OpenCV背景扣除

Ori*_*ion 1 python opencv

我正在使用背景减法,并且正在使用python进行此操作,但是当我使用代码时,它只是通过接缝为我提供了相机看到的黑白图像。据我所知,如果镜头前没有任何东西移动,那么所有东西都应该变黑,但这是我所得到的图像。

问题截图:

这是我正在使用的代码。

import numpy as np
import cv2
import time

cap = cv2.VideoCapture(0)

kernel = cv2.getStructuringElement(cv2.MORPH_ELLIPSE,(3,3))
fgbg = cv2.BackgroundSubtractorMOG()

while(1):
    ret, frame = cap.read()

    fgmask = fgbg.apply(frame)
    fgmask = cv2.morphologyEx(fgmask, cv2.MORPH_OPEN, kernel)

    cv2.imshow('frame',fgmask)
    k = cv2.waitKey(30) & 0xff
    if k == 27:
        break

cap.release()
cv2.destroyAllWindows()
Run Code Online (Sandbox Code Playgroud)

我究竟做错了什么?

Ekr*_*ğan 5

首先,您应该对灰度图像执行背景减法。基本上,您应该做的是首先将一个帧保存为参考,然后从后续帧中减去它。

您希望事先进行某种模糊处理,然后再进行扩散处理以减少噪声。

这是基本代数可以执行的最基本的背景减法运算。您需要一个减法和几个形态运算。

import numpy as np
import cv2
import time

cap = cv2.VideoCapture(0)
ret, first = cap.read()

# Save the first image as reference
first_gray = cv2.cvtColor(first, cv2.COLOR_BGR2GRAY)
first_gray = cv2.GaussianBlur(first_gray, (21, 21), 0)

while True:
    ret, frame = cap.read()

    if not ret:
        break

    gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
    gray = cv2.GaussianBlur(gray, (21, 21), 0)

    # In each iteration, calculate absolute difference between current frame and reference frame
    difference = cv2.absdiff(gray, first_gray)

    # Apply thresholding to eliminate noise
    thresh = cv2.threshold(difference, 25, 255, cv2.THRESH_BINARY)[1]
    thresh = cv2.dilate(thresh, None, iterations=2)

    cv2.imshow("thresh", thresh)
    key = cv2.waitKey(1) & 0xFF

    # if the `q` key is pressed, break from the lop
    if key == ord("q"):
        break

cap.release()
cv2.destroyAllWindows()
Run Code Online (Sandbox Code Playgroud)

  • @Miki BackgroundSubtractorMOG是在OpenCV中实现的高级背景扣除操作。为了继续进行BackgroundSubtractorMOG之类的高级实现,人们应该完全理解背景扣除的想法。我们应该向提出此类问题的人们正确解释概念的基本概念,例如背景扣除,而不是向他们提出高级功能。 (3认同)
  • @Miki 问题可以解释为“如何使用 OpenCV 执行背景减法”。问原始问题的人很可能尝试了他在互联网上偶然发现的第一个例子,无法弄清楚并在这里发布。无论你喜欢与否,这都回答了这个问题。 (3认同)
  • 或者,我们应该教他们如何正确使用库函数,而不是重新发明轮子。但是,我担心的是,这没有解决问题,因为您没有指出代码中的错误并提供了解决方案。 (2认同)
  • 这里不是讨论的地方,我将不再赘述。我的观点是,尽管这是一个有价值的教程,但并不能回答问题。 (2认同)