使用OpenCV实现运动背景的重建

最新推荐文章于 2021-09-24 16:38:52 发布
最新推荐文章于 2021-09-24 16:38:52 发布
阅读量1k 收藏
点赞数
文章标签： null video avi file 360 2010
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/frdream2009/article/details/5385884
版权

Mar 16,2010

 

void CObjectDetectDlg::OnButtonOpenfile()   

{  

    // TODO: Add your control notification handler code here  

    // 文件打开对话框  

    CFileDialog dlg(true,"*.avi",NULL,NULL,"*.avi|*.avi||");  

    if (dlg.DoModal()==IDOK)  

    {  

        strAviFilePath = dlg.GetPathName();  

    }else

    {  

        return;  

    }  

      

}  



void CObjectDetectDlg::OnButtonProcess()   

{  

    // TODO: Add your control notification handler code here  

    //声明IplImage指针  

    IplImage* pFrame = NULL;  

    IplImage* pFrImg = NULL;  

    IplImage* pBkImg = NULL;  

      

    CvMat* pFrameMat = NULL;  

    CvMat* pFrMat = NULL;  

    CvMat* pBkMat = NULL;  

      

    CvCapture* pCapture = NULL;  

      

    int nFrmNum = 0;  

      

    //打开AVI视频文件  

    if(strAviFilePath=="") //判断文件路径是否为空  

    {  

        MessageBox("请先选择AVI视频文件!");  

        return;  

    }else

    {  

        if(!(pCapture = cvCaptureFromFile(strAviFilePath)))  

        {  

            MessageBox("打开AVI视频文件失败!");  

            return;  

        }  

    }  

      

    //创建窗口  

    cvNamedWindow("Video", 1);  

    cvNamedWindow("Background",1);  

    cvNamedWindow("Foreground",1);  

      

    //使窗口有序排列,窗口宽330  

    cvMoveWindow("Video", 30, 0);  

    cvMoveWindow("Background", 360, 0);  

    cvMoveWindow("Foreground", 690, 0);  

      

    //逐帧读取视频  

    while(pFrame = cvQueryFrame( pCapture ))  

    {  

        nFrmNum++;  

          

        //如果是第一帧，需要申请内存，并初始化  

        if(nFrmNum == 1)  

        {  

            pBkImg = cvCreateImage(cvSize(pFrame->width, pFrame->height), IPL_DEPTH_8U,1); // 存放背景图像(灰度)  

            pFrImg = cvCreateImage(cvSize(pFrame->width, pFrame->height), IPL_DEPTH_8U,1); // 存放中间图像(灰度)  

              

            pBkMat = cvCreateMat(pFrame->height, pFrame->width, CV_32FC1);  

            pFrMat = cvCreateMat(pFrame->height, pFrame->width, CV_32FC1);  

            pFrameMat = cvCreateMat(pFrame->height, pFrame->width, CV_32FC1);  

              

            //转化成单通道图像再处理(灰度)  

            cvCvtColor(pFrame, pBkImg, CV_BGR2GRAY);  

            cvCvtColor(pFrame, pFrImg, CV_BGR2GRAY);  

              

            cvConvert(pFrImg, pFrameMat);  

            cvConvert(pFrImg, pFrMat);  

            cvConvert(pFrImg, pBkMat);  

        }  

        else

        {  

            cvCvtColor(pFrame, pFrImg, CV_BGR2GRAY); //转化成单通道图像再处理(灰度)  

            cvConvert(pFrImg, pFrameMat);  

              

            //高斯滤波先，以平滑图像  

            //cvSmooth(pFrameMat, pFrameMat, CV_GAUSSIAN, 3, 0, 0);  

              

            //当前帧跟背景图相减(求背景差并取绝对值)  

            cvAbsDiff(pFrameMat, pBkMat, pFrMat);  

              

            //二值化前景图(这里采用特定阈值进行二值化)  

            cvThreshold(pFrMat, pFrImg, 60, 255.0, CV_THRESH_BINARY);  

              

            //进行形态学滤波，去掉噪音  

            cvErode(pFrImg, pFrImg, 0, 1);  

            cvDilate(pFrImg, pFrImg, 0, 1);  

              

            //滑动平均更新背景(求平均)  

            cvRunningAvg(pFrameMat, pBkMat, 0.003, 0);  

            //将背景转化为图像格式，用以显示  

            cvConvert(pBkMat, pBkImg);  

              

            // 保持原图像的旋转方向  

            pBkImg->origin = pFrImg->origin = pFrame->origin;  

              

            //显示图像  

            // cvFlip(pFrame, pFrame, 0);  

            //cvFlip(pBkImg, pBkImg, 0); //转置一下，否则图像是颠倒的  

            cvFlip(pFrImg, pFrImg, 0);  

              

            //显示图像  

            cvShowImage("Video", pFrame);  

            cvShowImage("Background", pBkImg);  

            cvShowImage("Foreground", pFrImg);  

              

            //如果有按键事件，则跳出循环  

            //此等待也为cvShowImage函数提供时间完成显示  

            //等待时间可以根据CPU速度调整  

            if( cvWaitKey(2) >= 0 )  

                break;  

        }  

    }  

      

    //销毁窗口  

    cvDestroyWindow("Video");  

    cvDestroyWindow("Background");  

    cvDestroyWindow("Foreground");  

      

    //释放图像和矩阵  

    cvReleaseImage(&pFrImg);  

    cvReleaseImage(&pBkImg);  

      

    cvReleaseMat(&pFrameMat);  

    cvReleaseMat(&pFrMat);  

    cvReleaseMat(&pBkMat);  

      

    cvReleaseCapture(&pCapture);  

      

      

}  





//运动目标检测，直接从摄像机获取图像  

void CObjectDetectDlg::OnButtonCamer()   

{  

      

    //声明IplImage指针  

    IplImage* pFrame = NULL;  

    IplImage* pFrImg = NULL;  

    IplImage* pBkImg = NULL;  

      

    CvMat* pFrameMat = NULL;  

    CvMat* pFrMat = NULL;  

    CvMat* pBkMat = NULL;  

      

    CvCapture* pCapture = NULL;  

      

    int nFrmNum = 0;  

      

    //创建窗口  

    cvNamedWindow("video", 1);  

    cvNamedWindow("background",1);  

    cvNamedWindow("foreground",1);  

    //使窗口有序排列  

    cvMoveWindow("video", 30, 0);  

    cvMoveWindow("background", 360, 0);  

    cvMoveWindow("foreground", 690, 0);  

    //if( argc > 2 )  

    //{  

    // fprintf(stderr, "Usage: bkgrd [video_file_name]/n");  

    // return -1;  

    //}  

      

    打开摄像头  

    //if (argc ==1)  

    // if( !(pCapture = cvCaptureFromCAM(-1)))  

    // {  

    // fprintf(stderr, "Can not open camera./n");  

    // return -2;  

    // }  

      

    //打开视频文件  

    //if(argc == 2)  

    //if( !(pCapture = cvCaptureFromFile(argv[1])))  

    //if( !(pCapture = cvCaptureFromFile(this->strAviFilePath)))  

    if( !(pCapture = cvCaptureFromCAM(-1)))   

    {  

           MessageBox("打开摄像机视频失败!");  

            return;  

        //fprintf(stderr, "Can not open video file %s/n", this->strAviFilePath);  

        // return -2;  

    }  

      

    //逐帧读取视频  

    while(pFrame = cvQueryFrame( pCapture ))  

    {  

        nFrmNum++;  

          

        //如果是第一帧，需要申请内存，并初始化  

        if(nFrmNum == 1)  

        {  

            pBkImg = cvCreateImage(cvSize(pFrame->width, pFrame->height), IPL_DEPTH_8U,1);  

            pFrImg = cvCreateImage(cvSize(pFrame->width, pFrame->height), IPL_DEPTH_8U,1);  

              

            pBkMat = cvCreateMat(pFrame->height, pFrame->width, CV_32FC1);  

            pFrMat = cvCreateMat(pFrame->height, pFrame->width, CV_32FC1);  

            pFrameMat = cvCreateMat(pFrame->height, pFrame->width, CV_32FC1);  

              

            //转化成单通道图像再处理  

            cvCvtColor(pFrame, pBkImg, CV_BGR2GRAY);  

            cvCvtColor(pFrame, pFrImg, CV_BGR2GRAY);  

              

            cvConvert(pFrImg, pFrameMat);  

            cvConvert(pFrImg, pFrMat);  

            cvConvert(pFrImg, pBkMat);  

        }  

        else

        {  

            cvCvtColor(pFrame, pFrImg, CV_BGR2GRAY);  

            cvConvert(pFrImg, pFrameMat);  

            //高斯滤波先，以平滑图像  

            //cvSmooth(pFrameMat, pFrameMat, CV_GAUSSIAN, 3, 0, 0);  

              

            //当前帧跟背景图相减  

            cvAbsDiff(pFrameMat, pBkMat, pFrMat);  

              

            //二值化前景图  

            cvThreshold(pFrMat, pFrImg, 60, 255.0, CV_THRESH_BINARY);  

              

            //进行形态学滤波，去掉噪音   

            //cvErode(pFrImg, pFrImg, 0, 1);  

            //cvDilate(pFrImg, pFrImg, 0, 1);  

              

            //更新背景  

            cvRunningAvg(pFrameMat, pBkMat, 0.003, 0);  

            //将背景转化为图像格式，用以显示  

            cvConvert(pBkMat, pBkImg);  

              

            // 保持原图像的旋转方向  

            pBkImg->origin = pFrImg->origin = pFrame->origin;  

              

            //显示图像  

            // cvFlip(pFrame, pFrame, 0);  

            //cvFlip(pBkImg, pBkImg, 0); //转置一下，否则图像是颠倒的  

            //cvFlip(pFrImg, pFrImg, 0);  

              

            cvShowImage("video", pFrame);  

            cvShowImage("background", pBkImg);  

            cvShowImage("foreground", pFrImg);  

              

            //如果有按键事件，则跳出循环  

            //此等待也为cvShowImage函数提供时间完成显示  

            //等待时间可以根据CPU速度调整  

            if( cvWaitKey(2) >= 0 )  

                break;  

        }  

          

    }  

      

    //销毁窗口  

    cvDestroyWindow("video");  

    cvDestroyWindow("background");  

    cvDestroyWindow("foreground");  

      

    //释放图像和矩阵  

    cvReleaseImage(&pFrImg);  

    cvReleaseImage(&pBkImg);  

      

    cvReleaseMat(&pFrameMat);  

    cvReleaseMat(&pFrMat);  

    cvReleaseMat(&pBkMat);  

      

    cvReleaseCapture(&pCapture);  

}

frdream2009
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
OpenCV学习之利用背景建模检测运动物体
Joey's Blog
08-05 1232
利用背景建模检测运动物体#include "cv.h" #include "highgui.h" #include <stdio.h> int main(int argc, char** argv) { IplImage* pFrame = NULL; IplImage* pFrImg = NULL; IplImage* pBkImg = NULL; CvMat* p
基 于OpenCV 的动态背景下的运动目标检测
08-17
研究在动态背景下对视频图像序列进行运动目标的检测。主要包括三个步骤， 分别是运动估计，运动补偿和目标检测。 在运动估计中采用的主要是基于特征点匹配算法
运动目标检测 opencv 背景差分法
08-20
自适应阀值分割 检测动态目标 背景差分法 自动更新背景 motionDETection.cpp
OPENCV运动检查
05-24
在“OPENCV运动检查”的程序中，我们主要关注的是如何使用OpenCV来检测、跟踪和分析图像或视频中的运动物体。这个程序可能涉及到以下几个核心知识点： 1. **帧差法**：在连续的两帧之间计算差异，可以检测出画面中...
opencv-4.5.5.zip
11-15
6. 视频处理：OpenCV可以读取、播放、处理视频流，实现视频分析、运动估计、背景 subtraction等任务。 7. 实时处理：OpenCV库设计为高效，特别适用于实时计算机视觉应用，如无人机、自动驾驶、人脸识别系统等。 8....
opencv4.8 contrib模块
08-01
19. **video**：视频处理和运动分析模块，如光流估计、背景建模等。 20. **videostab**：视频稳定模块，消除视频中的抖动。 编译`opencv_contrib`模块与OpenCV主库时，需要确保正确配置并链接所有必要的依赖项，...
opencv.rar
03-12
7. **video模块**：视频分析，如背景减除、运动估计等。 8. **dnn模块**：深度神经网络支持，可以加载预训练的深度学习模型进行图像识别和分割等任务。 **动态链接库（dll）与静态库（lib）的区别：** - **动态链接...
opencv2.3.1版本
最新发布
04-16
支持视频捕获、帧处理、背景减除、运动估计等，为视频分析和行为识别提供基础。 6. **机器学习库**： 包含了各种机器学习模型，如支持向量机（SVM）、决策树、随机森林等，可用于分类、回归和聚类任务。 7. **高...
视频背景提取
09-19
对动目标视频，根据高斯混合模型，提取前景后，掩膜位运算，当无交集后，前后帧图像互相填充，实现背景提取。采用经典的儿童自行车视频为例
opencv彩色背景提取
04-19
提取视频彩色背景
基于opencv视频增稳+混合高斯背景提取前景代码
12-31
包含hpp文件和cpp文件，内有描述函数的具体调用方式。视频增稳通过光流+卡尔曼实现，然后对于增稳后的视频，通过混合高斯背景建模，提取前景目标
OpenCV实现平均背景法
12-20
平均背景法的基本思想是计算每个像素的平均值和标准差作为它的背景模型。 平均背景法使用四个OpenCV函数： cvAcc(),累积图像； cvAbsDiff() ，计算一定时间内的每帧图像只差； cvInRange(), 将图像分割成前景区域和背景区域； cvOr(), 将不同的彩色通道图像中合成为一个掩膜图像 代码： /* 平均背景法 */ #include "highgui.h" #include "cv.h" #include #include //为不同的临时指针图像和统计属性创建指针 //Float, 3-channel imag
背景运动补偿具体思路
FanBrother的博客
05-23 2033
获取摄像机位置（Awake） 初始化摄像机以前的位置（Start） 计算每帧背景各层的运动量 计算相机运动量fparallax fparallax = (CamPrePos.x - cam.position.x) * parallaxFactor 计算各层的运动量 bkNewX = BackGrounds[i].position.x+fparallax*(1 + FramesFacto
Opencv-python 使用addWeighted图像背景更新
zouxin_88的专栏
01-21 433
图像背景更新一般用createBackgroundSubtractorKNN算法来更新背景，但此算法耗时较长，在视频应用中会出现卡顿。使用图像融合的方法，速度较快。 import cv2 import numpy as np cap = cv2.VideoCapture(0) ret, privous_frame = cap.read() while(1): ret, frame = cap.read() cv2.imshow("capture", frame) privous_frame
OpenCV基础（14）OpenCV在视频中的简单背景估计
weixin_43229348的博客
09-24 484
在许多计算机视觉应用程序中，处理能力很低。在这种情况下，我们必须使用简单而有效的技术。 在这篇文章中，我们将介绍一种这样的技术，用于估计场景背景时，相机是静态的，场景中有一些移动的物体。这种情况并不少见。例如，许多交通和监控摄像头都是固定的。 1.时域中值滤波 为了理解我们将在这篇文章中描述的想法，让我们考虑一个一维的更简单的问题。 假设我们每10毫秒估计一个量(比如房间的温度)。 假设房间的温度是70华氏度。 在上图中，我们展示了两个温度计的测量结果——一个好的温度计和一个坏的温度计。 好的温度计显示在
knn背景建模优点与不足
飘逸的搬砖人的博客
03-05 2501
kNN背景建模c++代码（包括比较）如下： #include &quot;opencv2/imgcodecs.hpp&quot; #include &quot;opencv2/imgproc.hpp&quot; #include &quot;opencv2/videoio.hpp&quot; #include &amp;lt;opencv2/highgui.hpp&amp;gt; #include &amp;lt;opencv2/vid
《学习OpenCV》codebook法实现背景建模(page308)
C_Freed的专栏
02-18 2343
对着书本、例程研究了一个下午，感觉codebook还是难以理解。将例程分解成一句一句就能够看懂，但综合起来就不太懂了。 /**********************************************************************************************/ /* A few more thoughts on codebook models
使用OpenCV解决实战计算机视觉问题
1. **增强现实**：这涉及到将虚拟信息与现实世界融合，书中可能讲解了如何使用OpenCV进行图像校正、特征匹配和三维重建，实现虚拟物体与真实环境的无缝融合。 2. **车牌识别**：在这一部分，可能会介绍图像预处理...

“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
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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