OpenCV视觉分析之运动分析(3)背景减除类:BackgroundSubtractorKNN的一系列get函数的使用

  • 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

BackgroundSubtractorKNN类有一系列的get函数,下面我们一一列举他们的名字和用法。

一系列函数

函数getDetectShadows()

getDetectShadows 是 cv::BackgroundSubtractorKNN 类中的一个方法,用于获取当前是否启用了阴影检测的功能。

函数getDist2Threshold()

getDist2Threshold 是 cv::BackgroundSubtractorKNN 类中的一个方法,用于获取当前设置的距离阈值。这个阈值用于确定前景像素与背景模型之间的距离,从而决定哪些像素被认为是前景。

函数getHistory()

getHistory 是 cv::BackgroundSubtractorKNN 类中的一个方法,用于获取当前设置的历史帧数。历史帧数决定了背景模型的更新范围,即算法用来构建背景模型的时间窗口大小。

函数getkNNSamples()

getkNNSamples 是 cv::BackgroundSubtractorKNN 类中的一个方法,用于获取当前设置的 K 近邻样本数量。这个参数决定了在背景建模过程中使用的样本数量。

函数getNSamples()

在 cv::BackgroundSubtractorKNN 类中,getNSamples() 方法用于获取当前设置的 K 近邻样本数量。这是 OpenCV 背景减除算法的一个重要参数,用于控制背景模型的鲁棒性和响应速度。

函数getShadowThreshold()

getShadowThreshold() 是 cv::BackgroundSubtractorKNN 类中的一个方法,用于获取当前设置的阴影检测阈值。这个阈值决定了在检测到可能的阴影区域时,算法如何处理这些区域。

函数getShadowValue()

getShadowValue() 是 cv::BackgroundSubtractorKNN 类中的一个方法,用于获取当前设置的阴影值。这个值决定了在输出的前景掩码中,阴影区域是如何标记的。

代码示例

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

int main( int argc, char** argv )
{
    // 创建一个 BackgroundSubtractorKNN 对象
    cv::Ptr< cv::BackgroundSubtractorKNN > pBackSub = cv::createBackgroundSubtractorKNN();

    // 设置参数
    pBackSub->setHistory( 500 );         // 设置历史帧数
    pBackSub->setDist2Threshold( 16 );   // 设置距离阈值
    pBackSub->setDetectShadows( true );  // 启用阴影检测
    pBackSub->setShadowValue( 127 );     // 设置阴影值

    // 获取当前的阴影值
    int shadowValue      = pBackSub->getShadowValue();
    bool detectshadow    = pBackSub->getDetectShadows();
    double distThreshold = pBackSub->getDist2Threshold();
    int history          = pBackSub->getHistory();
    int nnsamples        = pBackSub->getkNNSamples();
    int nsamples         = pBackSub->getNSamples();
    int shadowThreshold  = pBackSub->getShadowThreshold();

    std::cout<< "Current shadow value: " << shadowValue << std::endl;
    std::cout << "Current distance threshold value: " << distThreshold << std::endl;
    std::cout << "history: " << history << std::endl;
    std::cout << "nsamples: " << nsamples << std::endl;
    std::cout << "shadow threshold: " << shadowThreshold << std::endl;
    


    // 打开视频文件
    cv::VideoCapture capture( 0 );
    if ( !capture.isOpened() )
    {
        std::cerr << "Failed to open video file." << std::endl;
        return -1;
    }

    // 读取每一帧并处理
    cv::Mat frame, fgMask;
    while ( capture.read( frame ) )
    {
        // 应用背景减除
        pBackSub->apply( frame, fgMask );

        // 显示结果
        cv::imshow( "Frame", frame );
        cv::imshow( "FG Mask", fgMask );

        // 按 'q' 键退出
        if ( cv::waitKey( 30 ) == 'q' )
        {
            break;
        }
    }

    // 释放资源
    capture.release();
    cv::destroyAllWindows();

    return 0;
}

运行结果

相关推荐
AndrewHZ9 分钟前
【图像处理基石】GIS图像处理入门:4个核心算法与Python实现(附完整代码)
图像处理·python·算法·计算机视觉·gis·cv·地理信息系统
掘金安东尼13 分钟前
Google+禁用“一次性抓取100条搜索结果”,SEO迎来变革?
人工智能
FIN666820 分钟前
射频技术领域的领航者,昂瑞微IPO即将上会审议
前端·人工智能·前端框架·信息与通信
小麦矩阵系统永久免费30 分钟前
短视频矩阵系统哪个好用?2025最新评测与推荐|小麦矩阵系统
大数据·人工智能·矩阵
Mr.Lee jack33 分钟前
【vLLM】源码解读:高性能大语言模型推理引擎的工程设计与实现
人工智能·语言模型·自然语言处理
IT_陈寒40 分钟前
Java性能优化:这5个Spring Boot隐藏技巧让你的应用提速40%
前端·人工智能·后端
MicroTech20251 小时前
微算法科技(NASDAQ:MLGO)开发延迟和隐私感知卷积神经网络分布式推理,助力可靠人工智能系统技术
人工智能·科技·算法
喜欢吃豆1 小时前
多轮智能对话系统架构方案(可实战):从基础模型到自我优化的对话智能体,数据飞轮的重要性
人工智能·语言模型·自然语言处理·系统架构·大模型·多轮智能对话系统
文火冰糖的硅基工坊1 小时前
[嵌入式系统-83]:算力芯片的类型与主流架构
人工智能·重构·架构
视觉语言导航3 小时前
ICRA-2025 | 阿德莱德机器人拓扑导航探索!TANGO:具有局部度量控制的拓扑目标可穿越性感知具身导航
人工智能·机器人·具身智能