OpenCV如何實(shí)現(xiàn)幀間差分法

這篇文章主要介紹OpenCV如何實(shí)現(xiàn)幀間差分法，文中介紹的非常詳細(xì)，具有一定的參考價(jià)值，感興趣的小伙伴們一定要看完！

具體內(nèi)容如下

一.基本概念

基于視頻的車輛檢測(cè)算法種類很多：光流法檢測(cè)，幀差法，背景消除法（其中包括：直方圖法，平均值法，單分布和混合高斯分布背景模型，Kalman濾波等），邊緣檢測(cè)法，運(yùn)動(dòng)矢量檢測(cè)法...下面分享的是運(yùn)動(dòng)目標(biāo)檢測(cè)算法中最基本的方法—幀間差分法。

相鄰幀間圖像差分思想：檢測(cè)出了相鄰兩幀圖像中發(fā)生變化的區(qū)域。該方法是用圖像序列中的連續(xù)兩幀圖像進(jìn)行差分，然后二值化該灰度差分圖像來提取運(yùn)動(dòng)信息。由幀間變化區(qū)域檢測(cè)分割得到的圖像，區(qū)分出背景區(qū)域和運(yùn)動(dòng)車輛區(qū)域，進(jìn)而提取要檢測(cè)的車輛目標(biāo)。

它是通過比較圖像序列中前后兩幀圖像對(duì)應(yīng)像素點(diǎn)灰度值的不同，通過兩幀相減，如果灰度值很小，可以認(rèn)為該點(diǎn)無運(yùn)動(dòng)物體經(jīng)過；反之灰度變化很大，則認(rèn)為有物體經(jīng)過。第k幀和k+1幀圖像fk(x，y)，fk+l(x，y)之間的變化用一個(gè)二值差分圖像D(x，y)表示，如式:

二值圖中0對(duì)應(yīng)前后未變化的地方，1對(duì)應(yīng)變化的地方。流程圖如下圖所示：

幀差法的特點(diǎn)是實(shí)現(xiàn)簡(jiǎn)單，運(yùn)算速度快，對(duì)于動(dòng)態(tài)環(huán)境自適應(yīng)性是很強(qiáng)的，對(duì)光線的變化不是十分的敏感。但是在運(yùn)動(dòng)體內(nèi)易產(chǎn)生空洞．特別是目標(biāo)運(yùn)動(dòng)速度較快時(shí)，影響目標(biāo)區(qū)域準(zhǔn)確提取。我們以年輛檢測(cè)為例，車輛檢測(cè)除了要檢測(cè)出運(yùn)動(dòng)車輛．同時(shí)還要檢測(cè)出暫時(shí)停止的車輛，在這個(gè)方面，此類方法無能為力。而且如果車輛的體積較大，那么車輛在前后幀中根容易產(chǎn)生重疊部分，尤其是大貨車，這使得幀問差分的結(jié)果主要為車頭和車尾。車輛中間部分的差分值相對(duì)報(bào)?。纬煽斩?，不利于檢測(cè)。

二.程序源代碼

#include "stdafx.h"
#include "highgui.h"
#include "cxcore.h"
#include "ml.h"
#include "cv.h"
 
void main()
{
 CvCapture* capture;
 capture=cvCaptureFromFile("video.avi");//獲取視頻
 cvNamedWindow("camera",CV_WINDOW_AUTOSIZE);
 cvNamedWindow("moving area",CV_WINDOW_AUTOSIZE);
 
 
 IplImage* tempFrame;//用于遍歷capture中的幀，通道數(shù)為3，需要轉(zhuǎn)化為單通道才可以處理
 IplImage* currentFrame;//當(dāng)前幀
 IplImage* previousFrame;//上一幀
 /*
 CvMat結(jié)構(gòu)，本質(zhì)上和IplImage差不多，但是因?yàn)镮plImage里的數(shù)據(jù)只能用uchar的形式存放，當(dāng)需要這些圖像數(shù)據(jù)看作數(shù)據(jù)矩陣來運(yùn)算時(shí)，0~255的精度顯然滿足不了要求；
然而CvMat里卻可以存放任意通道數(shù)、任意格式的數(shù)據(jù)
 */
 CvMat* tempFrameMat;
 CvMat* currentFrameMat; //IplImage要轉(zhuǎn)成CvMat進(jìn)行處理
 CvMat* previousFrameMat;
 
 int frameNum=0;
 while(tempFrame=cvQueryFrame(capture))
 {
 //tempFrame=cvQueryFrame(capture);
 frameNum++;
 if(frameNum==1)
 {
 //第一幀先初始化各個(gè)結(jié)構(gòu)，為它們分配空間
 previousFrame=cvCreateImage(cvSize(tempFrame->width,tempFrame->height),IPL_DEPTH_8U,1);
 currentFrame=cvCreateImage(cvSize(tempFrame->width,tempFrame->height),IPL_DEPTH_8U,1);
 currentFrameMat=cvCreateMat(tempFrame->height, tempFrame->width, CV_32FC1);
 previousFrameMat=cvCreateMat(tempFrame->height, tempFrame->width, CV_32FC1);
 tempFrameMat=cvCreateMat(tempFrame->height, tempFrame->width, CV_32FC1);
 //此時(shí)這些IplImage和CvMat都是空的，沒有存有數(shù)據(jù)
 }
 if(frameNum>=2)
 {
 cvCvtColor(tempFrame, currentFrame, CV_BGR2GRAY);//轉(zhuǎn)化為單通道灰度圖，此時(shí)currentFrame已經(jīng)存了tempFrame的內(nèi)容
 /*
 用cvConvert將IplImage轉(zhuǎn)為CvMat，接下來用cvAbsDiff對(duì)它們處理
 經(jīng)過轉(zhuǎn)換后，currentFrame沒有改變，但是tempFrameMat已經(jīng)存了currentFrame的內(nèi)容
 */
 cvConvert(currentFrame,tempFrameMat);
 cvConvert(previousFrame,previousFrameMat);
 
 cvAbsDiff(tempFrameMat,previousFrameMat,currentFrameMat);//做差求絕對(duì)值
 /*
 在currentFrameMat中找大于20（閾值）的像素點(diǎn)，把currentFrame中對(duì)應(yīng)的點(diǎn)設(shè)為255
 此處閾值可以幫助把車輛的陰影消除掉
 */
 cvThreshold(currentFrameMat,currentFrame,20,255.0,CV_THRESH_BINARY);
  //cvConvert(currentFrameMat,currentFrame); //觀察不二值化的情況
 
 cvDilate(currentFrame,currentFrame); //膨脹
 cvErode(currentFrame,currentFrame); //腐蝕
 cvFlip(currentFrame, NULL, 0); //垂直翻轉(zhuǎn)
 //顯示圖像
 cvShowImage("camera",tempFrame);
 cvShowImage("moving area",currentFrame);
 }
 //把當(dāng)前幀保存作為下一次處理的前一幀
 cvCvtColor(tempFrame, previousFrame, CV_BGR2GRAY);
 cvWaitKey(33);
 
 }//end while
 
 //釋放資源
 cvReleaseImage(&tempFrame);
 cvReleaseImage(&previousFrame);
 cvReleaseImage(&currentFrame);
 
 cvReleaseCapture(&capture);
 cvReleaseMat(&previousFrameMat);
 cvReleaseMat(&currentFrameMat);
 cvDestroyWindow("camera");
 cvDestroyWindow("moving area");
}

以上是“OpenCV如何實(shí)現(xiàn)幀間差分法”這篇文章的所有內(nèi)容，感謝各位的閱讀！希望分享的內(nèi)容對(duì)大家有幫助，更多相關(guān)知識(shí)，歡迎關(guān)注億速云行業(yè)資訊頻道！