使用OpenCV实现背景减除

这篇具有很好参考价值的文章主要介绍了使用OpenCV实现背景减除。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

一、概述

  实现步骤:

  1.将图像转为灰度图

  2.使用滤波器去除图像中的噪音

  3.创建一个光模式图像

  4.用光模式矩阵减去处理过后的图像矩阵

  5.输出图像

  ps:此案例并不适合所有的情况,特别是生成光模式背景。如果是较为复杂且是彩色图像则完全没法发使用这种方式生成。

二、示例代码

//原图
    Mat src = imread(inputImagePath);
    imshow("input", src);
    waitKey(0);
    //灰度图
    Mat gray;
    cvtColor(src, gray, COLOR_BGR2GRAY);
    //中值滤波去除椒盐噪声,此处卷积核用3、5都不是很理想,所以选择了7。有兴趣可以试试其他的。
    Mat mBlur;
    medianBlur(gray, mBlur, 7);
    imshow("mBlur", mBlur);
    waitKey(0);
    //对原始图像执行大模糊以得到光模式(和输入图像背景差不多的的背景图)
    Mat pattern;
    blur(mBlur, pattern, Size(mBlur.cols / 3, mBlur.rows / 3));
    imshow("pattern", pattern);
    waitKey(0);
    //减除输入图像背景:有两种算法:1.减法=光模式图像-原始矩阵图像。2.除法=255*(1-(原生图像/光模式))
    Mat removeLightPattern;
    removeLightPattern = pattern - mBlur;
    //输出背景减除后的图像
    imshow("removeLightPattern", removeLightPattern);
    waitKey(0);

三、测试对比效果图

  对比图1:

使用OpenCV实现背景减除

 本文福利,费领取Qt开发学习资料包、技术视频,内容包括(C++语言基础,Qt编程入门,QT信号与槽机制,QT界面开发-图像绘制,QT网络,QT数据库编程,QT项目实战,QSS,OpenCV,Quick模块,面试题等等)↓↓↓↓↓↓见下面↓↓文章底部点击费领取↓↓文章来源地址https://www.toymoban.com/news/detail-512486.html

到了这里,关于使用OpenCV实现背景减除的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • 使用 OpenCV Python 实现自动图像注释工具的详细步骤--附完整源码

    注释是深度学习项目中最关键的部分。它是模型学习效果的决定因素。然而,这是非常乏味且耗时的。一种解决方案是使用自动图像注释工具,这大大缩短了时间。 本文是pyOpenAnnotate系列的一部分,其中包括以下内容。 1、使用 OpenCV 进行图像注释的路线图。 2、pyOpenAnnotate工

    2024年02月11日
    浏览(43)
  • 如何使用 OpenCV 去除图像背景

     文末附源代码的免费下载链接 在本教程中,我们将学习如何使用 OpenCV 使用一种名为背景减法的技术来去除视频中的背景。 背景扣除是计算机视觉中用于检测视频中移动物体的常用技术。对于安全、监视、交通监控等来说,这是一种非常有用的技术。 背景减法的基本思想是

    2024年02月14日
    浏览(44)
  • 使用 OpenCV 和 GrabCut 算法进行交互式背景去除

            我想,任何人都可以尝试从图像中删除背景。当然,有大量可用的软件或工具能够做到这一点,但其中一些可能很昂贵。但是,我知道有人使用窗口绘画3D魔术选择或PowerPoint背景去除来删除背景。         如果您是计算机视觉领域的初学者,这可能适合您。让

    2024年02月15日
    浏览(50)
  • 详解OpenCV的视频背景/前景分割(背景建模/前景提取)类cv::BackgroundSubtractorMOG2,并利用它实现对道路监控视频前景/背景的提取

    cv::BackgroundSubtractorMOG2和cv::bgsegm::BackgroundSubtractorMOG一样,都是基于高斯混合模型的背景与前景分割算法。 cv::BackgroundSubtractorMOG2是对cv::bgsegm::BackgroundSubtractorMOG的改进,经过改进,它实现了自适应高斯混合模型参数的更新,增强了复杂场景背景检测的性能。 具体的算法原理可

    2023年04月18日
    浏览(35)
  • 使用opencv结合帧差法和背景减法 检测场景异常情况

    帧差法是一种简单的背景减法技术,用于检测当前帧和背景帧之间的差异。以下是使用OpenCV实现帧差法的Python代码示例: 用于检测是否下雨,漏水等情况。 要截取摄像头的3秒时间并使用帧差法进行动态背景差异检测,你可以使用OpenCV库来完成这项任务。首先,你需要设置一

    2024年02月07日
    浏览(40)
  • 基于OpenCV的人脸对齐步骤详解及源码实现

    在做人脸识别的时候,前期的数据处理过程通常会遇到一个问题,需要将各种人脸从不同尺寸的图像中截取出来,再进行 人脸对齐 操作:即将人脸截取出来并将倾斜的人脸处理成正常的姿态。这样可以使每一个截取的人脸中的眼睛等位置处于同一位置,会对后面的识别算法

    2024年02月11日
    浏览(58)
  • (一)ROS2中OPENCV的使用步骤

    打开终端运行,即可得到自己的opencv版本 2.1、创建工作环境 2.2、创建ros2包的时候,添加opencv依赖项 这里在创建包的时候增加了–node-name 因此不需要自己添加依赖项 在这里可以看到运行结果,一个经典的图像处理领域使用的lenna的图片。 到这里说明你ros2下的opencv库已经可以

    2024年02月05日
    浏览(49)
  • 实战 | OpenCV两种不同方法实现粘连大米粒分割计数(步骤 + 源码)

    导  读     本文主要介绍基于OpenCV的两种不同方法实现粘连大米分割计数,并给详细步骤和源码。 源码和图片素材见文末。 背景介绍     测试图如下,图中有个别米粒相互粘连,本文主要演示如何使用OpenCV用两种不同方法将其分割并计数。        方法一:基于分水岭算

    2024年01月21日
    浏览(114)
  • OpenCV与AI深度学习 | 实战 | 基于YOLOv9和OpenCV实现车辆跟踪计数(步骤 + 源码)

    本文来源公众号“ OpenCV与AI深度学习 ”,仅用于学术分享,侵权删,干货满满。 原文链接:实战 | 基于YOLOv9和OpenCV实现车辆跟踪计数(步骤 + 源码)     本文主要介绍使用YOLOv9和OpenCV实现车辆跟踪计数(步骤 + 源码)。      监控摄像头可以有效地用于各种场景下的车辆

    2024年04月15日
    浏览(55)
  • opencv 十一 霍夫圆检测原理及高级使用案例(含优化步骤)

    霍夫圆检测能检测出目标图像中存在的圆,但在实际使用中,参数调节存在很大的困难,故在本博文中对霍夫圆检测的原理、参数列表、优化经验进行分析总结。详细的列出了各个参数的调节依据,实现了在复杂背景下的霍夫圆检测。 相关知识: 霍夫圆检测与霍夫变换密切

    2024年02月04日
    浏览(66)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包