要對影像進 行二元化的處理。

所謂的二元化處理乃是將影像變成只用 0 跟 1 這兩種值來表示 之，值為 0 呈現黑色，值為 1 則呈現白色。一來可以使圖上只留下需 要的人體坐姿圖（將其變成 1），完整消除不要的人體坐姿圖之背景

（將其變成 0），二來是為了簡化後續圖形參數的計算，將姿勢圖中 各畫素的灰階值都變成相同的值（同為 1），就可以將人體姿勢圖上 的各分點都視為均值（uniform）分布的狀態。

要想將影像做二值化處理，最簡單的方式就是設定一個閥值

（threshold），藉由邏輯二元分類的概念，將各畫素灰階值大於此閥 值的灰階值令為 1（白色），將小於此閥值的灰階值令為 0（黑色），

如此一來就可以將人體坐姿圖與背景單調化，造成完全分離的黑白對 比現象。

至於閥值的大小應該要如何設立呢？如果閥值選擇的過小，則會 造成除了人體坐姿圖點外還有其他外在背景圖像的干擾；但如果閥值 選擇的過大，則會造成人體坐姿圖中有部分的人體圖象消失，使得圖 形失真。我們先觀察經過高斯平滑濾波之後的坐姿圖形與其灰階分布 圖，由圖 2-3-1 與圖 2-3-2 所示，由於高斯平滑濾波會對於背景的雜

訊有消除的能力，所以由圖 2-3-1 可看出背景（黑色）的部分佔了整

的時候，對於腳的部分需要考慮嗎？例如圖 2-3-4 與 2-3-5，若是不看 椅子以下小腿的部分，只看椅子以上的部分，兩張圖的姿勢可以說是 一模一樣的！且人眼的直觀判斷上，我們會將這兩張圖視為相同的

「正」的姿勢，畢竟，當我們在判斷一個人的坐姿為正或不正的時候，

其實看的部分也只專注在人體的「上半身」是否有歪斜。因此我們可 以說：要判斷人體姿勢正與不正，只需要看上半身的部分即可。然而 對於上半身的說法，我們在此分成兩種類型的擷取方式：一類是較寬 鬆的上半身擷取，只刪掉小腿以下的部分，保留椅子以上的人體部 份；另一類是嚴格的上半身擷取，只看人體的軀幹部份，也就是刪掉 小腿、大腿以及手的部分，只剩下頭與身軀的部份。

要想從完整的人體姿勢二元圖型中去擷取出我們所要的目標上 半身圖型，必須要先知道小腿、大腿與手會分別分佈在什麼樣的區域 中。因此就先以一九宮格的框架來框出人體上半身的區域，之後再從 九宮格去對應所要刪除的區域為何，進而達到擷取圖形的動作。然而 九宮格要怎麼建立呢？在此我們建立九宮格的方式為從「標準坐姿」

下手。所謂的標準坐姿，就是用來判斷坐姿正與不正的依據坐姿。一 個判斷系統必須要先有一個標準所在，之後才能夠對於後續資料進行 判斷，因此本研究的坐姿判斷系統也必須要先建立起標準坐姿，才能 判斷現在所拍攝到的姿勢是正或不正。而標準坐姿的建立方式非常簡

單，就是在一開始的時候請受試者擺出一個正的坐姿，之後將此坐姿

其中 n 為圖形的列數(column number) ，m 為圖形的行數(row number)

的劃分動作就完成了。

根據九宮格的分布狀態可以看出大腿就出現在格 9 處，手會出現 在格 6 處，小腿為九宮格之下。寬鬆的上半身擷取就只需要刪掉小 腿，也就是把九宮格以下的部分的畫素都變成 0(黑色)，如圖 2-3-10 所示。至於刪除椅子上的大腿與手的部分應該要如何刪除呢？由於一 般人的上臂圍約為大腿圍的一半，而大腿圍約為腰圍再少 10 毫米，

因此我們將大腿寬視為腰的寬度，手的寬度視為大腿寬的一半，而腰 的寬度即是我們剛剛畫分九宮格的格寬，也就是人體軀幹從背部到胸 腹部之間的距離。因此，如果格九中出現的人體圖形部分之行高開始 小於的小於九宮格格寬時，即視為進入大腿的部分；若格六中出現的 人體圖形部分的行高開始小於¹

2九宮格格寬時，即視為進入手臂的部 分，當找出手臂與大腿之後，便將其畫素值視為 0（黑色），經過這 樣的刪除結果，最後人體的姿勢圖就只會剩下軀幹的部分而已，如圖 2-3-11 所示。

由標準坐姿所畫分出九宮格的大小，之後便將此九宮格定型，當 受試者陸續產生不同的坐姿時，我們則將完成九宮格產生左右移動來 框出人體的坐姿分布。因為椅子視為背景的部分所以不會改變，故高 度方面不需要做任何調整，至於左右要移多少呢？在標準坐姿時畫分 背部與胸腹部是藉由人體坐姿圖形的縱向畫素值大於最大高度的一

半當做劃分處，因此我們也利用同樣的方式先找出受試者之後的坐姿 在縱向畫素大於最大高度¹

2處的左右格線，然後求這兩條線列座標的 中間值當做是中心九宮格新的中心點。如果是正的坐姿，則左右格線 切割出來的分佈圖會和標準坐姿圖是一樣的，會切在人體的背部與胸 腹部處，如果不是正的坐姿，則切出來的圖形就不會剛好是背部與胸 腹部處，由圖 2-3-12 可以看出坐姿不正時所切出來之結果，圖 2-3-13 為此坐姿刪除小腿之結果，圖 2-3-14 則為此坐姿刪除格 6 手的部分 與格 9 大腿部分之結果。

圖 2-1-1 影像座標示意圖

(a) 背景校正光線選取區塊

(b) 人體姿勢圖校正光線選取區塊

(c) 校正後相減去背景圖

圖 2-1-2 光度校正圖

圖 2-2-1 幕罩運算範圍示意圖

圖 2-2-2 一維的高斯函數圖

圖 2-2-3 二維的高斯函數圖

圖 2-3-1 高斯濾波後之圖形

圖 2-3-2 高斯濾波後圖形之灰階分佈

圖 2-3-3 經閥值判斷後之二元圖

(a) 原始圖形

(b) 二元圖形

圖 2-3-4 正姿圖形一

(a) 原始圖形

(b) 二元圖形

圖 2-3-5 正姿圖形二

(a) 原始圖形

(b) 二元圖形

圖 2-3-6 標準坐姿二元圖

(a) 九宮格判斷條件示意圖

(b) 九宮格劃分圖

圖 2-3-7 九宮格劃分預想圖

圖 2-3-8 九宮格實際架構圖

圖 2-3-9 九宮格實際完成圖

圖 2-3-10 刪除小腿之上半身圖

(a) 欲刪除之部分

(b) 實際刪除之結果

圖 2-3-11 刪除小腿、手與大腿之上半身圖

圖 2-3-12 非標準坐姿劃分九宮格圖

圖 2-3-13 非標準坐姿刪除小腿之上半身圖

圖 2-3-14 非標準坐姿刪除小腿、手與大腿之上半身圖