OpenCV实现去除背景识别的方法总结
作者:小小小小能 发布时间:2021-01-06 23:04:10
标签:OpenCV,去除,背景
实现效果
效果如图,只识别一定距离内的物体
哈哈哈哈哈哈哈哈哈,但我不知道这有什么用
实现代码
import pyrealsense2 as rs
import numpy as np
import cv2
# 排除背景色
WIDTH = 848
HEIGHT = 480
# 初始化
config = rs.config()
config.enable_stream(rs.stream.color, WIDTH, HEIGHT, rs.format.bgr8, 30)
config.enable_stream(rs.stream.depth, WIDTH, HEIGHT, rs.format.z16, 30)
# 开始
pipeline = rs.pipeline()
profile = pipeline.start(config)
# 距离[m] = depth * depth_scale
depth_sensor = profile.get_device().first_depth_sensor()
depth_scale = depth_sensor.get_depth_scale()
clipping_distance_in_meters = 0.4 # 40cm以内
clipping_distance = clipping_distance_in_meters / depth_scale
# 对齐图像
align_to = rs.stream.color
align = rs.align(align_to)
threshold = (WIDTH * HEIGHT * 3) * 0.95
try:
while True:
frames = pipeline.wait_for_frames()
aligned_frames = align.process(frames)
color_frame = aligned_frames.get_color_frame()
depth_frame = aligned_frames.get_depth_frame()
if not depth_frame or not color_frame:
continue
color_image = np.asanyarray(color_frame.get_data())
depth_image = np.asanyarray(depth_frame.get_data())
# clipping_distance_in_metersm以以内形成画像
white_color = 255 # 背景色
depth_image_3d = np.dstack((depth_image, depth_image, depth_image))
bg_removed = np.where((depth_image_3d > clipping_distance) | (depth_image_3d <= 0), white_color, color_image)
# 计算具有背景颜色的像素数
white_pic = np.sum(bg_removed == 255)
# 当背景颜色低于某个值时显示“检测到”
if(threshold > white_pic):
print("检测到 {}".format(white_pic))
else:
print("{}".format(white_pic))
images = np.hstack((bg_removed, color_image))
cv2.imshow('Frames', images)
if cv2.waitKey(1) & 0xff == 27:
break
finally:
# 停止
pipeline.stop()
cv2.destroyAllWindows()
补充
在opencv中有两种方法可以进行背景消除:
其一、基于机器学习(Knn–K个最近邻)背景消除建模
其二、于图像分割(GMM,抗干扰图像分割)背景消除建模BS ,Background Subtraction
c版
#include<opencv2/opencv.hpp>
#include<iostream>
using namespace std;
using namespace cv;
int main(int argc, char** argv) {
VideoCapture capture;
capture.open("D:/software/opencv1/picture/vtest.avi");
if (!capture.isOpened()) {
printf("could not load the video!");
return -1;
}
Mat frame;
Mat bsmaskMOG2,bsmaskKNN;
namedWindow("input video", CV_WINDOW_AUTOSIZE);
namedWindow("MOG2 Model",CV_WINDOW_AUTOSIZE);
namedWindow("kKNNoutput Model", CV_WINDOW_AUTOSIZE);
Mat kernel = getStructuringElement(MORPH_RECT,Size(3,3),Point(-1,-1));
//初始化BS
Ptr<BackgroundSubtractor> pMOG2 = createBackgroundSubtractorMOG2();
Ptr<BackgroundSubtractor> pKNN = createBackgroundSubtractorKNN();
while (capture.read(frame))
{
imshow("input video", frame);
// MOG BS
pMOG2->apply(frame, bsmaskMOG2);
//形态学操作--开操作,去除小的噪声morphologyEx()
morphologyEx(bsmaskMOG2, bsmaskMOG2, MORPH_OPEN, kernel, Point(-1, -1));
imshow("MOG2 Model", bsmaskMOG2);
// KNN BS mask
pKNN->apply(frame, bsmaskKNN);
imshow("KNNoutput Model", bsmaskKNN);
char c = waitKey(100);
if (c == 27) {
break;
}
}
capture.release();
waitKey(0);
return 0;
}
python
#!/usr/bin/python3.6
# -*- coding: utf-8 -*-
# @Time : 2020/11/17 19:06
# @Author : ptg
# @Email : zhxwhchina@163.com
# @File : 去背景.py
# @Software: PyCharm
import cv2 as cv
import numpy as np
from cv2 import cv2
image = cv2.imread("mabaoguo2.jpg",cv2.IMREAD_GRAYSCALE)
binary = cv2.adaptiveThreshold(image,255,
cv2.ADAPTIVE_THRESH_GAUSSIAN_C,cv2.THRESH_BINARY_INV,25,15)
se = cv2.getStructuringElement(cv2.MORPH_RECT,(1,1))
se = cv2.morphologyEx(se, cv2.MORPH_CLOSE, (2,2))
mask = cv2.dilate(binary,se)
cv2.imshow("image",image)
mask1 = cv2.bitwise_not(mask)
binary =cv2.bitwise_and(image,mask)
result = cv2.add(binary,mask1)
cv2.imshow("reslut",result)
cv2.imwrite("reslut00.jpg",result)
cv2.waitKey(0)
cv2.destroyAllWindows()
import cv2
import numpy as np
#读入图像
video = cv2.VideoCapture("E:\\video.avi")
videoIsOpen=video.isOpened
print(videoIsOpen)
width=int(video.get(cv2.CAP_PROP_FRAME_WIDTH))#宽度
height=int(video.get(cv2.CAP_PROP_FRAME_HEIGHT))#高度
fps=video.get(cv2.CAP_PROP_FPS)#获取帧率
print(fps,width,height)
#创建窗口
cv2.namedWindow('MOG2')
cv2.namedWindow('MOG22')
cv2.namedWindow('input video')
#cv2.namedWindow('KNN')
bsmaskMOG2 = np.zeros([height,width],np.uint8)
bsmaskKnn = np.zeros([height,width],np.uint8)
#两种消除的方案
pMOG2 = cv2.createBackgroundSubtractorMOG2(detectShadows=True)
PKNN = cv2.createBackgroundSubtractorKNN(detectShadows=True)
#形态学处理
kernel = cv2.getStructuringElement(cv2.MORPH_RECT,(3, 3))
while videoIsOpen:
(flag,frame)=video.read()
if not flag:
break
cv2.imshow('input video',frame)
# bsmaskKnn= PKNN.apply(frame)
# cv2.imshow('KNN',bsmaskKnn)
bsmaskMOG2 = pMOG2.apply(frame)
cv2.imshow('MOG22',bsmaskMOG2)
OPEND=cv2.morphologyEx(bsmaskMOG2,cv2.MORPH_OPEN,kernel)
cv2.imshow('MOG2',OPEND)
c = cv2.waitKey(40)
if c==27:
break
video.release()
cv2.waitKey(0)
来源:https://blog.csdn.net/weixin_49828565/article/details/127257531
0
投稿
猜你喜欢
- 本文实例讲述了PHP面向对象程序设计继承用法。分享给大家供大家参考,具体如下:<?php//继承是子类(派生类)从父类(基类,超类)继
- 如下所示:import picklewith open(filename, 'rb') as f: datadict = p
- ORACLE的数据字典是数据库的重要组成部分之一,它随着数据库的产生而产生, 随着数据库的变化而变化, 体现为sys用户下的一些表和视图。数
- 首先要把php_iconv.dll和inconv.dll COPY到c:\winnt\system32下,直接上代码:<?define
- Oracle数据库作为大型数据库管理系统,近年来一直占有世界上高端数据库的最大份额,其强大而完善的数据库管理功能,以及ORACLE公司推陈出
- 加班时抽空弄的,javascript图片链接定时轮换,自适应图片大小,支持预载,进行了简单封装,方便调用。发现自己还是菜得很,一个简单效果被
- 网上广泛流传的取 object 的绝对位置的做法是:var getAbsPos = function(pTar
- 简介:with是从Python2.5引入的一个新的语法,它是一种上下文管理协议,目的在于从流程图中把 try,except 和finally
- python3 manage.py makemigrations # 生成数据库迁移文件python3 manage.py migrate
- asp如何将RGB颜色转化成到16进制的?在R G B中输入小于255的数字点击观看即可转换成#开通的16进制。代码如下:<%R_RG
- 如何在生产上部署Django?Django的部署可以有很多方式,采用nginx+uwsgi的方式是其中比较常见的一种方式。uwsgi介绍uW
- 前言np.argmax是用于取得数组中每一行或者每一列的的最大值。常用于机器学习中获取分类结果、计算精确度等。函数:numpy.argmax
- 原文:http://www.smashingmagazine.com/ ... emarkable-favicons/翻译:Blank(怿飞
- 本文主要跟大家介绍了Golang巧用defer进行错误处理的相关内容,分享出来供大家参考学习,下面来看看详细的介绍:问题引入毫无疑问,错误处
- 1、准备html文件首先我们需要准备一个鼠标滑动的html文件,用来演示鼠标滑动的效果,注意需要将我们的html文件放在自己的服务器上,这样
- 本文实例讲述了python类和对象用法。分享给大家供大家参考,具体如下:前面我们都是用python面向过程编程,现在来用python创建类和
- 简介:上文中已经介绍如何安装Pycharm已经环境变量的配置。现在软件已经安装成功,现在就开始动手做第一个Python项目。第一个“Hell
- 本文实例讲述了Python Web框架之Django框架文件上传功能。分享给大家供大家参考,具体如下:上传方式:- Form表单上传文件-
- interfaceGo语言里面设计最精妙的应该算interface,它让面向对象,内容组织实现非常的方便,当你看完这一章,你就会被inter
- min()方法返回它的参数最小值:最接近负无穷大的值。语法以下是min()方法的语法:min( x, y, z, .... )参