通过计算多张图片平均值 作为背景，提取前景物体

主要思路 ：在一个运动物体视频中，我们随机抽取一部分视频帧 ，由于每个物体可能在不同的位置，那么对于视频帧上的某一指定位置的点，比如位置（10,10）处的点，在抽取的多张帧中，该点沿时间轴看的话，该位置没有物体的时候，那么该点像素值我们认为是背景，某一时刻，有目标物体像素值修改此处像素值，但画面较少，修改此处的像素值的帧在提取的样本帧中占比较少，背景颜色占的比重较大 ， 我们认为是背景颜色 ，因为计算出来的多张图片平均值会与比重较大的像素颜色接近，基于该思路，我们提取视频背景。这对于那种目标物体少，运动速度快，该程序提取的背景效果较好。如果物体运动慢，或者目标物体较多，那么物体通常会被认为是背景  效果不是很好。供初学者参考。

import numpy as np
import cv2

# 读取视频
cap = cv2.VideoCapture('video.mp4')

# 随机读取25帧图片帧号
frameIds = cap.get(cv2.CAP_PROP_FRAME_COUNT) * np.random.uniform(size=25)

# 保存图片到一个数组中
frames = []
for frameId in frameIds:
    # 设置要获取的帧号
    cap.set(cv2.CAP_PROP_POS_FRAMES, frameId)
    #读取指定帧号的画面
    ret, frame = cap.read()
    frames.append(frame)

# 沿着时间轴计算这些帧的平均值 由于每个点的背景几乎占比较高 所以计算出的平均值和占比较高的背景值接近 所以几乎算是背景
medianFrame = np.median(frames, axis=0).astype(dtype=np.uint8)    

#显示平均值图片效果效果
cv2.imshow('frame', medianFrame)
cv2.waitKey(0)

# 把视频指针指向第一帧画面
cap.set(cv2.CAP_PROP_POS_FRAMES, 0)

# 把背景转为灰度图片
grayMedianFrame = cv2.cvtColor(medianFrame, cv2.COLOR_BGR2GRAY)

#循环读取视频
ret = True
while(ret):

  # 读取帧
  ret, frame = cap.read()
  originImage=frame.copy()
  # 把当前读取的帧转换为灰度
  frame = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
  # 计算当前读取的帧与平均帧的绝对差值  相当于提取前景图片
  dframe = cv2.absdiff(frame, grayMedianFrame)

  #二值化
  th, dframe = cv2.threshold(dframe, 30, 255, cv2.THRESH_BINARY)
  # 显示
  resultImg1 = cv2.bitwise_and(originImage,originImage, mask=dframe)
  cv2.imshow('frame', dframe)
  cv2.imshow("ori",resultImg1)
  cv2.imshow("original",originImage)
  cv2.waitKey(20)

# 释放对象
cap.release()

# 销毁窗口
cv2.destroyAllWindows()

下面是效果 

从视频提取的背景