Image processing opencv2中的背景减法

我试图通过移除静态（大部分）BG元素，使用opencv2检测前景运动。我使用的方法是基于一系列代表背景的图像的平均值。然后计算一个高于和低于该平均值的标准偏差。将其用作检测前景运动的窗口

据报道，这种机制适用于中等噪音的环境，如背景中摇曳的树木

所需输出是可在后续操作中使用的掩码，以最小化进一步处理。具体来说，我将在该区域内使用光流检测

cv2使这变得更容易，代码也更易于阅读和理解。谢谢cv2和numpy

但是我在做正确的FG检测时遇到了困难

理想情况下，我还想削弱/扩大BG平均值，以消除1像素噪声

代码是完整的，因此您在开始（BGsample）时有许多帧来在FG检测开始之前收集BG数据。唯一的依赖项是opencv2（>2.3.1）和numpy（应包含在>opencv 2.3.1中）

导入cv2
将numpy作为np导入
如果uuuu name uuuuuu='\uuuuuuu main\uuuuuuu'：
cap=cv2.视频捕获（0）#网络摄像头
cv2.namedWindow（“输入”）
cv2.namedWindow（“sig2”）
cv2.namedWindow（“检测”）
BGsample=20#捕获开始时收集BG样本的帧数
成功，img=cap.read（）
宽度=盖特（3）
高度=盖特（4）
#可以使用img.shape（：-1）#切断额外通道
如果成功：
acc=np.0（（高度、宽度），np.float32）#32位累加器
sqacc=np.0（（高度、宽度），np.float32）#32位累加器
对于范围（20）内的i:a=cap.read（）#假人至预热传感器
#收集BG样本
对于范围内的i（BGsample）：
成功，img=cap.read（）
帧=cv2.CVT颜色（img，cv2.COLOR\u bgr2灰色）
cv2.累计（帧，acc）
cv2.累加器方形（框架，sqacc）
#
M=acc/浮子（BG样本）
sqaccM=sqacc/浮动（BGsample）
M2=M*M
sig2=sqaccM-M2
#现在有BG样品吗
#开始FG检测
键=-1
while（键<0）：
成功，img=cap.read（）
帧=cv2.CVT颜色（img，cv2.COLOR\u bgr2灰色）
#理想情况下，我们为将来的使用创建一个用于FG对象的黑白遮罩
#（使用腐蚀或膨胀消除噪音）
#这不太正确
电平=M+sig2帧
灰色=cv2.形态学（水平，cv2.形态放大，
cv2.getStructuringElement（cv2.MORPH_ELLIPSE，（3,3）），迭代次数=2）
cv2.imshow（“输入”，帧）
cv2.imshow（“sig2”，sig2/60）
cv2.imshow（“检测”，灰色/20）
key=cv2.waitKey（1）
cv2.destroyAllWindows（）

我认为您不需要手动计算平均值和标准偏差，而是使用

cv2.meanstdev

。在下面的代码中，我使用从

M = acc/float(BGsample) 

因此，现在我们可以计算平均背景图像的平均值和标准偏差，最后使用

inRange

提取您想要的范围（即平均值+/-1标准偏差）

---

希望有帮助

我到目前为止的最佳猜测。使用detectmin、max将fp sigma强制转换为灰度，以便cv2.inRange使用。 似乎工作正常，但希望更好。。。有效FG数据中存在大量漏洞。 我想用rgb比灰度效果更好。 无法使用“扩张”或“腐蚀”来降低噪音

有什么改进吗

import cv2
import numpy as np


if __name__ == '__main__': 
    cap = cv2.VideoCapture(1)
    cv2.namedWindow("input")
    #cv2.namedWindow("sig2")
    cv2.namedWindow("detect")
    BGsample = 20 # number of frames to gather BG samples from at start of capture
    success, img = cap.read()
    width = cap.get(3)
    height = cap.get(4)
    if success:
        acc = np.zeros((height, width), np.float32) # 32 bit accumulator
        sqacc = np.zeros((height, width), np.float32) # 32 bit accumulator
        for i in range(20): a = cap.read() # dummy to warm up sensor
        # gather BG samples
        for i in range(BGsample):
            success, img = cap.read()
            frame = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
            cv2.accumulate(frame, acc)
            cv2.accumulateSquare(frame, sqacc)
        #
        M = acc/float(BGsample)
        sqaccM = sqacc/float(BGsample)
        M2 = M*M
        sig2 = sqaccM-M2
        # have BG samples now
        # calculate upper and lower bounds of detection window around mean.
        # coerce into 8bit image space for cv2.inRange compare
        detectmin = cv2.convertScaleAbs(M-sig2)
        detectmax = cv2.convertScaleAbs(M+sig2)
        # start FG detection
        key = -1
        while(key < 0):
            success, img = cap.read()
            frame = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
            level = cv2.inRange(frame, detectmin, detectmax)
            cv2.imshow("input", frame)
            #cv2.imshow("sig2", M/200)
            cv2.imshow("detect", level)
            key = cv2.waitKey(1)
    cv2.destroyAllWindows()

导入cv2
将numpy作为np导入
如果uuuu name uuuuuu='\uuuuuuu main\uuuuuuu'：
cap=cv2.视频捕获（1）
cv2.namedWindow（“输入”）
#cv2.namedWindow（“sig2”）
cv2.namedWindow（“检测”）
BGsample=20#捕获开始时收集BG样本的帧数
成功，img=cap.read（）
宽度=盖特（3）
高度=盖特（4）
如果成功：
acc=np.0（（高度、宽度），np.float32）#32位累加器
sqacc=np.0（（高度、宽度），np.float32）#32位累加器
对于范围（20）内的i:a=cap.read（）#假人至预热传感器
#收集BG样本
对于范围内的i（BGsample）：
成功，img=cap.read（）
帧=cv2.CVT颜色（img，cv2.COLOR\u bgr2灰色）
cv2.累计（帧，acc）
cv2.累加器方形（框架，sqacc）
#
M=acc/浮子（BG样本）
sqaccM=sqacc/浮动（BGsample）
M2=M*M
sig2=sqaccM-M2
#现在有BG样品吗
#计算平均值周围检测窗口的上下限。
#强制进入8位图像空间以进行cv2.inRange比较
detectmin=cv2.convertScaleAbs（M-sig2）
detectmax=cv2.convertScaleAbs（M+sig2）
#开始FG检测
键=-1
while（键<0）：
成功，img=cap.read（）
帧=cv2.CVT颜色（img，cv2.COLOR\u bgr2灰色）
电平=cv2.inRange（帧、检测分钟、检测最大值）
cv2.imshow（“输入”，帧）
#cv2.imshow（“sig2”，M/200）
cv2.imshow（“检测”，电平）
key=cv2.waitKey（1）
cv2.destroyAllWindows（）
看起来类似于TC++的答案：很难理解你在这里的要求。您是否试图将图像的背景与前景分开？如果是这种情况，请更清楚地说明：“我想将图像的背景与其前景分开。为此，我将图像平均灰度值在1标准偏差范围内的每个像素标记为bakground。”我已经按照您的建议重述了这个问题，谢谢。唉，cv2.Meanstdev为均值和σ计算单个标量值。。。打印类型（mu），类型（sigma），mu.shape，sigma.shape。。。（1，1）（1，1）cv2.inRange是个好消息。出于某种原因，我以为他们把它忘在简历里了，但是
(mu, sigma) = cv2.meanStdDev(M)
fg = cv2.inRange(M, (mu[0] - sigma[0]), (mu[0] + sigma[0]))
# proceed with morphological clean-up here...

import cv2
import numpy as np


if __name__ == '__main__': 
    cap = cv2.VideoCapture(1)
    cv2.namedWindow("input")
    #cv2.namedWindow("sig2")
    cv2.namedWindow("detect")
    BGsample = 20 # number of frames to gather BG samples from at start of capture
    success, img = cap.read()
    width = cap.get(3)
    height = cap.get(4)
    if success:
        acc = np.zeros((height, width), np.float32) # 32 bit accumulator
        sqacc = np.zeros((height, width), np.float32) # 32 bit accumulator
        for i in range(20): a = cap.read() # dummy to warm up sensor
        # gather BG samples
        for i in range(BGsample):
            success, img = cap.read()
            frame = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
            cv2.accumulate(frame, acc)
            cv2.accumulateSquare(frame, sqacc)
        #
        M = acc/float(BGsample)
        sqaccM = sqacc/float(BGsample)
        M2 = M*M
        sig2 = sqaccM-M2
        # have BG samples now
        # calculate upper and lower bounds of detection window around mean.
        # coerce into 8bit image space for cv2.inRange compare
        detectmin = cv2.convertScaleAbs(M-sig2)
        detectmax = cv2.convertScaleAbs(M+sig2)
        # start FG detection
        key = -1
        while(key < 0):
            success, img = cap.read()
            frame = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
            level = cv2.inRange(frame, detectmin, detectmax)
            cv2.imshow("input", frame)
            #cv2.imshow("sig2", M/200)
            cv2.imshow("detect", level)
            key = cv2.waitKey(1)
    cv2.destroyAllWindows()