OpenCV运动分析和目标跟踪(2)累积操作函数accumulateSquare()的使用

  • 操作系统:ubuntu22.04
  • OpenCV版本:OpenCV4.9
  • IDE:Visual Studio Code
  • 编程语言:C++11

算法描述

将源图像的平方加到累积器图像中。

该函数将输入图像 src 或其选定区域提升到2的幂次方,然后加到累积器 dst 中:
dst ( x , y ) ← dst ( x , y ) + src ( x , y ) 2 if mask ( x , y ) ≠ 0 \texttt{dst} (x,y) \leftarrow \texttt{dst} (x,y) + \texttt{src} (x,y)^2 \quad \text{if} \quad \texttt{mask} (x,y) \ne 0 dst(x,y)←dst(x,y)+src(x,y)2ifmask(x,y)=0

函数支持多通道图像。每个通道独立处理。

函数原型

cpp 复制代码
void cv::accumulateSquare	
(
	InputArray 	src,
	InputOutputArray 	dst,
	InputArray 	mask = noArray() 
)	

参数

  • 参数src 输入图像,可以是单通道或三通道,8位或32位浮点数。
  • 参数dst 累积器图像,通道数与输入图像相同,32位或64位浮点数。
  • 参数mask 可选的操作掩码。

代码示例

cpp 复制代码
#include <iostream>
#include <opencv2/opencv.hpp>

int main()
{
    // 加载图像
    cv::Mat frame = cv::imread( "/media/dingxin/data/study/OpenCV/sources/images/hawk.jpg", cv::IMREAD_GRAYSCALE );
    if ( !frame.data )
    {
        std::cout << "Could not open or find the image" << std::endl;
        return -1;
    }

    // 初始化累积平方和
    cv::Mat sqSum = cv::Mat::zeros( frame.size(), CV_32F );

    // 模拟多帧累积
    for ( int i = 0; i < 100; ++i )
    {
        // 使用同一图像多次以模拟多帧情况
        cv::accumulateSquare( frame, sqSum );
    }

    // 防止累积平方和为0的情况
    sqSum += 1;  // 添加一个小常数避免分母为0

    // 计算累积平方和的最大值
    double maxVal;
    cv::minMaxLoc( sqSum, nullptr, &maxVal );

    // 将累积平方和转换回8位图像以便保存
    sqSum.convertTo( sqSum, CV_8U, 255.0 / maxVal );  // 归一化

    // 显示原始图像
    cv::imshow( "Original Image", frame );

    // 显示累积平方和结果图像
    cv::imshow( "Accumulated Square Result", sqSum );

    // 等待按键,以便查看图像
    cv::waitKey( 0 );

    // 关闭所有窗口
    cv::destroyAllWindows();

    // 保存结果
    cv::imwrite( "accumulated_square_result.jpg", sqSum );

    return 0;
}

运行结果

相关推荐
笑衬人心。6 分钟前
初学Spring AI 笔记
人工智能·笔记·spring
luofeiju15 分钟前
RGB下的色彩变换:用线性代数解构色彩世界
图像处理·人工智能·opencv·线性代数
测试者家园18 分钟前
基于DeepSeek和crewAI构建测试用例脚本生成器
人工智能·python·测试用例·智能体·智能化测试·crewai
张较瘦_22 分钟前
[论文阅读] 人工智能 + 软件工程 | Call Me Maybe:用图神经网络增强JavaScript调用图构建
论文阅读·人工智能·软件工程
大模型真好玩22 分钟前
准确率飙升!Graph RAG如何利用知识图谱提升RAG答案质量(四)——微软GraphRAG代码实战
人工智能·python·mcp
Baihai_IDP36 分钟前
vec2text 技术已开源!一定条件下,文本嵌入向量可“近乎完美地”还原
人工智能·面试·llm
江太翁40 分钟前
Pytorch torch
人工智能·pytorch·python
拓端研究室1 小时前
专题:2025即时零售与各类人群消费行为洞察报告|附400+份报告PDF、原数据表汇总下载
大数据·人工智能
网安INF1 小时前
深度学习中的逻辑回归:从原理到Python实现
人工智能·python·深度学习·算法·逻辑回归
Despacito0o1 小时前
ESP32-s3摄像头驱动开发实战:从零搭建实时图像显示系统
人工智能·驱动开发·嵌入式硬件·音视频·嵌入式实时数据库