从图像opencv python中的像素中减去可变值

我试图复制这项研究来验证它

长话短说：

我使用以下方法从视频中的所有帧中提取像素行：

values_list = []

for filename in glob.glob('frames//*.png'):

    img = cv2.imread(filename,0)    
    values_list.append(img[100, :]) #Get all rows at y-axis 17 which is the row pixels

然后，我使用以下方法创建了一个绘图：

fig, ax = plt.subplots()
width = 10
xlim = 0, width*len(values_list)
ylim = 0, max([len(v) for v in values_list]) + 2


ax.set(xlim=xlim, ylim=ylim, autoscale_on=False)
for i in range(len(values_list)):
    plt.imshow(np.array(values_list[i]).reshape(-1, 1), extent=[i * width, (i + 1) * width, 0, len(values_list[i])],
               origin='lower', cmap='gray')

ax.set_aspect('auto')

fig.set_size_inches(20, 10.5)

plt.savefig('myimage.png', format='png', dpi=1000)

这给出了下面的图

上述内容相当于作者论文中b）c）和d）的内容（但水平而非垂直，灰度而非颜色）。他们是如何将其转换为如下所示的e）f）和g）的等价物的

所有的索赔都是无效的

该调制（b）c）和d）在图中不可见。做这个 更明显的是，我们减去了一个缓慢变化的分量 在图中沿垂直方向与每个像素分开 时间变量值，从而增强 光调制，以心跳或更高的速率变化

如何从存储在

values\u list

中的像素中减去缓慢变化的分量，这些像素是每帧图像的像素

附加服务：

复制图形的

值\u列表

如下所示

下载

电子补充资料下底部的视频链接

，使用以下代码将视频转换为帧，然后应用上面的代码

import cv2

vidcap = cv2.VideoCapture('video/2.mp4')
success, image = vidcap.read()
count = 0
while success:

    cv2.imwrite("frames/%d.png" % count, image)
    success, image = vidcap.read()
    count += 1

它给出了这幅图像：

---

我不确定这是否是他们的意思，但我看不到蓝色的图案，但可以在其他两个中看到。我会对他们图像中的每一列取平均值，从该列中减去它，然后将所有值缩放到0到255之间（按列）。@Pam要复制注释，白线意味着可能有一些环绕。独立地插值每个“列”（或行，我猜在您的情况下是这样的）（因此，如果第一个像素从0-10变化，那么将其映射到1-255，如果下一个像素从40-80变化，则映射该像素）。你基本上是在跟踪一个像素（没有空间变化，一整行像素），所以我认为把每一系列像素看作是独立的。

import glob
import cv2

import matplotlib.pyplot as plt
import numpy as np
import random

values_list = []
values_mean = []

count = 0

for filename in glob.glob('video//frames//*.png'):

    count +=1
    img = cv2.imread(filename,0)    

    values_list.append(img[100,:]) #Get all rows at x-axis 17 which is the row pixels
    values_mean.append(np.round(np.mean(img[100:]), decimals=0))

values_list = np.array(values_list)
values_mean = np.array(values_mean).reshape(-1,1)
new_column_value = values_mean - values_list
new_column_value_scaled = np.interp(new_column_value, (new_column_value.min(), new_column_value.max()),(0, 255))

plotted_values_list = new_column_value_scaled

fig, ax = plt.subplots()
width = 10
xlim = 0, width*len(values_list)
ylim = 0, max([len(v) for v in values_list]) + 2


ax.set(xlim=xlim, ylim=ylim, autoscale_on=False)

for i in range(len(plotted_values_list)):
    plt.imshow(np.array(plotted_values_list[i,:]).reshape(-1, 1), extent=[i * width, (i + 1) * width, 0, 
                                                                          len(plotted_values_list[i,:])],origin='lower', cmap='gray')

ax.set_aspect('auto')

fig.set_size_inches(20, 10.5)

plt.savefig('myimage_whole.png', format='png', dpi=500)
#plt.show()