由于近年来全球气候变化加剧，导致部分地区的火灾频发，毁坏了森林，破坏了动物和人类的生存空间，像澳大利亚的山火，所以需要在初期的时候进行判断火灾情况，也就要求我们需要比较好的数据分析火灾，因此我对于计算机相关的图像处理问题进行了研究。
一·开始可以利用opencv图像处理技术来经行处理图像。
主要原理如下：
由图中通过利用RGB和HSI（色调、饱和度和亮度）来感知颜色，综合进行使用我们可以很好的看出t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，如果有某处出现了火焰，那么图片就会显示出一片白色的图案，反之则为黑色图案。如果要更加好地去利用火焰识别，就需要去选取适当的阈值Rt和St的大小。
二·合理地进行图片去噪。
在进行图像识别的时候，会因为图片本身的问题，比如并非所有火焰的颜色都为红色，可能有部分为黄色或者微蓝色，对图像的识别进行了影响，需要对图像进行去噪，所以可以用到最为典型的高斯噪声进行图片去噪。其中非常值得关注的是对于滤波的使用，均值以及中值都有着非常特别的优势，但都会出现一些不可忽视的问题，比如均值滤波会在抑制噪声的过程中损失图像的边缘等细节信息从而导致整幅图像模糊的问题。主要的细节如下：
三·选择恰当的阈值分割方法
阈值分割是图像分割中一类最早被研究和使用的方法，其具有物理意义明确、效果明显、易于实现、实时性良好的特点它特别适用于目标和背景占据不同灰度级范围的图像。它不仅可以极大的压缩数据量，而且也大大简化了分析和处理步骤，因此在很多情况下，是进行图像分析、特征提取与模式识别之前的必要的图像预处理过程。阈值分割的基本思想就是根据某一阈值T将图像分为两部分：前景和背景。但是当图像的前景和背景区域的灰度值分布并不均匀时就需要用到多个阈值来提取目标。对于火焰图像的识别就需要进行比较细致的分割了，来提高识别准确率。
