代码之家 › 专栏 › 技术社区 › YQ.Wang

如何在已有背景图像的情况下获取前景掩码

background-subtraction opencv python

0

YQ.Wang · 技术社区 · 8 年前

cv2.createBackgroundSubtractorMOG2() 我们可以使用基于每500帧(默认)的背景估计方法减去前景掩码。但是呢 我已经有背景图片了 只需要在每一帧中使用该图片减去前景?我想说的是:

import numpy as np
import cv2

video = "xx.avi"
cap = cv2.VideoCapture(video)
bg = cv2.imread("bg.png")

while True:
    ret, frame = cap.read()
    original_frame = frame.copy()
    if ret:
        # get foremask?
        fgmask = frame - bg

        # filter kernel for denoising:
        kernel = cv2.getStructuringElement(cv2.MORPH_ELLIPSE, (3, 3))

        opening = cv2.morphologyEx(fgmask, cv2.MORPH_OPEN, kernel)

        closing = cv2.morphologyEx(opening, cv2.MORPH_CLOSE, kernel)

        # Dilate to merge adjacent blobs
        dilation = cv2.dilate(closing, kernel, iterations = 2)

        # show fg:dilation
        cv2.imshow('fg mask', dilation)
        cv2.imshow('original', original_frame)
        k = cv2.waitKey(30) & 0xff
        if k == 27:
            cap.release()
            cv2.destroyAllWindows()
            break
    else:
        break

但是我得到了 五颜六色的 frame = frame - bg

1 回复 | 直到 8 年前

1

iriusf 8 年前

你得到的是彩色图像,因为你要减去2幅彩色图像,所以你在每个像素上得到的颜色是两幅图像之间每个通道(B、G和R)上的差异。如dhanushka所言,为了执行背景减法,最简单的选择是使用MOG2并将其转发给背景图像约(500)帧,以便它将其作为背景学习。MOG2设计用于使用高斯模型学习每个像素颜色的可变性,因此如果您始终输入相同的图像,它将不会学习这一点。不管怎样,我认为它应该适合你打算做的事情。这种方法的优点是,MOG2将处理更多的事情,如随着时间的推移更新模型、处理阴影等。

所以,如果你想测试它,你需要把你的fgmask彩色图像转换成一些你可以很容易的阈值,并决定每个像素是背景还是前景。一个简单的选择是将其转换为灰度,然后应用一个简单阈值,阈值越低,减法越“敏感”(使用阈值),即:

...
# get foremask?
    fgmask = frame - bg

    gray_image = cv2.cvtColor(fgmask, cv2.COLOR_BGR2GRAY)
    thresh = 20
    im_bw = cv2.threshold(im_gray, thresh, 255, cv2.THRESH_BINARY)[1]

    # filter kernel for denoising:
    kernel = cv2.getStructuringElement(cv2.MORPH_ELLIPSE, (3, 3))

    opening = cv2.morphologyEx(im_bw, cv2.MORPH_OPEN, kernel)
...