C++如何调用opencv完成运动目标捕捉详解
作者：一个不同的ID
OpenCV作为机器视觉开源库,使用起来非常不错,这篇文章主要给大家介绍了关于C++如何调用opencv完成运动目标捕捉的相关资料,文中通过实例代码介绍的非常详细,需要的朋友可以参考下
使用编译器：Qt Creator 4.2.1
一、原理说明：
差帧识别原理：将这一帧的图像和上一帧的图像进行比对，产生变化的即为运动的目标像素块
二、过程详解：
1.将传入的两帧先进行灰度处理，转化将rgb类型图片转化为灰度图，可大大降低处理时间和资源消耗
将转换后的图片转存至frontGray和afterGray
cvtColor(frontFrame,frontGray,CV_BGR2GRAY);
cvtColor(afterFrame,afterGray,CV_BGR2GRAY);2.将两帧图片进行差帧处理
将有差别的像素转存至diff
//帧差处理 找到两帧之间运动物体差异
//缺点:会捕捉所有运动的物体,没办法专门捕捉某个目标
absdiff(frontGray,afterGray,diff);效果如下：
3.将图像二值化，只有黑和白，便于计算机计算，但是会产生噪点（后续会进行简单的降噪操作）
//二值化: 使其变得更加黑白分明,便于计算,会产生噪点
threshold(diff,diff,25,255,CV_THRESH_BINARY);效果如下：
一个个单独的小白点就是噪点，是因为光线反光和树叶的晃动
4.腐蚀处理，腐蚀掉<x*x方块大小的像素，我这里设置了4*4,清除大部分噪点
//腐蚀处理:去除大部分的白色噪点
Mat element = cv::getStructuringElement(MORPH_RECT,Size(4,4));
//小于4*4方块的白色噪点都会被腐蚀
erode(diff,diff,element);效果如下，噪点确实少了很多，但是运动的物体也被腐蚀掉了很多，可能会出现漏掉运动物体的情况
可以发现，噪点几乎没有了，但是车辆的像素也被腐蚀了
5. 膨胀处理，把去除过噪点的像素图像膨胀，变大，我这里膨胀了30*30
//膨胀处理:将白色区域变"胖",便于识别
Mat element2=cv::getStructuringElement(MORPH_RECT,Size(30,30));
dilate(diff,diff,element2);效果如下：
小像素变成“大果粒”了
6.将变动过的像素目标打上标记（注意要在原帧上进行标记）
//动态物体标记
vector<vector<Point>>contours;//用于保存关键点
findContours(diff,contours,CV_RETR_EXTERNAL,CV_CHAIN_APPROX_SIMPLE,Point(0,0));
//提取关键点
vector<vector<Point>>contours_poly(contours.size());
vector<Rect>boundRect(contours.size());
int x,y,w,h;
int num=contours.size();
for(int i=0;i<num;i++)
{
approxPolyDP(Mat(contours[i]),contours_poly[i],3,true);
boundRect[i]=boundingRect(Mat(contours_poly[i]));
x=boundRect[i].x;
y=boundRect[i].y;
w=boundRect[i].width;
h=boundRect[i].height;
//绘制
rectangle(resFrame,Point(x,y),Point(x+w,y+h),Scalar(0,255,0),2);
}效果如下：
实际效果,偶尔有树叶飘动会产生一点点干扰
三、代码
#include <iostream>
#include <opencv2/opencv.hpp>
using namespace cv;
using namespace std;
Mat moveCheck(Mat &frontFrame,Mat &afterFrame)
{
Mat frontGray,afterGray,diff;
Mat resFrame=afterFrame.clone();
//灰度处理,节省运算时间
cvtColor(frontFrame,frontGray,CV_BGR2GRAY);
cvtColor(afterFrame,afterGray,CV_BGR2GRAY);
//帧差处理 找到两帧之间运动物体差异
//缺点:会捕捉所有运动的物体,没办法专门捕捉某个目标
absdiff(frontGray,afterGray,diff);
//二值化: 使其变得更加黑白分明,便于计算,会产生噪点
threshold(diff,diff,25,255,CV_THRESH_BINARY);
//腐蚀处理:去除大部分的白色噪点
Mat element = cv::getStructuringElement(MORPH_RECT,Size(4,4));//小于4*4方块的白色噪点都会被腐蚀
erode(diff,diff,element);
//膨胀处理:将白色区域变"胖",便于识别
Mat element2=cv::getStructuringElement(MORPH_RECT,Size(30,30));
dilate(diff,diff,element2);
//动态物体标记
vector<vector<Point>>contours;//用于保存关键点
findContours(diff,contours,CV_RETR_EXTERNAL,CV_CHAIN_APPROX_SIMPLE,Point(0,0));
//提取关键点
vector<vector<Point>>contours_poly(contours.size());
vector<Rect>boundRect(contours.size());
int x,y,w,h;
int num=contours.size();
for(int i=0;i<num;i++)
{
approxPolyDP(Mat(contours[i]),contours_poly[i],3,true);
boundRect[i]=boundingRect(Mat(contours_poly[i]));
x=boundRect[i].x;
y=boundRect[i].y;
w=boundRect[i].width;
h=boundRect[i].height;
//绘制
rectangle(resFrame,Point(x,y),Point(x+w,y+h),Scalar(0,255,0),2);
}
return resFrame;
}
int main(int argc, char *argv[])
{
Mat frame;
Mat temp;
Mat res;
int num=0;
VideoCapture cap("D:/VideoTraining/carMove.mp4");
while (cap.read(frame))
{
num++;
if(num==1)
{//如果为第一帧则把当前帧传入(即不产生效果)
res=moveCheck(frame,frame);
}
else
{//从第二帧开始才有差帧
res=moveCheck(temp,frame);
}
temp=frame.clone();//此处注意要调用.clone深拷贝,否则会出现两个画面一样的情况
imshow("frame",frame);
imshow("res",res);
waitKey(25);
}
return 0;
}QT下配置opencv可以看看这一篇：
识别特定目标可以看看这一篇:
总结
到此这篇关于C++如何调用opencv完成运动目标捕捉的文章就介绍到这了,更多相关C++ opencv运动目标捕捉内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家！