背景消减法_OpenCV_详解

最新推荐文章于 2023-03-01 22:24:09 发布
最新推荐文章于 2023-03-01 22:24:09 发布
阅读量7.6k 收藏 27
点赞数 4
文章标签： 源代码 运动检测 背景差分法 opencv 中文详解
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/tezhongjunxue/article/details/14550249
版权

一.基本概念

       背景消减法可以看作一种特殊的帧差法。

       基本思想：利用当前帧图像与背景图像对应象素点的灰度差值来检测车辆。如果当前图像的象素点和背景图像的象素点灰度值差别很大，就认为此象素点有车通过；相反，如果当前图像的象素点和背景图像的象素点灰度值差别较小，在一定的阈值范围内，我们就认为此象素点为背景象素点。
       背景差值法假定图像背景是静止不变的，即图像背景不随图像帧数而变，可表示为b(x,y)，定义图像序列为f(x,y,i)，其中(x,y)为图像位置坐标，i为图像帧数，将每一帧图像的灰度值减去背景的灰度值可得到一个差值图像：       id(x,y,i)=f(x,y,i)-b(x,y)
        背景差值法检测运动目标速度快，检测准确，易于实现，其关键是背景图像的获取与背景更新。在实际应用中，静止背景是不易直接获得的，同时，由于背景图像的动态变化，需要通过视频序列的帧间信息来估计和恢复背景，即背景重建，所以要选择性的更新背景。然而它对于动态场景的变化，例如光照的变化和阴影的干扰等特别敏感。因此，选取一个可靠的背景模型进行背景的提取与动态更新以适应环境的变化是必要的。
使用背景差分法进行运动检测通常会遇到如下一些问题：
       （1）背景获取：最简单的方法是在场景中没有运动目标的情况下进行，但在现实中肯定是无法满足的，如高速公路和城市交通的监控，需要一种方法能在场景存在运动目标的情况下获得背景图像。
       （2）背景的扰动：如树叶、树枝等各种东西的摇动
       （3）外界光照条件的变化
       （4）背景中固定对象的移动
       （5）背景的更新
       （6）阴影的影响

       背景消减法根据其背景模型的不同又可分为：直方图法、平均值法、单分布高斯背景模型、混合高斯分布背景模型、Kalman滤波器法，HMM模型法。


二.下面分享的是两种背景实现方式：
       （1）背景即为第一帧图像，简单的先看看程序的基本步骤和实现方法。这种方法适用于第一帧即为全部背景，如果存在不是背景的物体，将出现误差；同时进行了简单的背景更新；

       （2）背景为前50帧的平均值，对于高速的车流量较少的地段，背景提取较理想，车辆缓慢移动时会在背景上留下痕迹。同时也进行了背景的简单更新；

       （3）同样的方法可以尝试不同的背景提取模型。

三.程序源代码

#include "stdafx.h"   //背景为第一帧
#include "highgui.h"
#include "cv.h"
#include "cxcore.h"
#include "ml.h"

int main(int argc, char* argv[])
{
	CvCapture* pCapture = cvCaptureFromFile("video.avi");
	if( !pCapture)	 return -1;

	IplImage* pImgFrame = NULL; 
	IplImage* pImgProcessed = NULL;
	IplImage* pImgBackground = NULL;
	IplImage* pyrImage = NULL;

	CvMat* pMatFrame = NULL;
	CvMat* pMatProcessed = NULL;
	CvMat* pMatBackground = NULL;

	cvNamedWindow("video", 0);
	cvNamedWindow("background",0);
	cvNamedWindow("processed",0);	

	cvResizeWindow("video",300,300);  //重新定义窗口的大小
	cvResizeWindow("background",300,300);
	cvResizeWindow("processed",300,300);

	cvMoveWindow("video", 0, 100);  //设定窗口的位置
	cvMoveWindow("background", 350, 100);
	cvMoveWindow("processed", 700, 100);
	
	//int thresh_low = 20;
	//cvCreateTrackbar("Low","processed",&thresh_low,255,NULL);   //创建滚动条,显示阈值

	pImgFrame = cvQueryFrame( pCapture );  //取第一帧
	pImgBackground = cvCreateImage(cvSize(pImgFrame->width, pImgFrame->height),  IPL_DEPTH_8U,1);
	pImgProcessed = cvCreateImage(cvSize(pImgFrame->width, pImgFrame->height),  IPL_DEPTH_8U,1);
	pyrImage = cvCreateImage(cvSize(pImgFrame->width/2, pImgFrame->height/2),  IPL_DEPTH_8U,1);

	pMatBackground = cvCreateMat(pImgFrame->height, pImgFrame->width, CV_32FC1);
	pMatProcessed = cvCreateMat(pImgFrame->height, pImgFrame->width, CV_32FC1);
	pMatFrame = cvCreateMat(pImgFrame->height, pImgFrame->width, CV_32FC1);

	cvSmooth(pImgFrame, pImgFrame, CV_GAUSSIAN, 3, 0, 0);  //高斯平滑	
	cvCvtColor(pImgFrame, pImgProcessed, CV_BGR2GRAY);
	cvCvtColor(pImgFrame, pImgBackground, CV_BGR2GRAY);
	cvConvert(pImgProcessed, pMatBackground);
	cvConvert(pImgProcessed, pMatFrame);
	cvConvert(pImgProcessed, pMatProcessed);

	cvSmooth(pMatBackground, pMatBackground, CV_GAUSSIAN, 3, 0, 0);

	while(pImgFrame = cvQueryFrame( pCapture ))
	{
		cvShowImage("video", pImgFrame);
		cvSmooth(pImgFrame, pImgFrame, CV_GAUSSIAN, 3, 0, 0);

		cvCvtColor(pImgFrame, pImgProcessed, CV_BGR2GRAY);
		cvConvert(pImgProcessed, pMatFrame);

		cvSmooth(pMatFrame, pMatFrame, CV_GAUSSIAN, 3, 0, 0);
		cvAbsDiff(pMatFrame, pMatBackground, pMatProcessed);

		cvThreshold(pMatProcessed, pImgProcessed, 20, 255.0, CV_THRESH_BINARY);
		
		//cvPyrDown(pImgProcessed,pyrImage,CV_GAUSSIAN_5x5);  //GAUSSIAN金字塔向下采样
		//cvPyrUp(pyrImage,pImgProcessed,CV_GAUSSIAN_5x5);
		
		cvErode(pImgProcessed, pImgProcessed, 0, 1);  //腐蚀
		cvDilate(pImgProcessed, pImgProcessed, 0, 1);  //膨胀	
		
		cvRunningAvg(pMatFrame, pMatBackground, 0.0003, 0);	//背景更新				
		cvConvert(pMatBackground, pImgBackground);
		
		cvFlip(pImgBackground,NULL,0);  //垂直旋转图像
		cvFlip(pImgProcessed,NULL,0);
		cvShowImage("background", pImgBackground);
		cvShowImage("processed", pImgProcessed);
		
		if( cvWaitKey(33) == 27 )  //触发Esc键，跳出
		{
			break;
		}
	}

	cvDestroyWindow("video");
	cvDestroyWindow("background");
	cvDestroyWindow("processed");

	cvReleaseImage(&pImgProcessed);
	cvReleaseImage(&pImgBackground);

	cvReleaseMat(&pMatFrame);
	cvReleaseMat(&pMatProcessed);
	cvReleaseMat(&pMatBackground);

	cvReleaseCapture(&pCapture);

	return 0;
}


#include "stdafx.h"   //背景为前50帧的平均值
#include "highgui.h"
#include "cv.h"
#include "cxcore.h"
#include "ml.h"

int main(int argc, char* argv[])
{
	CvCapture* pCapture = cvCaptureFromFile("video.avi");
	if( !pCapture)	 return -1;

	IplImage* pImgFrame = NULL; 
	IplImage* pImgProcessed = NULL;
	IplImage* pImgBackground = NULL;
	IplImage* pyrImage = NULL;

	CvMat* pMatFrame = NULL;
	CvMat* pMatProcessed = NULL;
	CvMat* pMatBackground = NULL;

	cvNamedWindow("video", 0);
	cvNamedWindow("background",0);
	cvNamedWindow("processed",0);	

	cvResizeWindow("video",300,300);  //重新定义窗口的大小
	cvResizeWindow("background",300,300);
	cvResizeWindow("processed",300,300);

	cvMoveWindow("video", 0, 100);  //设定窗口的位置
	cvMoveWindow("background", 350, 100);
	cvMoveWindow("processed", 700, 100);
	
	//int thresh_low = 20;
	//cvCreateTrackbar("Low","processed",&thresh_low,255,NULL);   //创建滚动条,显示阈值

	pImgFrame = cvQueryFrame( pCapture );  //取第一帧
	pImgBackground = cvCreateImage(cvSize(pImgFrame->width, pImgFrame->height),  IPL_DEPTH_8U,1);
	pImgProcessed = cvCreateImage(cvSize(pImgFrame->width, pImgFrame->height),  IPL_DEPTH_8U,1);
	pyrImage = cvCreateImage(cvSize(pImgFrame->width/2, pImgFrame->height/2),  IPL_DEPTH_8U,1);

	pMatBackground = cvCreateMat(pImgFrame->height, pImgFrame->width, CV_32FC1);
	pMatProcessed = cvCreateMat(pImgFrame->height, pImgFrame->width, CV_32FC1);
	pMatFrame = cvCreateMat(pImgFrame->height, pImgFrame->width, CV_32FC1);

	
	int i=1;
        CvMat* pMat = NULL,*pMat1=NULL,*pMatSum=NULL,*pMatAve=NULL;
	pMat = cvCreateMat(pImgFrame->height, pImgFrame->width, CV_32FC1);  //存放当前帧
	pMat1 = cvCreateMat(pImgFrame->height, pImgFrame->width, CV_32FC1);  //存放前一帧
	pMatSum = cvCreateMat(pImgFrame->height, pImgFrame->width, CV_32FC1);  //所有帧的和
	pMatAve = cvCreateMat(pImgFrame->height, pImgFrame->width, CV_32FC1);  //帧的平均
	while(i<=50)
	{
        pImgFrame = cvQueryFrame( pCapture );
		cvCvtColor(pImgFrame, pImgBackground, CV_BGR2GRAY);
		cvConvert(pImgBackground, pMat);
		cvAdd(pMat,pMat1,pMatSum,NULL);
        pMat1=pMatSum;
		i++;
	}
	cvConvertScale(pMatSum, pMatAve, 0.02, 0 );  //求平均值
	cvConvert(pMatAve, pMatBackground);
	cvSmooth(pMatBackground, pMatBackground, CV_GAUSSIAN, 3, 0, 0);
        cvSetCaptureProperty(pCapture, CV_CAP_PROP_POS_FRAMES, 0. );
	
	cvSmooth(pImgFrame, pImgFrame, CV_GAUSSIAN, 3, 0, 0);  //高斯平滑	
	cvCvtColor(pImgFrame, pImgProcessed, CV_BGR2GRAY);
	cvConvert(pImgProcessed, pMatFrame);
	cvConvert(pImgProcessed, pMatProcessed);

	while(pImgFrame = cvQueryFrame( pCapture ))
	{
		cvShowImage("video", pImgFrame);
		cvSmooth(pImgFrame, pImgFrame, CV_GAUSSIAN, 3, 0, 0);

		cvCvtColor(pImgFrame, pImgProcessed, CV_BGR2GRAY);
		cvConvert(pImgProcessed, pMatFrame);

		cvSmooth(pMatFrame, pMatFrame, CV_GAUSSIAN, 3, 0, 0);
		cvAbsDiff(pMatFrame, pMatBackground, pMatProcessed);

		cvThreshold(pMatProcessed, pImgProcessed, 20, 255.0, CV_THRESH_BINARY);
		
		//cvPyrDown(pImgProcessed,pyrImage,CV_GAUSSIAN_5x5);  //GAUSSIAN金字塔向下采样
		//cvPyrUp(pyrImage,pImgProcessed,CV_GAUSSIAN_5x5);
		
		cvErode(pImgProcessed, pImgProcessed, 0, 1);  //腐蚀
		cvDilate(pImgProcessed, pImgProcessed, 0, 1);  //膨胀	
		
		cvRunningAvg(pMatFrame, pMatBackground, 0.0003, 0);	//背景更新				
		cvConvert(pMatBackground, pImgBackground);
		
		cvFlip(pImgBackground,NULL,0);  //垂直旋转图像
		cvFlip(pImgProcessed,NULL,0);
		cvShowImage("background", pImgBackground);
		cvShowImage("processed", pImgProcessed);
		
		if( cvWaitKey(50) == 27 )  //触发Esc键，跳出
		{
			break;
		}
	}

	cvDestroyWindow("video");
	cvDestroyWindow("background");
	cvDestroyWindow("processed");

	cvReleaseImage(&pImgProcessed);
	cvReleaseImage(&pImgBackground);

	cvReleaseMat(&pMatFrame);
	cvReleaseMat(&pMatProcessed);
	cvReleaseMat(&pMatBackground);

	cvReleaseCapture(&pCapture);

	return 0;
}



特种军靴
关注
  • 4
    点赞
  • 踩
  • 27
    收藏
    觉得还不错? 一键收藏
  • 5
    评论
[22] Opencv_CUDA应用之 使用背景相减法进行对象跟踪
yohnyang的博客
07-02 474
[22] Opencv_CUDA应用之 使用背景相减法进行对象跟踪
openCV 背景减除法实现
09-27
openCV的背景减除法实现，该算法可以实现视频中的前景提取功能。
OpenCV 使用背景减法方法
越努力，越幸运
06-10 962
https://www.w3cschool.cn/opencv/opencv-2v342ebv.html CV :: BackgroundSubtractorMOG2 virtual void cv::BackgroundSubtractorMOG2::apply (InputArray image, OutputArray fgmask, double learningRate = -1 ) # Python: fgmask = cv.BackgroundSubtractorMO...
背景减除法综述
lwjaiyjk3的专栏
05-26 3335
原文地址：背景减除法综述作者：高大鹏 文献【1】和专利【2】描述了一种算法叫VIBE，将在后面详述。 背景差分图像解决问题的方法是：通过用现在的图像去对比已知的观察图像（背景图像），该观察图像不含有任何感兴趣的对象，是背景模型(或背景图像)[3]。这个对比过程被称为前景检测。该过程将观测图像分为两个互补的像素集合,这两个集合覆盖整个图像，包括：1)包含了兴趣对象的前景，和2)前景的
OpenCV之背景减除
CSDN-ZCL
09-13 2006
OpenCV之背景减除
OpenCV实现两个图像相减
05-07
使用Opencv内置函数实现两幅图像相减
OPENCV-function.zip_opencv
09-21
**OpenCV 函数详解** OpenCV（开源计算机视觉库）是一个功能强大的计算机视觉库，它包含了大量的函数，用于图像处理、计算机视觉以及机器学习。这个`OPENCV function.pdf`文档，显然是一个详细阐述OpenCV函数的手册...
OpenCV Mat实例详解五示例程序
02-18
OpenCV（开源计算机视觉库）是计算机视觉领域中一个广泛使用的库，它提供了大量的图像处理和计算机视觉功能。在OpenCV中，`Mat`类是一个核心数据结构，用于存储图像和多维数组。本篇文章将深入解析五个OpenCV `Mat`...
OpenCV-Python图像的减法运算cv2.subtract函数详解以及和矩阵减法的差异对比.rar
09-16
本文将重点讲解OpenCV-Python中用于图像减法运算的`cv2.subtract`函数，并与传统的矩阵减法进行差异对比，帮助读者深入理解这两种方法在实际应用中的不同。 `cv2.subtract`函数是OpenCV库中专门用于图像或数组减法...
opencv帧差法运动检测
03-24
**OpenCV帧差法运动检测详解** 在计算机视觉领域，运动检测是一项基本且重要的技术，它主要用于识别视频序列中发生变化的区域。OpenCV（Open Source Computer Vision Library）提供了一套强大的工具来实现这一功能...
相消法去背景噪声
04-01
相消法处理探地雷达数据，效果很明显，和小波去背景噪声一样。但是这个简单易懂，希望能帮助大家
Tracking:使用背景减法和卡尔曼滤波器进行运动物体跟踪-matlab开发
05-30
红色边框表示背景减除结果，绿色边框表示卡尔曼滤波结果
背景减法改进
10-28
这是在原有的背景减法的基础上进行改进的算法，改进后的算法，考虑到了实时性，增强了算法的可靠性
Opencv背景去除的几种方法.docx
04-18
Opencv背景去除的几种方法，含源码
matlab图像除法减背景
07-09
用图像除法完成减背景操作（运用公式：f=g ÷ b х m ）。
OpenCV实现帧间差分法详解 - 副本 (2).zip
最新发布
06-22
此外，OpenCV还提供了其他高级的运动分析技术，如光流法、背景减除法等，这些方法可以提供更复杂的运动检测和跟踪功能。但帧间差分法因其简单和高效，仍然是许多应用场景下的首选方案。 综上所述，OpenCV实现帧间差...
OpenCV4.x图像处理实例-道路车辆检测(基于背景消减法)
视觉与物联智能
03-01 635
在本文中，将介绍如何使用简单但有效的背景-前景减法方法执行车辆检测等任务。本文将使用 OpenCV 中使用背景-前景减法和轮廓检测，以及如何调整不同的参数以获得更好的结果。
opencv视频分析之背景减除
方寸想法，编码宇宙
03-10 1130
文章目录1.原理2.BackgroundSubtractorMOG3.BackgroundSubtractorMOG24.BackgroundSubtractorGMG 1.原理 在很多基础应用中背景减除都是一个非常重要的步骤。例如顾客统计，使用一个静态摄像头来记录进入和离开房间的人数，或者是交通摄像头，需要提取交通工具的信息等。在所有的这些例子中，首先要将人或车单独提取出。技术上来说，我们需要...
使用OpenCV实现运动背景的重建
北漂的蜗牛
04-29 1521
 声明：本文转载曾青松的专栏，为便于学习转帖至此，如有需要请查看原始出处。void CObjectDetectDlg::OnButtonOpenfile()      {         // TODO: Add your control notification handler code here         // 文件打开对话框       
MATLAB 背景减法代码
05-24
MATLAB 中实现背景减法的代码示例： 1. 读取视频并选取背景帧 ``` videoReader = VideoReader('example_video.mp4'); backgroundFrame = read(videoReader, 1); ``` 2. 循环遍历每一帧，与背景帧进行比较 ``` while hasFrame(videoReader) currentFrame = readFrame(videoReader); % 背景帧减去当前帧，得到差值帧 differenceFrame = imabsdiff(backgroundFrame, currentFrame); % 对差值帧进行二值化处理 threshold = 20; binaryFrame = imbinarize(differenceFrame, threshold/255); % 显示二值化后的差值帧 imshow(binaryFrame); end ``` 其中，`imabsdiff` 函数用于计算两幅图像之间的差值，`imbinarize` 函数用于将差值帧转换为二值图像。 3. 可以根据需要对二值化后的帧进行后续处理，例如连通域分析、形态学操作等。 ``` % 连通域分析 cc = bwconncomp(binaryFrame); numPixels = cellfun(@numel,cc.PixelIdxList); [~,index] = max(numPixels); binaryFrame(cc.PixelIdxList{index}) = 0; % 形态学操作 se = strel('disk', 5); binaryFrame = imclose(binaryFrame, se); ``` 最终得到的二值图像中，像素值为 1 的部分表示前景物体，像素值为 0 的部分表示背景。
评论 5
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