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:从图像opencv python中的像素中减去可变值,python,arrays,opencv,matplotlib,image-processing,Python,Arrays,Opencv,Matplotlib,Image Processing,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:
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()