0


在QT下调用opencv完成运动目标捕捉

一、原理说明:

    差帧识别原理:将这一帧的图像和上一帧的图像进行比对,产生变化的即为运动的目标像素块

二、过程详解:

1.将传入的两帧先进行灰度处理,转化将rgb类型图片转化为灰度图,可大大降低处理时间和资源消耗

将转换后的图片转存至frontGray和afterGray

    cvtColor(frontFrame,frontGray,CV_BGR2GRAY);
    cvtColor(afterFrame,afterGray,CV_BGR2GRAY);

2.将两帧图片进行差帧处理

将有差别的像素转存至diff

    //帧差处理  找到两帧之间运动物体差异
    //缺点:会捕捉所有运动的物体,没办法专门捕捉某个目标
    absdiff(frontGray,afterGray,diff);

效果如下:

3.将图像二值化,只有黑和白,便于计算机计算,但是会产生噪点(后续会进行简单的降噪操作)

    //二值化: 使其变得更加黑白分明,便于计算,会产生噪点
    threshold(diff,diff,25,255,CV_THRESH_BINARY);

效果如下:

小白点就是噪点,产生是因为光线的照射和树叶的晃动
一个个单独的小白点就是噪点,是因为光线反光和树叶的晃动

4.腐蚀处理,腐蚀掉<xx方块大小的像素,我这里设置了44,清除大部分噪点

    //腐蚀处理:去除大部分的白色噪点
    Mat element = cv::getStructuringElement(MORPH_RECT,Size(4,4));
    //小于4*4方块的白色噪点都会被腐蚀
    erode(diff,diff,element);

效果如下,噪点确实少了很多,但是运动的物体也被腐蚀掉了很多,可能会出现漏掉运动物体的情况

可以发现,噪点几乎没有了,但是车辆的像素也被腐蚀了

5. 膨胀处理,把去除过噪点的像素图像膨胀,变大,我这里膨胀了30*30

    //膨胀处理:将白色区域变"胖",便于识别
    Mat element2=cv::getStructuringElement(MORPH_RECT,Size(30,30));
    dilate(diff,diff,element2);

效果如下:

小像素变成“大果粒”了

6.将变动过的像素目标打上标记(注意要在原帧上进行标记)

//动态物体标记
    vector<vector<Point>>contours;//用于保存关键点
    findContours(diff,contours,CV_RETR_EXTERNAL,CV_CHAIN_APPROX_SIMPLE,Point(0,0));
    //提取关键点
    vector<vector<Point>>contours_poly(contours.size());
    vector<Rect>boundRect(contours.size());
    int x,y,w,h;
    int num=contours.size();
    for(int i=0;i<num;i++)
    {
        approxPolyDP(Mat(contours[i]),contours_poly[i],3,true);
        boundRect[i]=boundingRect(Mat(contours_poly[i]));
        x=boundRect[i].x;
        y=boundRect[i].y;
        w=boundRect[i].width;
        h=boundRect[i].height;
        //绘制
        rectangle(resFrame,Point(x,y),Point(x+w,y+h),Scalar(0,255,0),2);
    }

效果如下:



识别大货车效果不是很好,要做进一步的优化

三、代码

#include <iostream>
#include <opencv2/opencv.hpp>
using namespace cv;
using namespace std;

Mat moveCheck(Mat &frontFrame,Mat &afterFrame)
{
    Mat frontGray,afterGray,diff;
    Mat resFrame=afterFrame.clone();
    //灰度处理,建设运算时间
    cvtColor(frontFrame,frontGray,CV_BGR2GRAY);
    cvtColor(afterFrame,afterGray,CV_BGR2GRAY);
    //帧差处理  找到两帧之间运动物体差异
    //缺点:会捕捉所有运动的物体,没办法专门捕捉某个目标
    absdiff(frontGray,afterGray,diff);

    //二值化: 使其变得更加黑白分明,便于计算,会产生噪点
    threshold(diff,diff,25,255,CV_THRESH_BINARY);

    //腐蚀处理:去除大部分的白色噪点
    Mat element = cv::getStructuringElement(MORPH_RECT,Size(4,4));//小于4*4方块的白色噪点都会被腐蚀
    erode(diff,diff,element);

    //膨胀处理:将白色区域变"胖",便于识别
    Mat element2=cv::getStructuringElement(MORPH_RECT,Size(30,30));
    dilate(diff,diff,element2);
    //动态物体标记
    vector<vector<Point>>contours;//用于保存关键点
    findContours(diff,contours,CV_RETR_EXTERNAL,CV_CHAIN_APPROX_SIMPLE,Point(0,0));
    //提取关键点
    vector<vector<Point>>contours_poly(contours.size());
    vector<Rect>boundRect(contours.size());
    int x,y,w,h;
    int num=contours.size();
    for(int i=0;i<num;i++)
    {
        approxPolyDP(Mat(contours[i]),contours_poly[i],3,true);
        boundRect[i]=boundingRect(Mat(contours_poly[i]));
        x=boundRect[i].x;
        y=boundRect[i].y;
        w=boundRect[i].width;
        h=boundRect[i].height;
        //绘制
        rectangle(resFrame,Point(x,y),Point(x+w,y+h),Scalar(0,255,0),2);
    }
    return resFrame;
}

int main(int argc, char *argv[])
{
    Mat frame;

    Mat temp;
    Mat res;
    int num=0;
    VideoCapture cap("D:/VideoTraining/carMove.mp4");
    while (cap.read(frame))
    {
        num++;
        if(num==1)
        {//如果为第一帧则把当前帧传入(即不产生效果)

            res=moveCheck(frame,frame);
        }
        else
        {//从第二帧开始才有差帧
            res=moveCheck(temp,frame);

        }
        temp=frame.clone();//此处注意要调用.clone深拷贝,否则会出现两个画面一样的情况
        imshow("frame",frame);
        imshow("res",res);
        waitKey(25);
    }
    return 0;
}

QT下配置opencv可以看看这一篇:

Qt下配置opencv环境_一个不同的ID的博客-CSDN博客opencv在QT下调用,环境配置https://blog.csdn.net/baidu_38326512/article/details/124235789?spm=1001.2014.3001.5502

标签: c++ qt5 opencv

本文转载自: https://blog.csdn.net/baidu_38326512/article/details/124236389
版权归原作者 一个不同的ID 所有, 如有侵权,请联系我们删除。

“在QT下调用opencv完成运动目标捕捉”的评论:

还没有评论