Python下應用opencv 背景消除或圖片減法

woff

背景消除或背景減法是這樣一種假設。我們有2個圖片，一個是靜止的，比如場景，沒有需要檢測的東西，另一個照片則包含了要檢測的對象，但他是侵入了背景裡的東西，或對象。我們就是要檢測這個東西，比如商場進入的小偷，老鼠，或者馬路上通過的車輛。

利用背景減法，我們容易找到我們感興趣的東西。先看看下面2張圖片：



右邊圖片是我們的背景，左邊圖片是我們的結果，我們找到感興趣的部分，就是框起來的部分。框起來前就是我們對比的圖片，或者叫變化的圖片。有這個教授坐在椅子上的部分。

本程序除了opencv要安裝好外，還要裝好imutils。imutils的下載和安裝在 Python下應用opencv的簡單功能演示 一文中有介紹。

本文的原始代碼來自 https://www.pyimagesearch.com/2016/11/21/raspbian-opencv-pre-configured-and-pre-installed/ 的一個教學講稿。

代碼開始部分
註釋裡介紹使用方法：

python image_sub.py --bg 背景文件名 --fg 前景文件名

然後輸入必要的包，命令行參數處理，這裡有缺省參數，你可修改default 後的文件路徑和名

1. 
   
2. # USAGE 使用方法
   
3. # python image_sub.py --bg images/bg.jpg --fg images/adrian.jpg
   
4. 
   
5. # import the necessary packages  输入必要的包
   
6. import numpy as np
   
7. import argparse
   
8. import imutils
   
9. import cv2
   
10. 
    
11. # construct the argument parser and parse the arguments
    
12. # 命令行参数处理，2个图片都存在imges 目录里，这里提供缺省值
    
13. # 这根据你的情况，更改default 后的文件名，当然也可命令行输入
    
14. ap = argparse.ArgumentParser()
    
15. ap.add_argument("-b", "--bg", default='images/bg.jpg',
    
16.         help="path to background image")
    
17. ap.add_argument("-f", "--fg", default='images/adrian.jpg',
    
18.         help="path to foreground image")
    
19. args = vars(ap.parse_args())
    

複製代碼

導入圖片並灰度化處理

1. # load the background and foreground images
   
2. # 导入背景，前景文件
   
3. bg = cv2.imread(args["bg"])
   
4. fg = cv2.imread(args["fg"])
   
5. 
   
6. # convert the background and foreground images to grayscale
   
7. # 灰度化处理
   
8. bgGray = cv2.cvtColor(bg, cv2.COLOR_BGR2GRAY)
   
9. fgGray = cv2.cvtColor(fg, cv2.COLOR_BGR2GRAY)

複製代碼

背景減法
做減法時，轉換為int32，這樣可以有負值。然後取絕對值，再轉成類型uint8, opencv可以識別。

1. # perform background subtraction by subtracting the foreground from
   
2. # the background and then taking the absolute value
   
3. # 背景减法
   
4. sub = bgGray.astype("int32") - fgGray.astype("int32")
   
5. sub = np.absolute(sub).astype("uint8")
   
6. cv2.imshow("sub",sub)

複製代碼

二值化處理
用Otsu 門檻法，轉換上面的減法結果為前景和背景，0為背景，255為前景。圖片效果為下面左邊圖。

然後我們erosion，再dilate消除噪聲，處理效果為下面右邊圖：

erosion dilate的詳細介紹可以看：https://opencv-python-tutroals.readthedocs.io/en/latest/py_tutorials/py_imgproc/py_morphological_ops/py_morphological_ops.html

1. # find contours in the thresholded difference map and then initialize
   
2. # 发现边界
   
3. # our bounding box regions that contains the *entire* region of motion
   
4. cnts = cv2.findContours(thresh.copy(), cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_SIMPLE)
   
5. cnts = imutils.grab_contours(cnts)
   
6. 
   
7. #给边界初始值
   
8. (minX, minY) = (np.inf, np.inf)
   
9. (maxX, maxY) = (-np.inf, -np.inf)
   
10. 
    
11. # loop over the contours
    
12. # 循环计算边界
    
13. for c in cnts:
    
14.         # compute the bounding box of the contour
    
15.         (x, y, w, h) = cv2.boundingRect(c)
    
16. 
    
17.         # reduce noise by enforcing requirements on the bounding box size
    
18.         # 如果边界值，w 或 w 小于20 就认为是噪音
    
19.         if w > 20 and h > 20:
    
20.                 # update our bookkeeping variables
    
21.                 minX = min(minX, x)
    
22.                 minY = min(minY, y)
    
23.                 maxX = max(maxX, x + w - 1)
    
24.                 maxY = max(maxY, y + h - 1)
    

複製代碼

繪製長方形，並輸出圖形

1. # draw a rectangle surrounding the region of motion
   
2. # 绘制长方形
   
3. cv2.rectangle(fg, (minX, minY), (maxX, maxY), (0, 255, 0), 2)
   
4. 
   
5. # show the output image
   
6. # 输出图形
   
7. cv2.imshow("Output", fg)
   
8. cv2.imshow("bg", bg)
   
9. cv2.waitKey(0)
   

複製代碼

綜合在一起的代碼：

1. # USAGE 使用方法
   
2. # python image_sub.py --bg images/bg.jpg --fg images/adrian.jpg
   
3. 
   
4. # import the necessary packages  输入必要的包
   
5. import numpy as np
   
6. import argparse
   
7. import imutils
   
8. import cv2
   
9. 
   
10. # construct the argument parser and parse the arguments
    
11. # 命令行参数处理，2个图片都存在imges 目录里，这里提供缺省值
    
12. # 这根据你的情况，更改default 后的文件名，当然也可命令行输入
    
13. ap = argparse.ArgumentParser()
    
14. ap.add_argument("-b", "--bg", default='images/bg.jpg', help="path to background image")
    
15. ap.add_argument("-f", "--fg", default='images/adrian.jpg', help="path to foreground image")
    
16. args = vars(ap.parse_args())
    
17. 
    
18. # load the background and foreground images
    
19. # 导入背景，前景文件
    
20. bg = cv2.imread(args["bg"])
    
21. fg = cv2.imread(args["fg"])
    
22. 
    
23. # convert the background and foreground images to grayscale
    
24. # 灰度化处理
    
25. bgGray = cv2.cvtColor(bg, cv2.COLOR_BGR2GRAY)
    
26. fgGray = cv2.cvtColor(fg, cv2.COLOR_BGR2GRAY)
    
27. 
    
28. # perform background subtraction by subtracting the foreground from
    
29. # the background and then taking the absolute value
    
30. # 背景减法
    
31. sub = bgGray.astype("int32") - fgGray.astype("int32")
    
32. sub = np.absolute(sub).astype("uint8")
    
33. cv2.imshow("sub",sub)
    
34. 
    
35. # threshold the image to find regions of the subtracted image with
    
36. # larger pixel differences
    
37. thresh = cv2.threshold(sub, 0, 255, cv2.THRESH_BINARY | cv2.THRESH_OTSU)[1]
    
38. cv2.imshow("thresh",thresh)
    
39. 
    
40. # perform a series of erosions and dilations to remove noise
    
41. # erode ,dilate 降噪处理
    
42. thresh = cv2.erode(thresh, None, iterations=1)
    
43. thresh = cv2.dilate(thresh, None, iterations=1)
    
44. cv2.imshow("thresh2",thresh)
    
45. 
    
46. # find contours in the thresholded difference map and then initialize
    
47. # 发现边界
    
48. # our bounding box regions that contains the *entire* region of motion
    
49. cnts = cv2.findContours(thresh.copy(), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
    
50. cnts = imutils.grab_contours(cnts)
    
51. 
    
52. #给边界初始值
    
53. (minX, minY) = (np.inf, np.inf)
    
54. (maxX, maxY) = (-np.inf, -np.inf)
    
55. 
    
56. # loop over the contours
    
57. # 循环计算边界
    
58. for c in cnts:
    
59.         # compute the bounding box of the contour
    
60.         (x, y, w, h) = cv2.boundingRect(c)
    
61. 
    
62.         # reduce noise by enforcing requirements on the bounding box size
    
63.         # 如果边界值，w 或 w 小于20 就认为是噪音
    
64.         if w > 20 and h > 20:
    
65.                 # update our bookkeeping variables
    
66.                 minX = min(minX, x)
    
67.                 minY = min(minY, y)
    
68.                 maxX = max(maxX, x + w - 1)
    
69.                 maxY = max(maxY, y + h - 1)
    
70. 
    
71. # draw a rectangle surrounding the region of motion
    
72. # 绘制长方形
    
73. cv2.rectangle(fg, (minX, minY), (maxX, maxY), (0, 255, 0), 2)
    
74. 
    
75. # show the output image
    
76. # 输出图形
    
77. cv2.imshow("Output", fg)
    
78. cv2.imshow("bg", bg)
    
79. cv2.waitKey(0)
    

複製代碼

文章出處