opencv-视频图像的前景动态追踪

本文介绍使用OpenCV的BackgroundSubtractorMOG2方法进行视频前景分割的过程。通过具体实例代码展示了如何从视频中分离出前景并对其进行二值化处理及最大外接矩形的绘制。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

  • opencv2的前景分割方法主要是高斯混合背景/前景分割方法,而3.0版本才增加了knn前背景分割器。
  • 高斯混合背景/前景分割方法可以通过两个类BackgroundSubtractorMOG 和BackgroundSubtractorMOG 2实现,测试后发现BackgroundSubtractorMOG 2的实现效果要好。
  • 关于这个构建这个类相关的参数说明参见博客:http://blog.youkuaiyun.com/xiaowei_cqu/article/details/23689189
  • 下面我一个bgSubtractor类,然后在此类中实现一个public方法:videoStractorByMog2(VideoCapture& video),使得输入是一个要处理的视频,输出是分割后前背景二值化视频和以及前景的最大外接矩形视频。

  • 算法效果如下:
  • 输入:
    这里写图片描述
  • 输出:
    这里写图片描述

  • 实例代码
#ifndef BGSUBTRACTOR_H_
#define BGSUBTRACTOR_H_

#include"ordImgProcLib.h"

class bgSubtractor{
private:

public:
    void videoStractorByMog2(VideoCapture& video){
        Mat frame;
        Mat fMask;//前景mask
        Mat th;//二值化图像

        double rate = video.get(CV_CAP_PROP_FPS);
        int delay = 1000 / rate;

        BackgroundSubtractorMOG2 bgMog2(20, 30, true);

        bool stop(false);
        while (!stop){
            if (! video.read(frame)){
                break;
            }

            // press any key to stop  
            if (waitKey(delay) >= 0)
                stop = true;


            bgMog2(frame, fMask, 0.01);


            //前景区域二值化,将非白色(0 - 245)的非前景区域(包含背景以及阴影)均设为0,前景的白色(245 - 255)设置为255
            threshold(fMask, th, 245, 255, THRESH_BINARY);

            //二值化形态学处理


            //寻找外轮廓
            vector<vector<Point>> contours;
            vector<Vec4i> hierarchy;

            findContours(th, contours, hierarchy, CV_RETR_EXTERNAL, CV_CHAIN_APPROX_SIMPLE);

            //寻找外轮廓的最大外截矩形
            vector<vector<Point>>::const_iterator itContours = contours.begin();
            for (int c=0; itContours != contours.end(); ++itContours){
                if (itContours->size() >= 100){
                    Rect r = boundingRect(contours[c]);
                    rectangle(frame, r, Scalar(0,255,0), 2);
                }

                c++;
            }

            imshow("fmask", fMask);
            imshow("frame", frame);
        }

        video.release();
    }
};


#endif
评论
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