1、靜態特徵：顏色、形狀、紋理
2、動態特徵：面積變化、邊緣變化、形體變化和整體移動
在火焰識別中，用得最多的火焰靜態特性就是火焰的顏色特性。對於 rgb 影象而言，任一畫素點的三個顏色分量值滿足設定的關係即可認定為火焰畫素。最通用的一種關係式如下公式所示。
當然，也可以認為的根據特定環境設定具體閥值來獲取火焰畫素,如下公式所示。
以上演算法帶有明顯的主觀性，可以簡化計算，但是通用性不強。如果對火災火焰的顏色分布進行統計，那麼可以看到火災火焰顏色在三維空間內的分布區域邊界是三維曲面，難以擬合。並且，火焰的顏色受到燃料種類、攝像頭型別、背景顏色和光照環境的影響較大。
由於火災火焰是乙個從無到有的過程，所以火災發生的早期火焰影象面積、外形、位置等引數也都是不斷變化的。把這些特徵資訊提取出來能夠很好的將火災影象與其他干擾區分開來。面積變化，早期火災是著火後火焰不斷蔓延擴大的過程。在此階段，火焰的面積也是呈連續的、擴充套件性的增加趨勢。邊緣變化，早期火災火焰的邊緣變化有一定的規律，具有「邊緣抖動」的特性。所以，火焰邊緣的形狀、曲率等特徵量的變化可以用於火災判定。形體變化，早期火災火焰的形體變化反映了火焰在空間分布的變化。主要包括：火焰的形狀變化、空間取向變化和火焰抖動。整體移動，早期火災火焰是不斷發展的火焰，隨著舊的燃燒物燃盡和新的燃燒物被點燃，火焰不斷的、連續的移動著位置。
Particle Fire 粒子火焰
粒 子火焰可以說是particle system在2d圖象上的經典應用，曾經有乙個著名的粒子火焰螢幕保護，可以說是將2d particle system的能力發揮到了及至。本文所介紹的程式mypfire 左圖 即是仿照該屏保所做，但是限於imagic的時間和能力，mypfire在任何 方面都無法超越...
opencv 火焰提取
在網上找了些 湊了湊 好歹實現了把火焰提取出來，演算法主要是ostu演算法，網上關於ostu的解釋很多，大家可以看看，我就直接貼圖了 了，圖大了點，希望對大家有用 如下 include cv.h include highgui.h include include include include os...
燃燒的火焰
將學習的知識點 影象在microbit螢幕上顯示之前，是什麼樣的 乘法運算子怎麼處理客串 數字 影象 怎麼檢測microbit 發生搖晃 怎麼選擇隨機數 怎麼讓microbit上的影象移動和變淡 所需工具 硬體 microbit主機板 資料線軟體 mu 或 upycraft micropython ...