【opencv】教程代码 —video(3) 视频背景剔除

bg_sub.cpp

这段代码的功能是把视频中的背景和前景分离,提取出前景的运动物体 。根据用户选择的不同的模式,可以选择基于MOG2或者基于KNN的方法 来进行背景减除。在处理每一帧图像的过程中,首先使用背景减除模型对图像帧进行处理,得到一个前景掩码,该掩码中包含了所有被认为是前景的像素。然后将处理后的掩码图像和原始帧同时显示出来 。通过这种方式,用户能够清楚看到前景移动物体被成功地从背景中分离出来,这个过程是实时的。

cpp 复制代码
/**
 * @file bg_sub.cpp
 * @brief 背景减除教程样例代码
 * @author Domenico D. Bloisi
 */


#include <iostream>  // 引入 C++ 的输入输出流库
#include <sstream>  // 引入字符串流,它是 iostream 的一部分,提供了方便的字符串输入和输出功能
#include <opencv2/imgcodecs.hpp>  // 引入 OpenCV 的图像编解码模块,用于图像的读取和保存
#include <opencv2/imgproc.hpp>  // 引入 OpenCV 的图像处理模块,包含很多图像处理的功能
#include <opencv2/videoio.hpp>  // 引入 OpenCV 的视频 IO 模块,用于视频保存和读取、以及本机摄像头的访问
#include <opencv2/highgui.hpp>  // 引入 OpenCV 的高级 GUI 模块,用于创建界面显示图像
#include <opencv2/video.hpp>  // 引入 OpenCV 的视频分析模块,包含了许多常见的视频分析算法,比如对象跟踪、运动估计等


using namespace cv;  // 使用 OpenCV 命名空间
using namespace std;


const char* params
    = "{ help h         |           | Print usage }"
      "{ input          | vtest.avi | Path to a video or a sequence of image }"
      "{ algo           | MOG2      | Background subtraction method (KNN, MOG2) }";


int main(int argc, char* argv[])  
{
    // 命令行参数解析
    CommandLineParser parser(argc, argv, params);
    string about_message = "This program shows how to use background subtraction methods provided by "
                  " OpenCV. You can process both videos and images.\n";
    parser.about(about_message);


    if (parser.has("help"))   // 如果有帮助信息
    {
        parser.printMessage();  // 打印使用帮助信息
    }


    // 创建背景减除对象
    Ptr<BackgroundSubtractor> pBackSub;
     //根据输入确定使用 KNN 还是 MOG2 
    if (parser.get<String>("algo") == "MOG2")
        pBackSub = createBackgroundSubtractorMOG2();
    else
        pBackSub = createBackgroundSubtractorKNN();


    // 输入视频
    VideoCapture capture( samples::findFile(parser.get<String>("input")) );
    if (!capture.isOpened()){  
        cerr << "Unable to open: " << parser.get<String>("input") << endl;
        return 0;
    }
    Mat frame, fgMask;  // 定义图像矩阵,用于读取视频帧以及存储背景减除图像
    while (true) {
        capture >> frame;  // 读取一帧
        if (frame.empty())
            break;


        // 更新背景模型
        pBackSub->apply(frame, fgMask);
        
        // 在当前帧上显示帧编号
        rectangle(frame, cv::Point(10, 2), cv::Point(100,20), cv::Scalar(255,255,255), -1);
        // 在 frame 上画一个白色矩形,左上角坐标为(10, 2),右下角坐标为(100, 20),颜色为白色(即 (255,255,255))。
        
        stringstream ss;
        ss << capture.get(CAP_PROP_POS_FRAMES);
        // 用 stringstream 将视频的当前帧数转换为字符串。
        
        string frameNumberString = ss.str();
        // 将帧数从 stringstream 转换为 string。
        
        putText(frame, frameNumberString.c_str(), cv::Point(15, 15), FONT_HERSHEY_SIMPLEX, 0.5 , cv::Scalar(0,0,0));
        // 在 frame 上的(15, 15)位置用黑色字体输出当前的帧数。
        // 显示当前帧和背景掩码
        imshow("Frame", frame);
        imshow("FG Mask", fgMask);
       
        int keyboard = waitKey(30);  // 获取键盘输入
        if (keyboard == 'q' || keyboard == 27)
            break;
    }
    return 0;
}
相关推荐
深蓝学院4 分钟前
闭环SOTA!北航DiffAD:基于扩散模型实现端到端自动驾驶「多任务闭环统一」
人工智能·机器学习·自动驾驶
jimmyleeee10 分钟前
人工智能基础知识笔记七:随机变量的几种分布
人工智能·笔记·概率论
仙人掌_lz13 分钟前
机器学习ML极简指南
人工智能·python·算法·机器学习·面试·强化学习
weixin_4352081630 分钟前
论文浅尝 | Interactive-KBQA:基于大语言模型的多轮交互KBQA(ACL2024)
人工智能·语言模型·自然语言处理
碣石潇湘无限路40 分钟前
【奇点时刻】GPT-4o新生图特性深度洞察报告
人工智能·经验分享·chatgpt·gpt4o·新生图特性
深眸财经1 小时前
从商汤科技年报,看一家AI企业的确定性叙事
人工智能·科技·百度
I'mFAN1 小时前
QT_xcb 问题
人工智能·python·opencv·计算机视觉
赋创小助手1 小时前
Gartner预计2025年AI支出达6440亿美元:数据中心与服务器市场的关键驱动与挑战
运维·服务器·人工智能·科技·架构
晨航2 小时前
AI Agent拐点已至,2B+2C星辰大海——行业深度报告
人工智能·ai·aigc