Python OpenCV – 背景减法

背景减法是主要的图像处理任务之一。它用于各种图像处理应用程序，如图像分割、对象检测等。OpenCV 为我们提供了 3 种背景减法算法：-

• 背景减法器MOG
• 背景减法器MOG2
• 背景减法器GMG

通常，我们可以使用矩阵减法来进行背景减法，即只从视频中减去静态帧。但这有很多缺点。背景减法是一种效率非常低的算法，因为它不会自我更新。 OpenCV 提供的背景减法算法正在处理这个问题。

使用 BackgroundSubtractorMOG

要使用 BackgroundSubtractorMOG，我们可以使用

cv2.bgsegm.createBackgroundSubtractorMOG()

然后我们可以使用“apply”方法在视频的每一帧上应用它。请考虑以下示例以更好地理解该主题。

例子：

import numpy as np
import cv2
  
cap = cv2.VideoCapture('sample.mp4')
  
# initializing subtractor 
fgbg = cv2.bgsegm.createBackgroundSubtractorMOG() 
  
while(1):
    ret, frame = cap.read()       
  
    # applying on each frame
    fgmask = fgbg.apply(frame)  
  
    cv2.imshow('frame', fgmask)
    k = cv2.waitKey(30) & 0xff
    if k == 27:
        break
  
cap.release()
cv2.destroyAllWindows()

输出 ：

使用 BackgroundSubtractorMOG2

在之前的减法器中工作得相当好，但在现实世界的情况下，也存在阴影。在 BackgroundSubtractorMOG2 中，我们还可以检测阴影，并且在以下代码的输出中可以清楚地看到。要应用 BackgroundSubtractorMOG2，请使用

cv2.createBackgroundSubtractorMOG2()

例子：

import numpy as np
import cv2
  
cap = cv2.VideoCapture('sample.mp4')
  
# initializing subtractor 
fgbg = cv2.createBackgroundSubtractorMOG2()
  
while(1):
    ret, frame = cap.read()
   
    # applying on each frame
    fgmask = fgbg.apply(frame)
  
    cv2.imshow('frame', fgmask)  
    k = cv2.waitKey(30) & 0xff
    if k == 27:
        break
  
cap.release()
cv2.destroyAllWindows()

输出 ：

使用 BackgroundSubtractorGMG

该算法结合了统计背景图像估计和逐像素贝叶斯分割。它采用概率前景分割算法，使用贝叶斯推理识别可能的前景对象。要使用 BackgroundSubtractorGMG，请使用

cv2.bgsegm.createBackgroundSubtractorGMG()

注意：在最初的几帧中，我们会看到一个黑色的窗口。

import numpy as np
import cv2
  
cap = cv2.VideoCapture('sample.mp4')
  
kernel = cv2.getStructuringElement(cv2.MORPH_ELLIPSE, (3, 3))
  
# initializing subtractor 
fgbg = cv2.bgsegm.createBackgroundSubtractorGMG()
  
while(1):
    ret, frame = cap.read()
  
    # applying on each frame
    fgmask = fgbg.apply(frame)
  
    fgmask = cv2.morphologyEx(fgmask, cv2.MORPH_OPEN, kernel)     
  
    cv2.imshow('frame', fgmask)
    k = cv2.waitKey(30) & 0xff
    if k == 27:
        break
  
cap.release()
cv2.destroyAllWindows()

输出 ：