《学习openCV》例程解析 ex_9_2(背景减除)_opencv实现背景去除的阈值计算公式-优快云博客

转自 http://blog.youkuaiyun.com/zcube/article/details/7348113
56帧时分割出手效果
63帧时分割出手的效果
/***
平均背景法进行图像分割, 在图像背景相对稳定的情况下, 检测闯入图像的前景目标

*/
[cpp]view plaincopy 
   
 /*** 
     Averaging Background Method 
  
     We’ve just seen a simple method of learning background scenes and segmenting fore- 
     ground objects. It will work well only with scenes that do not contain moving background  
     components (like a waving curtain or waving trees). It also assumes that the lighting  
     remains fairly constant (as in indoor static scenes).  
 */  
 #include "stdafx.h"  
 #include "cv.h"  
 #include "highgui.h"  
   
 /***************************************************/  
 //我们为需要的不同临时图像和统计属性的图像创建指针  
   
 //Float 3-channel images  
 IplImage *IavgF, *IdiffF, *IprevF, *IhiF, *IlowF;  
 IplImage *Iscratch, *Iscratch2;  
   
 //Float 1-channel images  
 IplImage *Igray1, *Igray2, *Igray3;  
 IplImage *Ilow1, *Ilow2, *Ilow3;  
 IplImage *Ihi1, *Ihi2, *Ihi3;  
   
 //Byte 1-channel image  
 IplImage *Imaskt;  
 IplImage *Imask;  
   
 float Icount;  
 /**************************************************/  
   
   
 void AllocateImages(IplImage* I)  
 //该函数为需要的所有临时图像分配内存,传入来自视频的首帧图像作为大小参考  
 {  
     CvSize sz = cvGetSize(I);  
   
     IavgF   = cvCreateImage(sz, IPL_DEPTH_32F, 3);  
     IdiffF  = cvCreateImage(sz, IPL_DEPTH_32F, 3);  
     IprevF  = cvCreateImage(sz, IPL_DEPTH_32F, 3);  
     IhiF    = cvCreateImage(sz, IPL_DEPTH_32F, 3);  
     IlowF   = cvCreateImage(sz, IPL_DEPTH_32F, 3);  
   
     Ilow1   = cvCreateImage(sz, IPL_DEPTH_32F, 1);  
     Ilow2   = cvCreateImage(sz, IPL_DEPTH_32F, 1);  
     Ilow3   = cvCreateImage(sz, IPL_DEPTH_32F, 1);  
     Ihi1    = cvCreateImage(sz, IPL_DEPTH_32F, 1);  
     Ihi2    = cvCreateImage(sz, IPL_DEPTH_32F, 1);  
     Ihi3    = cvCreateImage(sz, IPL_DEPTH_32F, 1);  
   
     cvZero(IavgF);  
     cvZero(IdiffF);  
     cvZero(IprevF);  
     cvZero(IhiF);  
     cvZero(IlowF);  
       
     Icount = 1e-5;  
   
     Iscratch    = cvCreateImage(sz, IPL_DEPTH_32F, 3);  
     Iscratch2   = cvCreateImage(sz, IPL_DEPTH_32F, 3);  
   
     cvZero(Iscratch);  
     cvZero(Iscratch2);  
   
     Igray1  = cvCreateImage(sz, IPL_DEPTH_32F, 1);  
     Igray2  = cvCreateImage(sz, IPL_DEPTH_32F, 1);  
     Igray3  = cvCreateImage(sz, IPL_DEPTH_32F, 1);  
     Imaskt  = cvCreateImage(sz, IPL_DEPTH_8U, 1);  
     Imask   = cvCreateImage(sz, IPL_DEPTH_8U, 1);  
   
 }  
   
 void accumulateBackground(IplImage* I)  
 //累积背景图像和前后帧图像差值的绝对值  
 //当累积够一定数量后就将其转换成一个背景统计模型  
 {  
     static int first = 1;  
     //局部静态变量,只初始化一次,意思就是第一次被赋值为1  
   
     cvCvtScale(I, Iscratch, 1, 0);  
     //将I指向的图像复制给Iscratch 不能用cvCopy,因为像素的位深度不同  
   
     if (!first)  
     {  
         cvAcc(Iscratch, IavgF);  
         //累积原始的浮点图像到IIavgF  
         cvAbsDiff(Iscratch, IprevF, Iscratch2);  
         //计算前后帧图像绝对差图像到Iscratch2  
         cvAcc(Iscratch2, IdiffF);  
         //将前后帧差值图像累加到IdiffF 中  
         Icount += 1.0;  
         //记录累加的次数用于背景统计时计算均值  
     }  
     first = 0;  
     //first 为局部静态变量,以后调用该函数将不再初始化为1  
     //意思就是除了第一次,以后调用该函数均进入if 语句  
   
     cvCopy(Iscratch, IprevF);  
     //IprevF用来保存前一帧图像  
 }  
   
 void setHighThreshold(float scale)  
 {  
     cvConvertScale(IdiffF, Iscratch, scale);  
     //将统计的绝对差分图像值放大scale 倍赋给Iscratch  
     cvAdd(Iscratch, IavgF, IhiF);  
     //IhiF = Iscratch + IavgF   
     cvSplit(IhiF, Ihi1, Ihi2, Ihi3, 0);  
     //将阀值上限分割为多通道  
 }  
   
 void setLowThreshold(float scale)  
 {  
     cvConvertScale(IdiffF, Iscratch, scale);  
     cvSub(IavgF, Iscratch, IlowF);  
     //IlowF = IavgF - Iscratch  
     cvSplit(IlowF, Ilow1, Ilow2, Ilow3, 0);  
     //将阀值下限分割为多通道  
 }  
   
 void createModelsfromStats()  
 //当累积足够多的帧图后,就将其转化成一个背景统计模型  
 //该函数用于计算每个像素的均值和平均绝对差分  
 {  
     cvConvertScale(IavgF, IavgF, (double)(1.0/Icount));  
     //计算平均原始图像到 IavgF  
     cvConvertScale(IdiffF, IdiffF, (double)(1.0/Icount));  
     //计算绝对差分图像到 IdiffF  
   
     cvAddS(IdiffF, cvScalar(1.0, 1.0, 1.0), IdiffF);  
     //使得到的绝对差分图像每个像素值均不为空  
   
     setHighThreshold(7.0);  
     setLowThreshold(6.0);  
     //根据统计的背景模型设定一个阀值上限和下限  
     //如果 IlowF <= Temp < IhiF 时认为其为背景,否则为视频中出现的运动目标物体  
 }  
   
   
   
 void backgroundDiff(IplImage* I)  
 {  
     cvCvtScale(I, Iscratch, 1, 0);  
     //将I指向的图像复制给Iscratch 不能用cvCopy, 因为像素的位深度不同  
     cvSplit(Iscratch, Igray1, Igray2, Igray3, 0);  
     //得到的当前帧分割成3个单通道图像  
     cvInRange(Igray1, Ilow1, Ihi1, Imask);  
     //        src     lower  upper dst  
     //检查这些单通道图像是否在平均背景像素高低阀值之间  
     //如果src(I)在范围内(lower <= src < upper)dst(I)被设置为0xff(每一位都是 '1')否则置0  
     cvInRange(Igray2, Ilow2, Ihi2, Imaskt);  
     cvOr(Imask, Imaskt, Imask);  
     //计算两个数组每个元素的按位或值赋值给第三个参数  
     cvInRange(Igray3, Ilow3, Ihi3, Imaskt);  
     cvOr(Imask, Imaskt, Imask);  
     //最后Imask 为分离出的前景二值图  
     cvSubRS(Imask, cvScalar(255), Imask);  
     //计算数量和数组之间的差,将Imask反相处理  
 }  
   
 void DeallocateImages()  
 //解除分配的内存  
 {  
     cvReleaseImage(&IavgF);  
     cvReleaseImage(&IdiffF);  
     cvReleaseImage(&IprevF);  
     cvReleaseImage(&IhiF);  
     cvReleaseImage(&IlowF);  
     cvReleaseImage(&Ilow1);  
     cvReleaseImage(&Ilow2);  
     cvReleaseImage(&Ilow3);  
     cvReleaseImage(&Ihi1);  
     cvReleaseImage(&Ihi2);  
     cvReleaseImage(&Ihi3);  
     cvReleaseImage(&Iscratch);  
     cvReleaseImage(&Iscratch2);  
     cvReleaseImage(&Igray1);  
     cvReleaseImage(&Igray2);  
     cvReleaseImage(&Igray3);  
     cvReleaseImage(&Imaskt);  
     cvReleaseImage(&Imask);  
 }  
   
 int main()  
 {  
     CvCapture* capture = cvCreateFileCapture("tree.avi");  
     //初始化从文件中获取视频  
     if (!capture)  
     {  
         printf("Couldn't Open the file.");  
         return -1;  
     }  
       
     cvNamedWindow("raw");  
     cvNamedWindow("avg");  
   
     IplImage* rawImage = cvQueryFrame(capture);  
     //这个函数仅仅是函数cvGrabFrame和函数cvRetrieveFrame在一起调用的组合  
     cvShowImage("raw", rawImage);  
       
     AllocateImages(rawImage);  
       
     for (int i=0;;i++)  
     {  
         if (i <= 30)   
         {  
             accumulateBackground(rawImage);  
             //前30帧用于累积计算背景图像  
             if (i == 30)  
                 //将前30真转换成一个背景统计模型  
                 createModelsfromStats();  
         }  
         else   
             //建立好背景模型后调用此函数进行图像分割  
             backgroundDiff(rawImage);  
   
         cvShowImage("avg", Imask);  
         //播放分割后的目标图像结果  
   
         if (cvWaitKey(33) == 27)  
             //每33ms 播放一帧  
             break;  
   
         if (!(rawImage = cvQueryFrame(capture)))  
             break;  
         cvShowImage("raw", rawImage);  
         //显示原图像  
   
         if (i == 56 || i == 63)  
             //56帧和63帧时暂停  
             cvWaitKey();  
     }     
   
     DeallocateImages();  
     return 0;  
 }  