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。
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!
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
我们的车辆变成一个个大方块了,做到这一步差不多就可以来标记运动的车辆了,只要画矩形将白色大方块框起来即可。
6、框选出车辆
- 下面是用白色的框框,框选出来的效果
框选的原理就是找到白色方块最左边的点与最右边的点,得到之间的大小差距(矩形宽),找到白色方块最上边的点与最下边的点,得到之间的大小差距(矩形高)。
通过宽高即可画出一个把白色方块包含在内的矩形,矩形左上角坐标通过白色方块最上方的值和最左方的值来确定。
- 我们只要将白色方框改个显眼的颜色,并在原视频的对应位置画出这个框框即可。下面附全部代码。
三、全部代码+实现效果
1、代码
#include <iostream>
#include <opencv2/opencv.hpp>
using namespace std;
using namespace cv;
//帧差法检测车辆
Mat MoveCheck(Mat &frontMat, Mat &afterMat)
{
Mat frontGray ,afterGray, diffGray;
Mat resframe = afterMat.clone();
//灰度处理
cvtColor(frontMat, frontGray, CV_BGR2GRAY);
cvtColor(afterMat, afterGray, CV_BGR2GRAY);
//imshow("GRAY", frontGray);
//帧差处理 找到帧与帧之间运动的物体差异
//缺点:会把其他运动物体也算进来
absdiff(frontGray, afterGray, diffGray);
//imshow("absdiff", diffGray);
//二值化:黑白分明 会产生大量白色噪点
threshold(diffGray, diffGray, 25, 255, CV_THRESH_BINARY);
//imshow("diff", diffGray);
//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);
//imshow("erode", diffGray);
//膨胀处理:将白色区域变“胖”
Mat element2 = cv::getStructuringElement(MORPH_RECT, Size(20, 20));
dilate(diffGray, diffGray, element2);
//imshow("dilate", diffGray);
//动态物体标记
vector<vector<Point>> contours; //保存关键点
findContours(diffGray, contours, CV_RETR_EXTERNAL, CV_CHAIN_APPROX_SIMPLE, Point(0, 0));
//提取关键点
vector<vector<Point>> contours_poly(contours.size());
vector<Rect> boundRect(contours.size());
int x, y, w, h;
int num = contours.size();
for(int i =0; i< num; i++)
{
approxPolyDP(Mat(contours[i]), contours_poly[i], 3, true);
boundRect[i] = boundingRect(Mat(contours_poly[i]));
x = boundRect[i].x;
y = boundRect[i].y;
w = boundRect[i].width;
h = boundRect[i].height;
//绘制
rectangle(resframe, Point(x, y), Point(x+w, y+h), Scalar(0, 255, 0), 4);
}
return resframe;
}
int main(int argc, char *argv[])
{
Mat frame;
Mat tempframe;
Mat res;
int count = 0;
VideoCapture cap("D:/QT-Project/image/carMove.mp4");
while(cap.read(frame))
{
count++;
if(count == 1)
{
res = MoveCheck(frame, frame);
}
else
{
res = MoveCheck(tempframe, frame);
![img](https://img-blog.csdnimg.cn/img_convert/421dd893bd3b302baa3751466efb1408.png)
![img](https://img-blog.csdnimg.cn/img_convert/1d02eb57337fc42187a2bd0f324ef2c4.png)
**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](https://bbs.csdn.net/topics/618668825)**
**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-G3Fi8yFT-1715701999359)]
[外链图片转存中...(img-STFU0vMB-1715701999359)]
**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](https://bbs.csdn.net/topics/618668825)**
**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!**