python openCv 入门学习-移动物体捕获（六）

概念

图像二值化

• 二值化（ Image Binarization）就是将图像上的像素点的灰度值设置为0或
  255，也就是将整个图像呈现出明显的黑白效果的过程。
• 在数字图像处理中，二值图像占有非常重要的地位，图像的二值化使图像中数据量大为减少，从而能凸显出目标的轮廓。

形态学操作

• 腐蚀与膨胀属于形态学操作，所谓的形态学，就是改变物体的形状，形象理解一些：腐蚀=变瘦 膨胀=变胖 ，主要是采用 变瘦cv2.erode() 和 变胖cv2.dilate()

• 腐蚀和膨胀主要针对二值化图像的白色部分

• 膨胀与腐蚀能够实现以下作用：

  1.消除噪声

  2.分割出独立的图像元素，在图像中连接相邻的元素

  3.寻找图像中的明显的极大值区域或者极小值区域

  4.求出图像的梯度

相关运算

 开运算，闭运算，顶帽，顶帽

• 开运算：先进行腐蚀操作，后进行膨胀操作，主要用来去除一些较亮的部分，即先腐蚀掉不要的部分，再进行膨胀。
• 闭运算：先进行膨胀操作，后进行腐蚀操作，主要用来去除一些较暗的部分。
• 形态学梯度：膨胀运算结果减去腐蚀运算结果，可以拿到轮廓信息。
• 顶帽运算：原图像减去开运算结果。
• 底帽运算：原图像减去闭运算结果。

进行开运算，闭运算，顶帽运算，底帽运算，形态学梯度，opencv提供了一个统一的函数cv2.morphologyEx()，其对应参数如下：

dst = cv2.morphologyEx(src,op,kernel,anchor,iterations,borderType,borderValue)
        src: 输入图像对象矩阵,为二值化图像
        op: 形态学操作类型
            cv2.MORPH_OPEN    开运算
            cv2.MORPH_CLOSE   闭运算
            cv2.MORPH_GRADIENT 形态梯度
            cv2.MORPH_TOPHAT   顶帽运算
            cv2.MORPH_BLACKHAT  底帽运算
            
        kernel:进行腐蚀操作的核，可以通过函数getStructuringElement()获得
        anchor:锚点，默认为(-1,-1)
        iterations:腐蚀操作的次数，默认为1
        borderType: 边界种类
        borderValue:边界值

原理

1. 开启摄像头读取图片
2. 通过KNN背景分割器剔除背景，获得移动物体遮罩
3. 将遮罩二值化处理
4. 将遮罩开运算
5. 得到面积大于3000的遮罩轮廓（四个点）
6. 在原图上画矩形

代码解释

import cv2
import numpy as np
//背景分割器
bs=cv2.createBackgroundSubtractorKNN(detectShadows=True)
camera=cv2.VideoCapture(0)
camera.set(3,320)
camera.set(4,160)

while True:
	//frame的类型为numpy
    ret,frame=camera.read()
    //背景分割器，该函数计算了前景掩码
    //apply()返回的是高X宽的一个numpy矩阵，这里是160x320,如果没有移动物体那么这个矩阵全部为0
    fgmask=bs.apply(frame)
	/**
		threshold作用
			二值化阈值处理，前景掩码含有前景的白色值以及阴影的灰色值，在阈值化图像
			中，将非纯白色（244~255）的所有像素都设为0，而不是255
		图像二值化
			src：表示的是图片源
		 	thresh：表示的是阈值（起始值）
		 	maxval：表示的是最大值
		 	type：表示的是这里划分的时候使用的是什么类型的算法
			 	1.cv2.THRESH_BINARY   表示阈值的二值化操作，大于阈值使用maxval表示，小于阈值使用0表示
	    		2. cv2.THRESH_BINARY_INV  表示阈值的二值化翻转操作，大于阈值的使用0表示，小于阈值的使用最大值表示
	    		3. cv2.THRESH_TRUNC    表示进行截断操作，大于阈值的使用阈值表示，小于阈值的不变
	    		4. cv2.THRESH_TOZERO   表示进行化零操作，大于阈值的不变，小于阈值的使用0表示
	    		5. cv2.THRESH_TOZERO_INV  表示进行化零操作的翻转，大于阈值的使用0表示，小于阈值的不变
	    返回值：
		    ret：True或False，代表有没有读到图片；
			dst： 目标图像；
	*/
    th=cv2.threshold(fgmask.copy(),244,255,cv2.THRESH_BINARY)[1]
    /**
     	src: 输入图像对象矩阵,为二值化图像
        kernel:进行腐蚀操作的核，可以通过函数getStructuringElement()获得
        anchor:锚点，默认为(-1,-1)
        iterations:腐蚀操作的次数，默认为1
        borderType: 边界种类，有默认值
        borderValue:边界值，有默认值
			cv2.getStructuringElement()
					shape:核的形状
		                cv2.MORPH_RECT: 矩形
		                cv2.MORPH_CROSS: 十字形(以矩形的锚点为中心的十字架)
		                cv2.MORPH_ELLIPSE:椭圆(矩形的内切椭圆）    
	       			ksize: 核的大小，矩形的宽，高格式为(width,height)
	        		anchor: 核的锚点，默认值为(-1,-1),即核的中心点
	*/
    th=cv2.erode(th,cv2.getStructuringElement(cv2.MORPH_ELLIPSE,(3,3)),iterations=2)
    //开运算
    dilated=cv2.dilate(th,cv2.getStructuringElement(cv2.MORPH_ELLIPSE,(3,3)),iterations=2)
    //获取轮廓 (第三讲研究过了) cv2.RETR_EXTERNAL只检测外轮廓
    //cv2.CHAIN_APPROX_SIMPLE压缩水平方向、垂直方向、对角线方向的元素，只保留该方向的终点坐标，例如一个矩形轮廓只需要4个点来保存轮廓信息；
	image,contours,hier=cv2.findContours(dilated,cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_SIMPLE)
    
    for c in contours:
    	//轮廓面积>3000
        if cv2.contourArea(c)>3000:
        	/**
				cv2.boundingRect(img)这个函数
				这个函数很简单，img是一个二值图，也就是它的参数；返回四个值，分别是
				x，y，w，h；x，y是矩阵左上点的坐标，w，h是矩阵的宽和高。
				然后利用cv2.rectangle(img, (x,y), (x+w,y+h), (0,255,0), 2)画出
				矩行
				参数解释
					第一个参数：img是原图
					第二个参数：（x，y）是矩阵的左上点坐标
					第三个参数：（x+w，y+h）是矩阵的右下点坐标
					第四个参数：（0,255,0）是画线对应的rgb颜色
					第五个参数：2是所画的线的宽度
			*/
            (x,y,w,h)=cv2.boundingRect(c)
            cv2.rectangle(frame,(x,y),(x+w,y+h),(255,255,0),2)
        if x!=0 and y!=0:
            print('x',x,'y',y)
    cv2.imshow("mog",fgmask)
    cv2.imshow("detection",frame)
    if (cv2.waitKey(30)&0xFF)==27:
        break
    if (cv2.waitKey(30)&0xFF)==ord('q'):
        break
camera.release()
cv2.destroyAllWindows()

参考自大佬：（silence_cho ）https://www.cnblogs.com/silence-cho/p/11069903.html