利用差分法求运动的轮廓

#include "stdafx.h"
#include "cv.h" // includes OpenCV definitions
#include "highgui.h" // includes highGUI definitions
#include "cvcam.h"
#include <iostream>
#include <stdio.h>// includes C standard input/output definitions
using namespace std;


// various tracking parameters (in seconds)
const double MHI_DURATION = 1;
const double MAX_TIME_DELTA = 0.5;
const double MIN_TIME_DELTA = 0.05;
// number of cyclic frame buffer used for motion detection
// (should, probably, depend on FPS)
const int N = 4;

// ring image buffer
IplImage **buf = 0;
int last = 0;

// temporary images
IplImage *mhi = 0; // MHI
IplImage *orient = 0; // orientation
IplImage *mask = 0; // valid orientation mask
IplImage *segmask = 0; // motion segmentation map
CvMemStorage* storage = 0; // temporary storage

IplImage* abs_image = 0;
IplImage* add_abs_image = 0;
IplImage* abs_images[3];

IplImage* grey =0;
IplImage* pre_grey = 0;
IplImage* dst = 0;
  CvSeq* contour = 0;

int test( IplImage* src,IplImage* pre_src );

int _tmain(int argc, _TCHAR* argv[])
{
// Determine the number of available cameras
      int numCameras = cvcamGetCamerasCount() ;
      cout << "=========================================" << endl ;
      cout << "== Located devices: =>" << numCameras << "<=" << endl ;
      cout << "=========================================" << endl ;

      // Make sure that a camera is attached
      if( numCameras == 0 ) {
         getchar();
         return -1;
      }
 

 IplImage* pre_image = 0;
 IplImage* image = 0;
 int frame_count =0;


CvCapture * capture=cvCaptureFromCAM( CV_CAP_ANY );


if( capture )
{
 printf( "=> OK/n");
}
else
{
        
 fprintf(stderr,"ERROR: capture is NULL /n");
    getchar();
    return -1;
 }
  cvNamedWindow( "Source", 1 );
        cvNamedWindow( "Components", 1 );

 for(;;)
        {
           
            if( !cvGrabFrame( capture ))
                break;
            image = cvRetrieveFrame( capture );

   if (!pre_image)
   {
    pre_image = cvCreateImage( cvGetSize(image), 8, 3 );      
    abs_image = cvCreateImage( cvGetSize(image), 8, 1 );
    add_abs_image = cvCreateImage( cvGetSize(image), 8, 1 );
   
    grey = cvCreateImage( cvGetSize(image), 8, 1 );
    pre_grey = cvCreateImage( cvGetSize(image), 8, 1 );

    dst = cvCreateImage( cvGetSize(image), 8, 3 );
    abs_image->origin = image->origin;
    add_abs_image->origin = image->origin;
    dst->origin = image->origin;
    storage = cvCreateMemStorage(0);

    abs_images[0] = cvCreateImage( cvGetSize(image), 8, 1 );
    abs_images[1] = cvCreateImage( cvGetSize(image), 8, 1 );
    abs_images[2] = cvCreateImage( cvGetSize(image), 8, 1 );
    abs_images[3] = cvCreateImage( cvGetSize(image), 8, 1 );
    cvZero(abs_images[0]);

    cvZero(abs_images[1]);

    cvZero(abs_images[2]);

    cvZero(abs_images[3]);


   }

   frame_count++;
   test(image,pre_image);
   cvCopy(abs_images[frame_count%3],abs_image,0);
   cvCopy(image,pre_image,0);
            if( cvWaitKey(10) >= 0 )
                break;
        }
       

     cvcamStop();
     cvcamExit();
// Release the capture device housekeeping
cvDestroyWindow("src");
cvReleaseCapture(&capture);
 return 0;
}

int test( IplImage* src,IplImage* pre_src )
{
   
     

  cvCvtColor(src, grey, CV_BGR2GRAY);
  cvZero(add_abs_image);
  cvCvtColor(pre_src, pre_grey, CV_BGR2GRAY);
 
  cvAbsDiff( grey,pre_grey, abs_image );

  cvThreshold( abs_image, abs_image, 20, 255, CV_THRESH_BINARY );

  cvAdd(abs_images[0],abs_image,add_abs_image);
  cvThreshold( add_abs_image, add_abs_image, 10, 255, CV_THRESH_BINARY );
 
  cvAdd(abs_images[1],add_abs_image,add_abs_image);
  cvThreshold( add_abs_image, add_abs_image, 10, 255, CV_THRESH_BINARY );

  cvAdd(abs_images[2],add_abs_image,add_abs_image);
  cvThreshold( add_abs_image, add_abs_image, 10, 255, CV_THRESH_BINARY );
  cvAdd(abs_images[3],add_abs_image,add_abs_image);
  cvThreshold( add_abs_image, add_abs_image, 10, 255, CV_THRESH_BINARY );
 
//cvWaitKey(0);

        cvFindContours( abs_image, storage, &contour, sizeof(CvContour), CV_RETR_CCOMP, CV_CHAIN_APPROX_SIMPLE );
        cvZero( dst );

        for( ; contour != 0; contour = contour->h_next )
        {
            CvScalar color = CV_RGB( 255, 255, 255 );
            /* replace CV_FILLED with 1 to see the outlines */
  
 
            cvDrawContours( dst, contour, color, color, -1, CV_FILLED, 8 );
        }

 
        //cvNamedWindow( "Source", 1 );
        cvShowImage( "Source", src );
        //cvNamedWindow( "Components", 1 );
        cvShowImage( "Components", dst );
        //cvWaitKey(0);
  return 0;

}

 

  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
背景差分法是一种常用的运动目标检测方法之一,也是OpenCV中实现运动目标检测的一种方式。该方法通过计算当前帧图像与前一帧图像之间的差异来检测出移动的目标物体。 具体实现背景差分法的步骤如下: 1. 读取视频序列或者摄像头实时获取图像帧。 2. 预处理:将图像转换为灰度图像,并进行高斯模糊,以减少噪声的影响。 3. 初始化背景模型:选择一帧图像作为初始化的背景模型。 4. 计算当前帧与背景之间的差异:使用绝对差值或者其他差分方法,计算当前帧图像与背景模型之间的差异,并生成差异图像。 5. 二值化:将差异图像进行二值化处理,将差异值大于阈值的像素点标记为前景,表示目标物体的位置。 6. 形态学处理:对二值化后的图像进行开运算、闭运算等形态学处理,去除噪声或填补目标物体的空洞。 7. 目标检测:根据二值化后的图像,检测出连通区域,判断其是否为目标物体,可以使用轮廓提取或连通区域分析等方法。 在OpenCV中,可以使用cv2.createBackgroundSubtractorMOG2()函数创建一个背景减法器对象,然后使用该对象的apply()方法对每一帧图像进行背景差分。 例如,可以使用以下代码实现利用背景差分法进行运动目标检测: ```python import cv2 # 创建背景减法器对象 bg_subtractor = cv2.createBackgroundSubtractorMOG2() # 打开视频文件或者连接摄像头 cap = cv2.VideoCapture("video.mp4") while True: # 读取视频帧 ret, frame = cap.read() # 转换为灰度图像 gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY) # 背景差分 fg_mask = bg_subtractor.apply(gray) # 二值化 _, binary = cv2.threshold(fg_mask, 127, 255, cv2.THRESH_BINARY) # 进行形态学处理 # 目标检测 # 显示结果 # 按下Esc键退出 if cv2.waitKey(1) == 27: break # 释放资源 cap.release() cv2.destroyAllWindows() ``` 这是一个简单的实现例子,你可以根据需要进行进一步的改进和优化。
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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