使用的方法：KNN（机器学习）、GMM（概率分析）
目标：对于一个视频，区分出他的背景和前景（行人、船只等）
用到的api是：
def video_io_demo():capture = cv.VideoCapture(0)bgfg = cv.createBackgroundSubtractorMOG2()bgfg1 = cv.createBackgroundSubtractorKNN()while(True):ret,frame = ad()if ret is True:cv.imshow("video_input",frame)mask = bgfg.apply(frame)cv.imshow("result", mask)c = cv.waitKey(2)if c==27:breakelse:break我们通过摄像头来测试一下，返回一个mask(mask即是背景减去原图后的前景）
为什么大晚上在家要戴口罩，因为口罩比我脸白，轮廓更明显……
可以看到右边还是有许多噪点，于是用开操作去一下噪声
def video_io_demo():capture = cv.VideoCapture(0)bgfg = cv.createBackgroundSubtractorMOG2()bgfg1 = cv.createBackgroundSubtractorKNN()k = cv.getStructuringElement(cv.MORPH_RECT,(3,3))while(True):ret,frame = ad()if ret is True:cv.imshow("video_input",frame)mask = bgfg.apply(frame)mask = cv.morphologyEx(mask,cv.MORPH_OPEN,k)cv.imshow("result", mask)c = cv.waitKey(2)if c==27:breakelse:break确实比去噪前要分割明显，视频下对比会更清楚。
接下来我想显示一下背景图，这里是用到了
def video_io_demo():capture = cv.VideoCapture(0)bgfg = cv.createBackgroundSubtractorMOG2()bgfg1 = cv.createBackgroundSubtractorKNN()k = cv.getStructuringElement(cv.MORPH_RECT,(3,3))while(True):ret,frame = ad()if ret is True:cv.imshow("video_input",frame）mask = bgfg.apply(frame)bg_image = BackgroundImage()mask = cv.morphologyEx(mask,cv.MORPH_OPEN,k)cv.imshow("result", mask)cv.imshow("bg_img", bg_image)c = cv.waitKey(2)if c==27:breakelse:break这里为了效果更明显，我把摄像头对准了墙壁，可以看到如下效果。背景bg_img中没有显示我的手和笔，在mask中绘出了我的手和笔。说明他比较好的将背景和前景分割开了。
总结一下：
这里就用到了三个api
首先：bgfg = cv.createBackgroundSubtractorMOG2() 或 bgfg1 = cv.createBackgroundSubtractorKNN()bgfg.apply(frame) 来获取BackgroundImage() 来获取背景图
需要注意的是，获取背景图时不能跳过apply() 这一步。必须先使用了apply(frame)才能获取背景图
本文发布于:2024-03-12 14:39:23，感谢您对本站的认可！
本文链接：https://www.4u4v.net/it/1710649029144700.html
版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系，我们将在24小时内删除。
| 留言与评论（共有 0 条评论） |
