c++opencv实现区域填充_OpenCV图像处理- 视频背景消除与前景ROI提取

最新推荐文章于 2024-04-04 01:25:00 发布

weixin_39866874

最新推荐文章于 2024-04-04 01:25:00 发布

阅读量599

点赞数

文章标签： c++opencv实现区域填充叶片轮廓提取代码

本文介绍了背景减除作为计算机视觉任务中的预处理步骤，详细解析了两种常用方法：基于高斯混合模型(GMM)和基于最近邻(KNN)的方法，并通过实例展示了如何使用OpenCV实现背景消除和ROI行人提取。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

概述

✔️ 背景减除(Background Subtraction)是许多基于计算机视觉的任务中的主要预处理步骤。

✔️ 如果有完整的静止的背景帧，可以通过帧差法来计算像素差从而获取到前景对象。但是在大多数情况下，没有这样的图像，所以需要从拥有的任何图像中提取背景。当运动物体有阴影时，由于阴影也在移动，情况会变的变得更加复杂。为此引入了背景减除算法，通过这一方法我们能够从视频中分离出运动的物体前景，从而达到目标检测的目的。

背景消除

✔️ OpenCV中常用的两种背景消除方法，一种是基于高斯混合模型GMM实现的背景提取，另外一种是基于最近邻KNN实现的。

GMM模型

背景：

MOG2算法，高斯混合模型分离算法，基于Z.Zivkovic发布的两篇论文，即2004年发布的“Improved adaptive Gausian mixture model for background subtraction”和2006年发布的“Efficient Adaptive Density Estimation per Image Pixel for the Task of Background Subtraction”中提出
它为每个像素选择适当数量的高斯分布，它可以更好地适应不同场景的照明变化等

API：

cv2

参数解释如下： - history表示过往帧数，500帧，选择history = 1就变成两帧差 - varThreshold表示像素与模型之间的马氏距离，值越大，只有那些最新的像素会被归到前景，值越小前景对光照越敏感。 - detectShadows 是否保留阴影检测，请选择False这样速度快点。

KNN模型

背景：

KNN算法(K-nearest neigbours - based Background/Foreground Segmentation Algorithm)。2006年，由Zoran Zivkovic 和Ferdinand van der Heijden在论文"Efficient adaptive density estimation per image pixel for the task of background subtraction."中提出。

API：