《学习openCV》例程解析 ex_9_2(背景减除)

56帧时分割出手效果

63帧时分割出手的效果

/***
平均背景法进行图像分割, 在图像背景相对稳定的情况下, 检测闯入图像的前景目标

*/

/***Averaging Background MethodWe’ve just seen a simple method of learning background scenes and segmenting fore-ground objects. It will work well only with scenes that do not contain moving background components (like a waving curtain or waving trees). It also assumes that the lighting remains fairly constant (as in indoor static scenes). */#include "stdafx.h"#include "cv.h"#include "highgui.h"/***************************************************///我们为需要的不同临时图像和统计属性的图像创建指针//Float 3-channel imagesIplImage *IavgF, *IdiffF, *IprevF, *IhiF, *IlowF;IplImage *Iscratch, *Iscratch2;//Float 1-channel imagesIplImage *Igray1, *Igray2, *Igray3;IplImage *Ilow1, *Ilow2, *Ilow3;IplImage *Ihi1, *Ihi2, *Ihi3;//Byte 1-channel imageIplImage *Imaskt;IplImage *Imask;float Icount;/**************************************************/void AllocateImages(IplImage* I)//该函数为需要的所有临时图像分配内存,传入来自视频的首帧图像作为大小参考{CvSize sz = cvGetSize(I);IavgF= cvCreateImage(sz, IPL_DEPTH_32F, 3);IdiffF= cvCreateImage(sz, IPL_DEPTH_32F, 3);IprevF= cvCreateImage(sz, IPL_DEPTH_32F, 3);IhiF= cvCreateImage(sz, IPL_DEPTH_32F, 3);IlowF= cvCreateImage(sz, IPL_DEPTH_32F, 3);Ilow1= cvCreateImage(sz, IPL_DEPTH_32F, 1);Ilow2= cvCreateImage(sz, IPL_DEPTH_32F, 1);Ilow3= cvCreateImage(sz, IPL_DEPTH_32F, 1);Ihi1= cvCreateImage(sz, IPL_DEPTH_32F, 1);Ihi2= cvCreateImage(sz, IPL_DEPTH_32F, 1);Ihi3= cvCreateImage(sz, IPL_DEPTH_32F, 1);cvZero(IavgF);cvZero(IdiffF);cvZero(IprevF);cvZero(IhiF);cvZero(IlowF);Icount = 1e-5;Iscratch= cvCreateImage(sz, IPL_DEPTH_32F, 3);Iscratch2= cvCreateImage(sz, IPL_DEPTH_32F, 3);cvZero(Iscratch);cvZero(Iscratch2);Igray1= cvCreateImage(sz, IPL_DEPTH_32F, 1);Igray2= cvCreateImage(sz, IPL_DEPTH_32F, 1);Igray3= cvCreateImage(sz, IPL_DEPTH_32F, 1);Imaskt= cvCreateImage(sz, IPL_DEPTH_8U, 1);Imask= cvCreateImage(sz, IPL_DEPTH_8U, 1);}void accumulateBackground(IplImage* I)//累积背景图像和前后帧图像差值的绝对值//当累积够一定数量后就将其转换成一个背景统计模型{static int first = 1;//局部静态变量,只初始化一次,意思就是第一次被赋值为1cvCvtScale(I, Iscratch, 1, 0);//将I指向的图像复制给Iscratch 不能用cvCopy,因为像素的位深度不同if (!first){cvAcc(Iscratch, IavgF);//累积原始的浮点图像到IIavgFcvAbsDiff(Iscratch, IprevF, Iscratch2);//计算前后帧图像绝对差图像到Iscratch2cvAcc(Iscratch2, IdiffF);//将前后帧差值图像累加到IdiffF 中Icount += 1.0;//记录累加的次数用于背景统计时计算均值}first = 0;//first 为局部静态变量,以后调用该函数将不再初始化为1//意思就是除了第一次,以后调用该函数均进入if 语句cvCopy(Iscratch, IprevF);//IprevF用来保存前一帧图像}void setHighThreshold(float scale){cvConvertScale(IdiffF, Iscratch, scale);//将统计的绝对差分图像值放大scale 倍赋给IscratchcvAdd(Iscratch, IavgF, IhiF);//IhiF = Iscratch + IavgF cvSplit(IhiF, Ihi1, Ihi2, Ihi3, 0);//将阀值上限分割为多通道}void setLowThreshold(float scale){cvConvertScale(IdiffF, Iscratch, scale);cvSub(IavgF, Iscratch, IlowF);//IlowF = IavgF - IscratchcvSplit(IlowF, Ilow1, Ilow2, Ilow3, 0);//将阀值下限分割为多通道}void createModelsfromStats()//当累积足够多的帧图后,就将其转化成一个背景统计模型//该函数用于计算每个像素的均值和平均绝对差分{cvConvertScale(IavgF, IavgF, (double)(1.0/Icount));//计算平均原始图像到 IavgFcvConvertScale(IdiffF, IdiffF, (double)(1.0/Icount));//计算绝对差分图像到 IdiffFcvAddS(IdiffF, cvScalar(1.0, 1.0, 1.0), IdiffF);//使得到的绝对差分图像每个像素值均不为空setHighThreshold(7.0);setLowThreshold(6.0);//根据统计的背景模型设定一个阀值上限和下限//如果 IlowF <= Temp < IhiF 时认为其为背景,否则为视频中出现的运动目标物体}void backgroundDiff(IplImage* I){cvCvtScale(I, Iscratch, 1, 0);//将I指向的图像复制给Iscratch 不能用cvCopy, 因为像素的位深度不同cvSplit(Iscratch, Igray1, Igray2, Igray3, 0);//得到的当前帧分割成3个单通道图像cvInRange(Igray1, Ilow1, Ihi1, Imask);//        src     lower  upper dst//检查这些单通道图像是否在平均背景像素高低阀值之间//如果src(I)在范围内(lower <= src < upper)dst(I)被设置为0xff(每一位都是 '1')否则置0cvInRange(Igray2, Ilow2, Ihi2, Imaskt);cvOr(Imask, Imaskt, Imask);//计算两个数组每个元素的按位或值赋值给第三个参数cvInRange(Igray3, Ilow3, Ihi3, Imaskt);cvOr(Imask, Imaskt, Imask);//最后Imask 为分离出的前景二值图cvSubRS(Imask, cvScalar(255), Imask);//计算数量和数组之间的差,将Imask反相处理}void DeallocateImages()//解除分配的内存{cvReleaseImage(&IavgF);cvReleaseImage(&IdiffF);cvReleaseImage(&IprevF);cvReleaseImage(&IhiF);cvReleaseImage(&IlowF);cvReleaseImage(&Ilow1);cvReleaseImage(&Ilow2);cvReleaseImage(&Ilow3);cvReleaseImage(&Ihi1);cvReleaseImage(&Ihi2);cvReleaseImage(&Ihi3);cvReleaseImage(&Iscratch);cvReleaseImage(&Iscratch2);cvReleaseImage(&Igray1);cvReleaseImage(&Igray2);cvReleaseImage(&Igray3);cvReleaseImage(&Imaskt);cvReleaseImage(&Imask);}int main(){CvCapture* capture = cvCreateFileCapture("tree.avi");//初始化从文件中获取视频if (!capture){printf("Couldn't Open the file.");return -1;}cvNamedWindow("raw");cvNamedWindow("avg");IplImage* rawImage = cvQueryFrame(capture);//这个函数仅仅是函数cvGrabFrame和函数cvRetrieveFrame在一起调用的组合cvShowImage("raw", rawImage);AllocateImages(rawImage);for (int i=0;;i++){if (i <= 30) {accumulateBackground(rawImage);//前30帧用于累积计算背景图像if (i == 30)//将前30真转换成一个背景统计模型createModelsfromStats();}else //建立好背景模型后调用此函数进行图像分割backgroundDiff(rawImage);cvShowImage("avg", Imask);//播放分割后的目标图像结果if (cvWaitKey(33) == 27)//每33ms 播放一帧break;if (!(rawImage = cvQueryFrame(capture)))break;cvShowImage("raw", rawImage);//显示原图像if (i == 56 || i == 63)//56帧和63帧时暂停cvWaitKey();}DeallocateImages();return 0;}