网站如何被手机端收录,wordpress全局透明主题,wordpress移动端不显示图片,可信的专业网站建设参考#xff1a;精选课#xff1a;C完整的实现双目摄像头图像采集、双目摄像头畸变矫正、前景物体提取、生成视差图、深度图、PCL点云图
前景物体提取是计算机视觉中的一个重要技术#xff0c;可以用于视频监控、虚拟现实和计算机视觉等领域。
1.前景物体提取的原理
前景…参考精选课C完整的实现双目摄像头图像采集、双目摄像头畸变矫正、前景物体提取、生成视差图、深度图、PCL点云图
前景物体提取是计算机视觉中的一个重要技术可以用于视频监控、虚拟现实和计算机视觉等领域。
1.前景物体提取的原理
前景物体提取是将摄像机拍摄到的图像中的前景物体如移动的人、车辆等从背景中分离出来的过程。其原理是利用帧间差分和背景建模两个步骤。帧间差分是通过相邻帧之间像素点灰度值的差异来检测出运动目标背景建模是通过不断更新背景图像来适应场景的变化。
2.实现步骤
步骤1读取摄像机视频并初始化使用OpenCV库来读取摄像机视频
cv::VideoCapture cap(0);
if (!cap.isOpened()) {std::cout Cannot open camera std::endl;return -1;
}cv::Mat frame;
cap.read(frame);步骤2背景建模定义一个背景图像和一个学习率初始值为0.01。在每一帧中将当前帧与背景图像相减得到一个差分图像。
cv::Mat background;
double learning_rate 0.01;// 第一帧作为背景图像
background frame.clone();// 对于后面的帧逐像素地计算背景图像
while (true) {cap.read(frame);// 将当前帧与背景图像相减得到一个差分图像cv::Mat diff;cv::absdiff(frame, background, diff);// 根据差分图像更新背景图像for (int i 0; i diff.rows; i) {for (int j 0; j diff.cols; j) {cv::Vec3b pixel diff.atcv::Vec3b(i, j);if (pixel[0] 50 || pixel[1] 50 || pixel[2] 50) {// 更新背景像素cv::Vec3b background_pixel background.atcv::Vec3b(i, j);cv::Vec3b frame_pixel frame.atcv::Vec3b(i, j);background_pixel[0] (1 - learning_rate) * background_pixel[0] learning_rate * frame_pixel[0];background_pixel[1] (1 - learning_rate) * background_pixel[1] learning_rate * frame_pixel[1];background_pixel[2] (1 - learning_rate) * background_pixel[2] learning_rate * frame_pixel[2];background.atcv::Vec3b(i, j) background_pixel;}}}
}步骤3帧间差分将当前帧与背景图像相减得到差分图像。然后将差分图像进行二值化处理得到前景物体掩模。
// 帧间差分
cv::Mat diff;
cv::absdiff(frame, background, diff);// 二值化处理得到前景掩模
cv::Mat foreground_mask;
cv::threshold(diff, foreground_mask, 50, 255, cv::THRESH_BINARY);步骤4过滤掉小的前景物体使用形态学操作对前景掩模进行处理去除噪声和小物体。
// 使用开运算去除噪声和小物体
cv::Mat kernel cv::getStructuringElement(cv::MORPH_ELLIPSE, cv::Size(5, 5));
cv::Mat foreground_mask_filtered;
cv::morphologyEx(foreground_mask, foreground_mask_filtered, cv::MORPH_OPEN, kernel);步骤5显示结果将原始图像和前景掩模相乘得到只有前景物体的图像。
// 显示结果
cv::Mat result frame.clone();
cv::Mat foreground_image cv::Mat::zeros(frame.size(), frame.type());
frame.copyTo(foreground_image, foreground_mask_filtered);cv::imshow(Original Image, frame);
cv::imshow(Foreground Mask, foreground_mask_filtered);
cv::imshow(Foreground Image, foreground_image);cv::waitKey(30);3.完整代码
演示了对单个摄像头的前景物体提取双目摄像机需要对两个摄像头的同一幅图片场景分别做前景物体提取然后作为左右视图对其进行进一步畸变矫正。
#include iostream
#include opencv2/opencv.hppint main() {// 打开摄像机cv::VideoCapture cap(0);if (!cap.isOpened()) {std::cout Cannot open camera std::endl;return -1;}// 初始化cv::Mat frame;cap.read(frame);// 背景建模cv::Mat background;double learning_rate 0.01;background frame.clone();while (true) {// 读取帧cap.read(frame);// 背景建模cv::Mat diff;cv::absdiff(frame, background, diff);for (int i 0; i diff.rows; i) {for (int j 0; j diff.cols; j) {cv::Vec3b pixel diff.atcv::Vec3b(i, j);if (pixel[0] 50 || pixel[1] 50 || pixel[2] 50) {cv::Vec3b background_pixel background.atcv::Vec3b(i, j);cv::Vec3b frame_pixel frame.atcv::Vec3b(i, j);background_pixel[0] (1 - learning_rate) * background_pixel[0] learning_rate * frame_pixel[0];background_pixel[1] (1 - learning_rate) * background_pixel[1] learning_rate * frame_pixel[1];background_pixel[2] (1 - learning_rate) * background_pixel[2] learning_rate * frame_pixel[2];background.atcv::Vec3b(i, j) background_pixel;}}}// 帧间差分cv::Mat diff2;cv::absdiff(frame, background, diff2);cv::Mat foreground_mask;cv::threshold(diff2, foreground_mask, 50, 255, cv::THRESH_BINARY);// 去除噪声和小物体cv::Mat kernel cv::getStructuringElement(cv::MORPH_ELLIPSE, cv::Size(5, 5));cv::Mat foreground_mask_filtered;cv::morphologyEx(foreground_mask, foreground_mask_filtered, cv::MORPH_OPEN, kernel);// 显示结果cv::Mat result frame.clone();cv::Mat foreground_image cv::Mat::zeros(frame.size(), frame.type());frame.copyTo(foreground_image, foreground_mask_filtered);cv::imshow(Original Image, frame);cv::imshow(Foreground Mask, foreground_mask_filtered);cv::imshow(Foreground Image, foreground_image);cv::waitKey(30);}// 释放资源cap.release();cv::destroyAllWindows();return 0;
}
