python---OpenCv(二)，背景分离方法较有意思

目录

边界矩形

旋转矩形(最小外接矩形):

计算轮廓

找4个点的坐标

把浮点型转为Int

画轮廓

边界矩形--（最大外接矩形）

转灰度

找轮廓

找顶点

画矩形

显示

背景分离方法（这个很好玩，可以识别在动的物体）

---

边界矩形

有两种类型的边界矩形:

旋转矩形(最小外接矩形):

是用最小面积绘制的，所以它也考虑了旋转。使用的函数是cv.minAreaRect()。它返回一个Box2D结构，其中包含以下细节-(中心(x,y)，(宽度，高度)，旋转角度)。但要画出这个矩形，我们需要矩形的四个角。它由函数cv.boxPoints()获得

cv.minAreaRect()函数返回一个包含以下信息的 RotatedRect 对象：

• center：矩形的中心坐标（(x, y)）。

• size：矩形的尺寸（(width, height)）。

• angle：矩形的旋转角度，取值范围为 -90 到 0 度。

cv2.boxPoints(box) 返回的是构成旋转矩形的四个顶点的坐标。返回的结果是一个形状为 (4, 2) 的 NumPy 数组，其中每一行代表一个顶点的 (x, y) 坐标。这四个顶点按照特定的顺序排列，通常是按照顺时针或逆时针方向。

cv2.drawContours(image, contours, contourIdx, color, thickness=None, lineType=None, hierarchy=None, maxLevel=None, offset=None)

各个参数的含义如下：

• image：目标图像，要在其上绘制轮廓。

• contours：轮廓列表，每个轮廓是一个点的向量。必须是一个3维的列表，且必须是整数int

• contourIdx：指定要绘制的轮廓的索引，如果为负数，则绘制所有轮廓。

• color：绘制轮廓的颜色。

• thickness：轮廓线的宽度，如果为负数，则轮廓内部被填充。

• lineType：线条类型，例如 cv2.LINE_8（8 连接的线）、cv2.LINE_AA（抗锯齿线）等，默认值是 cv2.LINE_8。

• hierarchy：可选的轮廓层次信息。

• maxLevel：绘制轮廓的最大层次。如果为 0，则只绘制指定的轮廓；如果为 1，则绘制指定轮廓及其直接子轮廓，依此类推。默认值为 0。

• offset：可选的偏移量，用于移动轮廓的位置

示例代码：

im = cv2.imread("yy.png")#图片是一个五角星 im1=im.copy() im=cv2.cvtColor(im,cv2.COLOR_BGRA2GRAY)

计算轮廓

contours,=cv2.findContours(im,cv2.RETRTREE,cv2.CHAINAPPROXSIMPLE)

找4个点的坐标

box=cv2.minAreaRect(contours[0])#因为box是一个元组套一个列表，contours就是要把列表取出来 print(box) box=cv2.boxPoints(box) print(box)

把浮点型转为Int

box=np.intp(np.round(box))

画轮廓

cv2.drawContours(im,[box],-1,(255,0,255),1,cv2.LINE_AA) cv2.imshow('最小外界矩形',im) cv2.waitKey(0) cv2.destroyAllWindows()

边界矩形--（最大外接矩形）

·直角矩形(最大外接矩形):不考虑物体的旋转。所以直角矩形的面积不是最小的。它是由函数x,y,w,h=cv2.boundingRect(）找到的。

·令(x，y)为矩形的左上角坐标，而(w，h)为矩形的宽度和高度。

import cv2 import numpy as np

im = cv2.imread("yy.png")

转灰度

im1=cv2.cvtColor(im,cv2.COLOR_BGRA2GRAY)

找轮廓

contours,=cv2.findContours(im1,cv2.RETRTREE,cv2.CHAINAPPROXNONE)

找顶点

x,y,w,h=cv2.boundingRect(contours[0])

画矩形

cv2.rectangle(im,(x,y),(x+w,y+h),(255,255,1),2,cv2.LINE_AA)

显示

cv2.imshow('im',im) cv2.waitKey(0) cv2.destroyAllWindows()

效果图：一上图一样

背景分离方法（这个很好玩，可以识别在动的物体）

bgsub=cv2.createBackgroundSubtractorMOG2():创建背景减除器实例，然后用bgsub.applay(img),再show一下bgsub就可以了。可以用来检测在动的物体

减除器实例.apply(image[, fgmask[, learningRate]]) -> fgmask:计算前景掩码和更新背景。如果要更改用于更新背景模型的学习率，可以通过将参数传递给apply方法来设置特定的学习率。learningRate该值位于0到1之间，表示背景模型被学习或更新的速度。负数的参数值使算法采用自动选择的学习率。0意味着背景模型完全不进行更新，保持初始状态;1则意味着背景模型在每一帧后都会根据新信息完全重新初始化。因此，此参数控制了背景模型适应场景变化的敏感度和速度。

视频中动态的物体就是前景

静态的物体就是背景

参数说明：

• shape：表示结构元素的形状，可以是以下几种取值：

• cv2.MORPH_RECT：矩形结构元素

• cv2.MORPH_CROSS：十字形结构元素

• cv2.MORPH_ELLIPSE：椭圆形结构元素

• ksize：表示结构元素的大小

• anchor：表示结构元素的锚点位置，默认为(-1,-1)，表示结构元素的中心

代码演示：

"""
  视频中动态的物体就是 前景
        静态的物体就是背景
"""

import cv2

cap = cv2.VideoCapture(0)

# 创建背景减除器对象
bgsub = cv2.createBackgroundSubtractorMOG2()

while cap.isOpened():
    ret, frame = cap.read()
    if not ret:
        break
    # 将视频中的每一帧图像应用背景减除器，减除背景
    fgmask = bgsub.apply(frame)
    cv2.imshow("win", fgmask)
    if cv2.waitKey(25) == 27:
        cv2.destroyAllWindows()
        break

效果：过于离谱就不展示了，只要动的地方就会变白，视频哈