OpenCV 中用于背景分割的一个类cv::bgsegm::BackgroundSubtractorLSBP

  • 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

cv::bgsegm::BackgroundSubtractorLSBP 是 OpenCV 中用于背景分割的一个类,它基于局部样本二进制模式(Local Sample Binary Pattern, LSBP)进行背景建模。该算法特别适用于处理光照变化、阴影以及动态背景等复杂场景。

主要特点

  • 高效性:能够在保持较高检测准确性的同时实现较快的处理速度。
  • 适应性强:能够很好地适应光照变化和其他环境变化。
  • 参数可调:允许用户通过调整多个参数来优化背景建模过程。
  • 基于纹理信息:利用了图像中的局部纹理信息(LSBP),从而提高了前景检测的鲁棒性。

构造函数

与大多数现代 OpenCV 背景减除器一样,不直接使用构造函数创建 BackgroundSubtractorLSBP 实例,而是通过工厂方法 cv::bgsegm::createBackgroundSubtractorLSBP() 来创建实例。

cpp 复制代码
Ptr<BackgroundSubtractorLSBP> cv::bgsegm::createBackgroundSubtractorLSBP
(
    int mc = 4,
    int nSamples = 20,
    float noiseRemovalThresholdFacBG = 0.0004f,
    float noiseRemovalThresholdFacFG = 0.0008f,
    int LSBPRadius = 16,
    float Tlower = 2.0f,
    float Tupper = 32.0f,
    float Tinc = 1.0f,
    float Tdec = 0.05f,
    float Rscale = 10.0f,
    float Rincdec = 0.005f,
    double noiseCount = 7,
    double binaryThreshold = 2,
    bool useLAB = true
);

参数:

  • mc: 每个像素的最大成分数量,默认值为 4。
  • nSamples: 需要初始化的样本数,默认值为 20。
  • noiseRemovalThresholdFacBG: 背景噪声移除阈值因子,默认值为 0.0004。
  • noiseRemovalThresholdFacFG: 前景噪声移除阈值因子,默认值为 0.0008。
  • LSBPRadius: LSBP 算法使用的半径,默认值为 16。
  • Tlower: 下限阈值,默认值为 2.0。
  • Tupper: 上限阈值,默认值为 32.0。
  • Tinc: 阈值增加量,默认值为 1.0。
  • Tdec: 阈值减少量,默认值为 0.05。
  • Rscale: 缩放比例,默认值为 10.0。
  • Rincdec: 缩放增量/减量,默认值为 0.005。
  • noiseCount: 噪声计数,默认值为 7。
  • binaryThreshold: 二值化阈值,默认值为 2。
  • useLAB: 是否使用 LAB 颜色空间,默认值为 true。

主要函数

apply函数

函数原型
cpp 复制代码
void apply
(
	InputArray image, OutputArray fgmask, double learningRate=-1
);
参数
  • image: 输入当前帧。
  • fgmask: 输出前景掩码图像。
  • learningRate: 学习率,决定了新获取的信息对模型的影响速度。默认值 -1 表示自动选择学习率。

getBackgroundImage函数

函数原型
cpp 复制代码
void getBackgroundImage
(
	OutputArray backgroundImage
) const;
参数
  • backgroundImage: 输出背景图像。

代码示例

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

int main()
{
    cv::VideoCapture cap( 0 );  // 打开摄像头
    if ( !cap.isOpened() )
    {
        std::cerr << "无法打开摄像头!" << std::endl;
        return -1;
    }

    // 创建 LSBP 背景减除器
    cv::Ptr< cv::bgsegm::BackgroundSubtractorLSBP > bgSubtractor = cv::bgsegm::createBackgroundSubtractorLSBP();

    cv::Mat frame, fgMask;

    while ( true )
    {
        cap >> frame;  // 获取新帧
        if ( frame.empty() )
            break;  // 到达视频结尾

        bgSubtractor->apply( frame, fgMask );  // 应用背景减除器

        cv::imshow( "Original Frame", frame );
        cv::imshow( "Foreground Mask", fgMask );

        if ( cv::waitKey( 30 ) >= 0 )
            break;  // 按任意键退出
    }

    return 0;
}

运行结果

相关推荐
JJJJ_iii5 分钟前
【机器学习11】决策树进阶、随机森林、XGBoost、模型对比
人工智能·python·神经网络·算法·决策树·随机森林·机器学习
咚咚王者34 分钟前
人工智能之编程基础 Python 入门:第五章 基本数据类型(一)
人工智能·python
说私域1 小时前
基于开源链动2+1模式AI智能名片S2B2C商城小程序的零售流量重构研究
人工智能·小程序·开源
Funny_AI_LAB1 小时前
Anthropic 最新研究深度解析:大型语言模型中涌现的内省意识
人工智能·语言模型·自然语言处理
skywalk81631 小时前
划时代的AI Agent qwen的回答和思考
人工智能
张较瘦_1 小时前
[论文阅读] AI | 大语言模型服务系统服务级目标和系统级指标优化研究
论文阅读·人工智能·语言模型
golang学习记1 小时前
Cursor 2.0正式发布:携自研模型Composer强势登场,不再只做「壳」
人工智能
文火冰糖的硅基工坊1 小时前
[人工智能-大模型-97]:大模型应用层 - 随着技术的发展,软件工程与软件开发过程提效演进阶段(工具化 → 流程化 → 智能化)和未来的展望。
人工智能·软件工程
蛋王派1 小时前
本地部署DeepSeek-OCR:打造高效的PDF文字识别服务
人工智能·自然语言处理·pdf·ocr
Pocker_Spades_A1 小时前
Answer企业社区实战:零成本搭建技术问答平台,远程协作效率提升300%!
人工智能