主要完成两个视频中火焰的检测，主要结合RGB判据和HIS判据，设定合适的阈值条件，检测出火焰对应像素的区域，将原图二值化，经过中值滤波以及数学形态学的膨胀运算等图像处理，消除一些噪声及离散点，连通一些遗漏的区域。基于OpenCV的开源库，在VS2013平台上，实现了两个视频中火焰的检测。
利用OpenCV有强大的图像处理库，直接将图像分离为RGB三通道，设置条件限制，找到火焰的像素位置，将原图处理成二值图像。对于火焰检测，本文结合RGB判据和HIS判据，分割出火焰的区域。一般用于人眼观看的颜色模型是RGB模型，对于火焰而言，红色分量(R)和绿色分量(G)会很大，并且绿色分量(G)会大于蓝色分量(B)。HIS颜色模型分别用H(色度)S(饱和度)I(亮度)描述颜色特性，与人们感受颜色的方式紧密相连。考虑到单一颜色模型的判据准确性不够高，在RGB判据基础上，添加HIS约束条件。具体条件[1]为：
其中，Rt是红色分量阈值，St是饱和度阈值,火焰像素主要取决于红色分量(R)的色度和饱和度。若满足式(1)，则判断该位置为火焰像素，显示为白色，否则显示为黑色。判据中阈值的选择对于火焰检测是至关重要的，一般靠经验设定，为了获取火焰识别最好的效果，设置两个滑动条，改变阈值Rt和St的大小，选取最合适的值。
由于(1)中只需要用到HIS中的S分量，所以不需要用到颜色模型转换函数，直接计算S分量即可。
获取二值图像后，需要对其预处理，找到遗漏的点，剔除异常的点。由于存在噪声及离散点，对图像进行平滑滤波，本文采用的是中值滤波，中值滤波是典型的非线性滤波，用像素点邻域灰度值的中值来代替该像素点的灰度值，非常利于消除一些误判断为火焰的像素点。
由于部分火焰的颜色不是介于红黄之间，无法识别，需要实现区域的连通，因此对二值图像进行数学形态学操作。形态学是一种强大的图像处理工具，它可以实现图像去噪、图像分割等功能，最基本的形态学操作有两种，分别是膨胀与腐蚀。它们可以衍生出很多强大的形态学算法，实现我们想要的功能。
