使用运行平均值的概念在图像中减去背景
原文:https://www . geesforgeks . org/background-减法-在图像中使用运行平均值的概念/
背景减除是一种从背景中分离出前景元素的技术，通过生成前景遮罩来完成。这种技术用于从静态摄像机中检测动态移动的物体。背景减除技术对于目标跟踪非常重要。背景减除有几种技术
在本文中，我们讨论了运行平均值的概念。函数的运行平均值用于将前景和背景分开。在这个概念中，在特定的一组帧上分析视频序列。在这个帧序列期间，计算当前帧和先前帧的运行平均值。这为我们提供了背景模型，在视频排序过程中引入的任何新对象都将成为前景的一部分。然后，当前帧保存新引入的带有背景的对象。然后计算背景模型(它是时间的函数)和当前帧(它是新引入的对象)之间的绝对差值。使用下面给出的公式计算运行平均值:
先决条件:
- 用于输入的工作网络摄像机或摄像机模块。
- 下载 Python 3.x、Numpy 和 OpenCV 2.7.x 版本。检查您的操作系统是 32 位还是 64 位兼容，并相应地安装。
- 检查 numpy 和 OpenCV 的运行状态
*Running Average 方法是如何工作的？*T3】
该程序的目标是根据从参考帧和当前帧获得的差异来检测活动对象。我们不断地将每一帧输入给给定的函数，函数不断地寻找所有帧的平均值。然后我们计算帧之间的绝对差异。 使用的功能是 cv2 .累计加权() 。
cv2.accumulateWeighted(src, dst, alpha)
该函数中传递的参数有:
- src :源图像。图像可以是彩色或灰度图像，也可以是 8 位或 32 位浮点。
- dst :累加器或目的图像。它是 32 位或 64 位浮点。 注意:应该和源图像的通道一样。此外，dst 的值最初应该预先声明。
- alpha :输入图像的权重。阿尔法决定更新的速度。如果为该变量设置一个较低的值，运行平均值将在大量先前帧上执行，反之亦然。
代码:
# Python program to illustrate
# Background subtraction using
# concept of Running Averages
# organize imports
import cv2
import numpy as np
# capture frames from a camera
cap = cv2.VideoCapture(0)
# read the frames from the camera
_, img = cap.read()
# modify the data type
# setting to 32-bit floating point
averageValue1 = np.float32(img)
# loop runs if capturing has been initialized.
while(1):
# reads frames from a camera
_, img = cap.read()
# using the cv2.accumulateWeighted() function
# that updates the running average
cv2.accumulateWeighted(img, averageValue1, 0.02)
# converting the matrix elements to absolute values
# and converting the result to 8-bit.
resultingFrames1 = cv2.convertScaleAbs(averageValue1)
# Show two output windows
# the input / original frames window
cv2.imshow('InputWindow', img)
# the window showing output of alpha value 0.02
cv2.imshow('averageValue1', resultingFrames1)
# Wait for Esc key to stop the program
k = cv2.waitKey(30) & 0xff
if k == 27:
break
# Close the window
cap.release()
# De-allocate any associated memory usage
cv2.destroyAllWindows()
输出:
如下图所示，手挡住了背景。
现在，我们摇动前景物体，即我们的手。我们开始挥手。
Running average 下面清晰的显示了背景，alpha 0.02 的 Running Average 已经捕捉到它是一只透明的手，主要强调背景
或者，我们可以使用 cv。running gavg()用于相同的任务，其参数与 cv2.accumulateweighted()的参数具有相同的含义。
cv.RunningAvg(image, acc, alpha)
参考文献:
- https://docs.opencv.org/2.4/modules/imgproc/doc/motion_analysis_and_object_tracking.html
- https://en.wikipedia.org/wiki/Foreground_detection
- https://docs.opencv.org/3.2.0/d1/dc5/tutorial_background_subtraction.html
版权属于：月萌API www.moonapi.com，转载请注明出处
