cv2.absdiff()的用法
时间: 2024-06-04 18:12:03 浏览: 14
cv2.absdiff()是OpenCV中的一个函数,用于计算两个图像之间的差异。它的语法如下:
cv2.absdiff(src1, src2[, dst])
其中,src1和src2是要进行差异计算的两个输入图像,可以是任意尺寸和深度的图像。dst是可选参数,表示输出差异图像。如果不指定dst,则函数会创建一个与输入图像大小和深度相同的空白图像作为输出。
使用cv2.absdiff()函数可以实现以下功能:
1. 用于图像增强,可以通过对原始图像和增强后的图像计算差异得到一个更清晰的图像。
2. 用于运动目标检测,可以通过对相邻帧的图像进行差异计算,找出运动目标的位置。
3. 用于背景差分,可以通过对背景图像和当前帧的图像进行差异计算,提取前景目标。
需要注意的是,cv2.absdiff()函数只能计算两个图像之间的像素差异,无法判断像素值变化的原因,因此在应用中需要综合考虑其他因素。
相关问题
import cv2 # 创建混合高斯模型 fgbg = cv2.createBackgroundSubtractorMOG2(history=500, varThreshold=50, detectShadows=False) # 打开视频文件 cap = cv2.VideoCapture('t1.mp4') # 获取视频帧率、宽度和高度 fps = int(cap.get(cv2.CAP_PROP_FPS)) width = int(cap.get(cv2.CAP_PROP_FRAME_WIDTH)) height = int(cap.get(cv2.CAP_PROP_FRAME_HEIGHT)) # 创建前景视频对象 fg_out = cv2.VideoWriter('foreground_video.avi', cv2.VideoWriter_fourcc(*'XVID'), fps, (width, height)) # 循环遍历视频帧 while True: ret, frame = cap.read() if not ret: break # 高斯模型背景减除法 fgmask = fgbg.apply(frame) # 缩放比例 scale_percent = 50 # 计算缩放后的新尺寸 width = int(frame.shape[1] * scale_percent / 100) height = int(frame.shape[0] * scale_percent / 100) dim = (width, height) # 缩放图像 frame = cv2.resize(frame, dim, interpolation=cv2.INTER_AREA) fgmask = cv2.resize(fgmask, dim, interpolation=cv2.INTER_AREA) # 形态学开运算去除噪点 kernel = cv2.getStructuringElement(cv2.MORPH_ELLIPSE, (3, 3)) opening = cv2.morphologyEx(fgmask, cv2.MORPH_OPEN, kernel) # 寻找轮廓并计算周长 contours, hierarchy = cv2.findContours(opening, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE) for cnt in contours: perimeter = cv2.arcLength(cnt, True) if perimeter > 500: # 画出矩形框 x, y, w, h = cv2.boundingRect(cnt) cv2.rectangle(frame, (x, y), (x + w, y + h), (0, 255, 0), 2) cv2.imshow('frame', frame) cv2.imshow('fgmask', fgmask) if cv2.waitKey(1) & 0xFF == ord('q'): break # 释放对象 cap.release() fg_out.release() cv2.destroyAllWindows()改这个程序,消除视频抖动的影响,不要用光流补偿
要消除视频抖动的影响,可以考虑使用视频稳定技术。一种简单的方法是使用帧间差分来计算每一帧与前一帧之间的运动,然后将每一帧按照相同的运动进行平移,从而达到视频稳定的效果。
以下是修改后的程序:
``` python
import cv2
# 创建混合高斯模型
fgbg = cv2.createBackgroundSubtractorMOG2(history=500, varThreshold=50, detectShadows=False)
# 打开视频文件
cap = cv2.VideoCapture('t1.mp4')
# 获取视频帧率、宽度和高度
fps = int(cap.get(cv2.CAP_PROP_FPS))
width = int(cap.get(cv2.CAP_PROP_FRAME_WIDTH))
height = int(cap.get(cv2.CAP_PROP_FRAME_HEIGHT))
# 创建前景视频对象
fg_out = cv2.VideoWriter('foreground_video.avi', cv2.VideoWriter_fourcc(*'XVID'), fps, (width, height))
# 初始化上一帧
prev_frame = None
# 循环遍历视频帧
while True:
ret, frame = cap.read()
if not ret:
break
# 高斯模型背景减除法
fgmask = fgbg.apply(frame)
# 缩放比例
scale_percent = 50
# 计算缩放后的新尺寸
width = int(frame.shape[1] * scale_percent / 100)
height = int(frame.shape[0] * scale_percent / 100)
dim = (width, height)
# 缩放图像
frame = cv2.resize(frame, dim, interpolation=cv2.INTER_AREA)
fgmask = cv2.resize(fgmask, dim, interpolation=cv2.INTER_AREA)
# 形态学开运算去除噪点
kernel = cv2.getStructuringElement(cv2.MORPH_ELLIPSE, (3, 3))
opening = cv2.morphologyEx(fgmask, cv2.MORPH_OPEN, kernel)
# 寻找轮廓并计算周长
contours, hierarchy = cv2.findContours(opening, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
for cnt in contours:
perimeter = cv2.arcLength(cnt, True)
if perimeter > 500:
# 画出矩形框
x, y, w, h = cv2.boundingRect(cnt)
cv2.rectangle(frame, (x, y), (x + w, y + h), (0, 255, 0), 2)
# 视频稳定
if prev_frame is not None:
# 计算帧间差分
diff = cv2.absdiff(frame, prev_frame)
# 计算运动向量
_, motion = cv2.optflow.calcOpticalFlowFarneback(prev_frame, frame, None, 0.5, 3, 15, 3, 5, 1.2, 0)
# 平移每一帧
M = np.float32([[1, 0, motion[:,:,0].mean()], [0, 1, motion[:,:,1].mean()]])
frame = cv2.warpAffine(frame, M, (frame.shape[1], frame.shape[0]))
diff = cv2.warpAffine(diff, M, (diff.shape[1], diff.shape[0]))
# 显示帧间差分
cv2.imshow('diff', diff)
# 更新上一帧
prev_frame = frame.copy()
cv2.imshow('frame', frame)
cv2.imshow('fgmask', fgmask)
if cv2.waitKey(1) & 0xFF == ord('q'):
break
# 释放对象
cap.release()
fg_out.release()
cv2.destroyAllWindows()
```
在原有程序的基础上,我们加入了视频稳定的处理步骤。具体来说,我们计算每一帧与前一帧之间的帧间差分和运动向量,然后将每一帧按照平均运动向量进行平移。这样可以消除视频抖动的影响,从而得到更加稳定的结果。
cv2找不同
使用cv2找不同的一种方法是将两张图像转换为灰度图像,然后使用cv2.absdiff函数计算它们的差异,最后使用cv2.threshold函数将结果二值化。以下是一个示例代码:
```python
import cv2
# 读取两张图像
img1 = cv2.imread('image1.jpg')
img2 = cv2.imread('image2.jpg')
# 将图像转换为灰度图像
gray1 = cv2.cvtColor(img1, cv2.COLOR_BGR2GRAY)
gray2 = cv2.cvtColor(img2, cv2.COLOR_BGR2GRAY)
# 计算两张图像的差异
diff = cv2.absdiff(gray1, gray2)
# 将结果二值化
threshold = 30
_, thresh = cv2.threshold(diff, threshold, 255, cv2.THRESH_BINARY)
# 显示结果图像
cv2.imshow('img1', img1)
cv2.imshow('img2', img2)
cv2.imshow('diff', diff)
cv2.imshow('thresh', thresh)
cv2.waitKey(0)
cv2.destroyAllWindows()
```
在这个示例中,我们使用cv2.absdiff函数计算了两张灰度图像的差异,并使用cv2.threshold函数将结果二值化,得到了两张图像的不同之处。您可以根据需要调整阈值来获得更好的效果。
相关推荐
![zip](https://img-home.csdnimg.cn/images/20210720083736.png)
![zip](https://img-home.csdnimg.cn/images/20210720083736.png)
![pdf](https://img-home.csdnimg.cn/images/20210720083512.png)
![-](https://csdnimg.cn/download_wenku/file_type_column_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)