OpenCV图像处理-视频分割静态背景-MOG/MOG2/GMG

视频分割背景

1.概念介绍

视频背景扣除原理:视频是一组连续的帧(一幅幅图组成),帧与帧之间关系密切(GOP/group of picture),在GOP中,背景几乎是不变的,变的永远是前景。

  • 背景分离(BS)是一种通过使用静态相机来生成前景掩码(即包含属于场景中的移动对象像素的二进制图像)的常用技术
  • 顾名思义,BS计算前景掩码,在当前帧与背景模型之间执行减法运算,其中包含场景的静态部分,或者更一般而言,考虑到所观察场景的特征,可以将其视为背景的所有内容。

2. 函数介绍

MOG算法

cv2.createBackgroundSubtractorMOG(history, nmixtures, backgroundRatio, noiseSigma)

history:用于训练背景的帧数,默认为200帧

nmixtures:高斯范围值,默认为5;5*5的卷积核

backgroindRatio:背景比率,默认0.7

noiseSigma:默认0,自动降噪

代码示例:

python 复制代码
import cv2
import numpy as np

# 读取视频帧
cap = cv2.VideoCapture('./video/vtest.avi')
mog = cv2.bgsegm.createBackgroundSubtractorMOG()

while True:
    ret, frame = cap.read()
    if ret == False:
        exit(1)
    fgmask = mog.apply(frame)
    cv2.imshow('text', fgmask)
    k = cv2.waitKey(10) & 0xff
    if k == ord('q'):
        break

cap.release()
cv2.destroyAllWindows()

MOG2算法

MOG2增加的是对阴影的识别,但是会产生更多的噪点。

cv2.createBackgroundSubtractorMOG2()

参数同MOG一样

detectShadows:是否检测阴影,默认为True

python 复制代码
import cv2
import numpy as np

# 读取视频帧
cap = cv2.VideoCapture('./video/vtest.avi')
# mog = cv2.bgsegm.createBackgroundSubtractorMOG()
mog = cv2.createBackgroundSubtractorMOG2()

while True:
    ret, frame = cap.read()
    if ret == False:
        exit(1)
    fgmask = mog.apply(frame)
    #cv2.imshow('MOG', fgmask)
    cv2.imshow('MOG2', fgmask)
    k = cv2.waitKey(10) & 0xff
    if k == ord('q'):
        break

cap.release()
cv2.destroyAllWindows()

GMG算法

GMG算法的抗噪性更强,但是该算法有缓存初始帧,即缓存的帧数不显示。

算法:cv2.bgsegm.createBackgroundSubtractorGMG(initializationFrames=120)

initializationFrames:默认帧数为120,需要吃掉120帧,对之后的帧进行优化。

python 复制代码
import cv2
import numpy as np

# 读取视频帧
cap = cv2.VideoCapture('./video/vtest.avi')
# mog = cv2.bgsegm.createBackgroundSubtractorMOG()
# mog = cv2.createBackgroundSubtractorMOG2()
gmg = cv2.bgsegm.createBackgroundSubtractorGMG()

while True:
    ret, frame = cap.read()
    if ret == False:
        exit(1)
    fgmask = gmg.apply(frame)
    #cv2.imshow('MOG', fgmask)
    cv2.imshow('MOG2', fgmask)
    k = cv2.waitKey(10) & 0xff
    if k == ord('q'):
        break

cap.release()
cv2.destroyAllWindows()

原视频获取链接

以上就是视频分割的基本使用方式,详情烦请参考相关论文和相关文档。

相关推荐
Fleshy数模4 小时前
玩转OpenCV:视频椒盐噪声处理与图像形态学操作实战
人工智能·opencv·音视频
程序媛一枚~4 小时前
✨✨✨使用Python,OpenCV及图片拼接生成❤️LOVE❤️字样图,每张小图加随机颜色边框,大图加随机大小随机颜色边框
图像处理·python·opencv·numpy·图像拼接
不懒不懒4 小时前
【OpenCV 核心基础操作全解析:从边界填充到图像平滑】
opencv
bst@微胖子4 小时前
OpenCV 案例一【人脸检测】
人工智能·opencv·计算机视觉
编码小哥5 小时前
OpenCV直方图处理技术:均衡化与CLAHE详解
人工智能·opencv·计算机视觉
MoRanzhi12037 小时前
Pillow 灰度化、二值化与阈值处理
图像处理·python·pillow·二值化·图像预处理·阈值处理·灰度化
Fleshy数模9 小时前
OpenCV实现图像边缘检测:Sobel、Scharr、Laplacian与Canny算子全解析
人工智能·opencv·计算机视觉
纤纡.9 小时前
玩转 OpenCV 形态学操作与边缘检测:从入门到实战
人工智能·opencv·计算机视觉
光羽隹衡10 小时前
计算机视觉——Opencv(光流估计实现目标追踪)
人工智能·opencv·计算机视觉
MoRanzhi120311 小时前
Pillow 图像颜色模式与颜色空间转换
图像处理·python·数学建模·pillow·颜色空间转换·颜色模式·图像通道