背景减法在OpenCV(c++)

Background subtraction in OpenCV(C++)

本文关键字：c++ OpenCV 背景      更新时间：2023-10-16

我想实现一个后台平均方法。我在一秒钟内拍摄了50帧图像，其中一些帧包含闪电，我想将其提取为前景。这些帧是用固定摄像机拍摄的，并被做成灰度。我想做的是:

    获取背景模型
  1. 之后，将每一帧与背景模型进行比较，以确定该帧中是否有照明。

我读了一些关于如何通过使用cvAcc()来实现这一目标的文件，但我很难理解如何做到这一点。我将感激一段代码，它指导我和链接到文档，可以帮助我了解如何实现这一点。

提前感谢您

我们在一个项目中有同样的任务。

为了获得背景模型，我们简单地创建一个类BackgroundModel，捕获第一个(假设)50帧并计算平均帧，以避免背景模型中的像素错误。

例如，如果您从相机获得8位灰度图像(CV_8UC1)，则使用CV_16UC1初始化模型以避免剪切。

cv::Mat model = cv::Mat(HEIGHT, WIDTH, CV_16UC1, cv::Scalar(0));

现在，等待第一帧来计算你的模型，只需将每一帧添加到模型中并计算接收帧的数量。

void addFrame(cv::Mat frame) {
    cv::Mat convertedFrame;
    frame.convertTo(convertedFrame, CV_16UC1);
    cv::add(convertedFrame, model, model);
    if (++learnedFrames >= FRAMES_TO_LEAN) { // FRAMES_TO_LEARN = 50
        createMask();
    }
}

createMask()函数计算我们用于模型的平均帧。

void createMask() {
    cv::convertScaleAbs(model, mask, 1.0 / learnedFrames);
    mask.convertTo(mask, CV_8UC1);
}

现在，您只需通过BackgroundModel类将所有帧发送给函数subtract()。如果结果为空cv::Mat，则仍然计算掩码。否则，你会得到一个减去的帧。

cv::Mat subtract(cv::Mat frame) {
    cv::Mat result;
    if (++learnedFrames >= FRAMES_TO_LEAN) { // FRAMES_TO_LEARN = 50
        cv::subtract(frame, mask, result);
    }
    else {
        addFrame(frame);
    }
    return result;
}

最后但并非最不重要的，您可以使用标量和(const Mat&mtx)计算像素和，并决定它是否是一个有灯光的帧

MyPolygon函数掩膜ROI，然后计算abs像素差并计算白色像素数。
srcImage:参考图片。

#include <opencv2/opencv.hpp>
#include <iostream>
#include <random>

using namespace std;
using namespace cv;
cv::Mat MyPolygon( Mat img )
{
  int lineType = 8;
// [(892, 145), (965, 150), (933, 199), (935, 238), (970, 248), (1219, 715), (836, 709), (864, 204)]
  /** Create some points */
  Point rook_points[1][8];
  rook_points[0][0] = Point(892, 145);
  rook_points[0][1] = Point(965, 150);
  rook_points[0][2] = Point(933, 199);
  rook_points[0][3] = Point(935, 238);
  rook_points[0][4] = Point(970, 248);
  rook_points[0][5] = Point(1219, 715);
  rook_points[0][6] = Point(836, 709);
  rook_points[0][7] = Point(864, 204);
  const Point* ppt[1] = { rook_points[0] };
  int npt[] = { 8 };
  cv::Mat mask = cv::Mat::zeros(img.size(), img.type());
  fillPoly( mask,
            ppt,
            npt,
            1,
            Scalar( 255, 0, 0 ),
            lineType
            );
    cv::bitwise_and(mask,img, img);
    
    return img; 
 }
 int main() {
    /* code */
    cv::Mat srcImage = cv::imread("/home/gourav/Pictures/L1 Image.png", cv::IMREAD_GRAYSCALE);
    resize(srcImage, srcImage, Size(1280, 720));
    // cout << " Width : " << srcImage.cols << endl;
    // cout << " Height: " << srcImage.rows << endl;
    if (srcImage.empty()){
        std::cerr<<"Ref Image not foundn";
        return 1;
    }
    cv::Mat img = MyPolygon(srcImage);
    
    Mat grayBlur;
    GaussianBlur(srcImage, grayBlur, Size(5, 5), 0);
    VideoCapture cap("/home/gourav/GenralCode/LD3LF1_stream1.mp4"); 
    Mat frames;
    if(!cap.isOpened()){
        std::cout << "Error opening video stream or file" << endl;
        return -1;
    }
    while (1)
    {
        cap >> frames;
        if (frames.empty())
            break;
        
        // Convert current frame to grayscale
        cvtColor(frames, frames, COLOR_BGR2GRAY);
        // cout << "Frame Width : " << frames.cols << endl;
        // cout << "Frame Height: " << frames.rows << endl;
        Mat imageBlure;
        GaussianBlur(frames, imageBlure, Size(5, 5), 0);
        cv::Mat frame = MyPolygon(imageBlure);
        Mat dframe;
        absdiff(frame, grayBlur, dframe);
        
        // imshow("grayBlur", grayBlur);
        // Threshold to binarize
        threshold(dframe, dframe, 30, 255, THRESH_BINARY);        
        
        //White Pixels
        int number = cv::countNonZero(dframe);
        cout<<"Count: "<< number <<"n";
        if (number > 3000)
        {
            cout<<"generate Alert ";
        }
        // Display Image
        imshow("dframe", dframe);
        char c=(char)waitKey(25);
        if (c==27)
            break;
    }
    cap.release();
    return 0;
 }
相关文章：