2024年【OpenCV】“帧差法”实现移动物体的检测(车辆识别,差点挂在第四面

img
img

网上学习资料一大堆,但如果学到的知识不成体系,遇到问题时只是浅尝辄止,不再深入研究,那么很难做到真正的技术提升。

需要这份系统化的资料的朋友,可以添加戳这里获取

一个人可以走的很快,但一群人才能走的更远!不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人,都欢迎加入我们的的圈子(技术交流、学习资源、职场吐槽、大厂内推、面试辅导),让我们一起学习成长!

2、灰度处理+帧差计算

3、二值化

4、腐蚀

5、膨胀

6、框选出车辆

三、全部代码+实现效果

1、代码

2、车辆检测效果

四、帧差法存在不足之处


一、帧差法

1、概念

帧差法是一种通过对视频图像序列中 相邻两帧作差分运算来获得运动目标轮廓的方法,它可以很好地适用于存在多个运动目标和摄像机移动的情况。

当监控场景中出现异常物体运动时,帧与帧之间会出现较为明显的差别,两帧相减,得到两帧图像 亮度差的绝对值 ,判断它是否大于 阈值 来分析视频或图像序列的运动特性,确定图像序列中有无物体运动。

2、为什么帧差法可以检测运动的物体?

😎还记得小时候的葫芦娃动画吗?每个人物其实都是一张剪纸,也被叫做“剪纸动画”,剪一张就是一帧,假设葫芦娃动画为每秒25帧,1秒内连续播放25张不同的剪纸。

😎因为每一帧之间是有差异的,所以我们可以看到剪纸起来了。

  • 😋博主演示一遍剪纸动画,让大家更直观的感受

博主有以下同一条鲨鱼的不同形态的png图片,使用图片查看来切换显示每一张图片

👀可以看到鲨鱼动起来了!!!

😎因此可以通过判断 前后两帧是否相同 ,来判断是否有运动的物体,即通过帧差法来检测运动的物体。

😁所以下面跟着博主来学习使用OpenCV通过帧差法来进行移动车辆的识别。当然不止可以识别车辆,其他移动的物体也可以识别。

二、使用OpenCV配合帧差法实现车辆识别

  • 开发工具

🔎Qt 5.8.0  +  OpenCV

1、加载视频

  • 通过VideoCapture来加载本地视频,循环读取每一帧并进行显示
int main(int argc, char *argv[])
{
    Mat frame;

    VideoCapture cap("D:/QT-Project/image/carMove.mp4");
    while(cap.read(frame))
    {
        //读取一帧显示一帧
        imshow("frame", frame);

        //延时
        waitKey(25);
    }
    return 0;
}

2、灰度处理+帧差计算

  • 为了提高计算机的运算速度,图像处理前一般将图像转成灰度图

因为彩色图片是3通道(RGB)24位深度的图像,而灰度图是单通道8位深度的图像,因此处理灰度图比彩色图效率快多了。

  • frontMat为前一帧,afterMat为后一帧
//灰度处理
cvtColor(frontMat, frontGray, CV_BGR2GRAY);
cvtColor(afterMat, afterGray, CV_BGR2GRAY);

//帧差处理 找到帧与帧之间运动的物体差异
absdiff(frontGray, afterGray, diffGray);
  • 效果:原图(左)、处理后(右)

通过下图可以发现检测是检测出来了,但是画面非常的暗淡(不清晰),因此需要通过二值化来让图像更清晰点。

3、二值化

  • 通过threshold函数将图像二值化

参数一为原图,参数二为处理后的图,直接将处理后的图覆盖掉原图即可

//二值化:黑白分明 会产生大量白色噪点
threshold(diffGray, diffGray, 25, 255, CV_THRESH_BINARY);
  • 下面是二值化处理过后的效果

可以发现图像确实是变“清晰”了,因为二值化后的图像只有黑白两种颜色。并且我们还可以发现白色噪点非常多,因为摄像机抖动,风吹树叶等原因,因此还需要通过腐蚀来去除掉这些白色噪点。

4、腐蚀

  • 概念

腐蚀是针对图片的二值化数据进行操作的,主要是针对高亮部分。使用算法,将图像的边缘腐蚀掉。作用就是将目标的边缘的“毛刺”踢除掉。

如下图所示:

  • 通过erode函数将图像进行腐蚀
//腐蚀处理:去除白色噪点 噪点不能完全去除,反而主要物体会被腐蚀的图案都变得不明显
Mat element = cv::getStructuringElement(MORPH_RECT, Size(3, 3));
erode(diffGray, diffGray, element);
  • 下面是腐蚀之后的效果

😧白色噪点确实是被去除了,但是我们的车辆也被腐蚀的不成车样(内部坑坑洼洼的),所以还需要通过膨胀将车辆进行进一步处理。

5、膨胀

  • 概念

膨胀是针对图片的二值化数据进行操作的,主要是针对高亮部分。使用算法,将图像的边缘扩大些。作用就是将目标的边缘或者是内部的坑填掉。

如下图所示:

  • 通过dilate函数将图像进行膨胀
//膨胀处理:将白色区域变“胖”
Mat element2 = cv::getStructuringElement(MORPH_RECT, Size(20, 20));

dilate(diffGray, diffGray, element2);
  • 下面是膨胀之后的效果

img
img

网上学习资料一大堆,但如果学到的知识不成体系,遇到问题时只是浅尝辄止,不再深入研究,那么很难做到真正的技术提升。

需要这份系统化的资料的朋友,可以添加戳这里获取

一个人可以走的很快,但一群人才能走的更远!不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人,都欢迎加入我们的的圈子(技术交流、学习资源、职场吐槽、大厂内推、面试辅导),让我们一起学习成长!

…(img-tgDnb26M-1715591226674)]
[外链图片转存中…(img-svf9MTVX-1715591226674)]

网上学习资料一大堆,但如果学到的知识不成体系,遇到问题时只是浅尝辄止,不再深入研究,那么很难做到真正的技术提升。

需要这份系统化的资料的朋友,可以添加戳这里获取

一个人可以走的很快,但一群人才能走的更远!不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人,都欢迎加入我们的的圈子(技术交流、学习资源、职场吐槽、大厂内推、面试辅导),让我们一起学习成长!

  • 16
    点赞
  • 32
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
差法是一种基于视频之间的差异来检测运动物体的方法。具体实现方法如下: 1. 读取视频流,并将前两分别存储在img1和img2中。 2. 将img1和img2转换为灰度图像,可以使用cv::cvtColor函数。 3. 将img1和img2进行差分,得到一张差分图像diff。 ``` cv::absdiff(img1, img2, diff); ``` 4. 读取下一图像,并将其转换为灰度图像。 5. 将img2和当前进行差分,得到一张差分图像diff2。 ``` cv::Mat img3; cap >> img3; cv::Mat gray3; cv::cvtColor(img3, gray3, cv::COLOR_BGR2GRAY); cv::Mat diff2; cv::absdiff(img2, gray3, diff2); ``` 6. 将diff和diff2进行二值化处理,得到两张二值化图像。 ``` cv::Mat thresholded; cv::threshold(diff, thresholded, 50, 255, cv::THRESH_BINARY); cv::Mat thresholded2; cv::threshold(diff2, thresholded2, 50, 255, cv::THRESH_BINARY); ``` 7. 对两张二值化图像进行逻辑与操作,得到一张包含运动目标的二值化图像。 ``` cv::Mat motion; cv::bitwise_and(thresholded, thresholded2, motion); ``` 8. 对二值化图像进行形态学操作,可以使用cv::erode和cv::dilate函数,以去除噪声和填补空洞。 9. 使用cv::findContours函数寻找轮廓,并对轮廓进行进一步处理,例如计算其积、周长等。 ``` std::vector<std::vector<cv::Point>> contours; cv::findContours(motion, contours, cv::RETR_EXTERNAL, cv::CHAIN_APPROX_SIMPLE); for (const auto& contour : contours) { double area = cv::contourArea(contour); double perimeter = cv::arcLength(contour, true); // 进一步处理轮廓 } ``` 以上就是基于c++ opencv4.6实现差法检测物体的大致流程。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值