快捷導(dǎo)航

Java OpenCV圖像處理之背景消除

更新時(shí)間：2022年02月01日 10:09:24 作者：深色風(fēng)信子

GMM（高斯混合模型）是基于像素樣本統(tǒng)計(jì)信息的背景表示方法，利用像素在較長(zhǎng)時(shí)間內(nèi)大量樣本值的概率密度等統(tǒng)計(jì)信息表示別境，然后使用統(tǒng)計(jì)差分進(jìn)行目標(biāo)像素判斷達(dá)到預(yù)期效果。本文將利用GMM方法實(shí)現(xiàn)圖像背景消除，需要的可以參考一下

實(shí)現(xiàn)步驟

1.獲取視頻

2.設(shè)置形態(tài)學(xué)結(jié)構(gòu)

3.創(chuàng)建Video.createBackgroundSubtractorMOG2()

4.提取模型 BS

5.進(jìn)行形態(tài)學(xué)變換

6.展示結(jié)果

主要代碼

package com.xu.opencv;

import java.util.ArrayList;
import java.util.List;
import java.util.Objects;
import java.util.Optional;
import java.util.stream.Collectors;

import org.opencv.core.Core;
import org.opencv.core.Mat;
import org.opencv.core.MatOfPoint;
import org.opencv.core.Point;
import org.opencv.core.Rect;
import org.opencv.core.Scalar;
import org.opencv.core.Size;
import org.opencv.highgui.HighGui;
import org.opencv.imgproc.Imgproc;
import org.opencv.video.BackgroundSubtractorMOG2;
import org.opencv.video.Video;
import org.opencv.videoio.VideoCapture;

/**
 * @Title: BSM.java
 * @Package com.xu.opencv
 * @Description: OpenCV-4.1.0 背景消除
 * @author: hyacinth
 * @date: 2019年7月19日 下午22:10:14
 * @version: V-1.0
 * @Copyright: 2019 hyacinth
 */
public class BSM {

    static {
        System.loadLibrary(Core.NATIVE_LIBRARY_NAME);
    }

    public static void main(String[] args) {
        BSM_MOG2();
    }

    /**
     * OpenCV-4.1.0 視頻分析和對(duì)象跟蹤 背景消除 GMM
     *
     * @return: void
     * @date: 2019年7月19日 下午22:10:14
     */
    public static void BSM_MOG2() {
        // 1 創(chuàng)建 VideoCapture 對(duì)象
        VideoCapture capture = new VideoCapture(0);
        // 2 使用 VideoCapture 對(duì)象讀取本地視頻
        capture.open("D:\\BaiduNetdiskDownload\\video_003.avi");
        // 3 獲取視頻處理時(shí)的鍵盤(pán)輸入 我這里是為了在 視頻處理時(shí)如果按 Esc 退出視頻對(duì)象跟蹤
        int index = 0;
        // 4 使用 Mat video 保存視頻中的圖像幀 針對(duì)每一幀 做處理
        Mat video = new Mat();
        // 5 獲取形態(tài)學(xué)結(jié)構(gòu)
        Mat kernel = Imgproc.getStructuringElement(Imgproc.MORPH_RECT, new Size(3, 3), new Point(-1, -1));
        // 6 GMM
        BackgroundSubtractorMOG2 subtractor = Video.createBackgroundSubtractorMOG2();
        Mat fgmask = new Mat();
        while (capture.read(video)) {
            // 7  提取模型 BSM
            subtractor.apply(video, fgmask);
            // 8 形態(tài)學(xué)變換
            Imgproc.morphologyEx(fgmask, fgmask, Imgproc.MORPH_OPEN, kernel, new Point(-1, -1));
            // 9 效果展示
            Optional.ofNullable(process(fgmask)).orElse(new ArrayList<>())
                    .stream().filter(Objects::nonNull).forEach(rect -> {
                        Imgproc.rectangle(fgmask, new Point(rect.x, rect.y), new Point(rect.x + rect.width, rect.y + rect.height), new Scalar(255, 0, 0), 1, Imgproc.LINE_AA, 0);
                    });
            HighGui.imshow("GMM 背景消除", fgmask);
            index = HighGui.waitKey(100);
            if (index == 27) {
                capture.release();
                break;
            }
        }
    }

    /**
     * OpenCV-4.0.0
     * <table border="1" cellpadding="10">
     * <tr><td colspan="2" align="center">Imgproc.findContours() 函數(shù) mode 和 method 參數(shù)解釋</td></tr>
     * <tr><th align="center">Mode 輸入?yún)?shù)</th><th align="center">參數(shù)解釋</th></tr>
     * <tr><td align="left">RETR_EXTERNAL</td><td align="left">只檢測(cè)最外圍輪廓，包含在外圍輪廓內(nèi)的內(nèi)圍輪廓被忽略</td></tr>
     * <tr><td align="left">RETR_LIST</td><td align="left">檢測(cè)所有的輪廓，包括內(nèi)圍、外圍輪廓，但是檢測(cè)到的輪廓不建立等級(jí)關(guān)系，彼此之間獨(dú)立，沒(méi)有等級(jí)關(guān)系，這就意味著這個(gè)檢索模式下不存在父輪廓或內(nèi)嵌輪廓，所以hierarchy向量?jī)?nèi)所有元素的第3、第4個(gè)分量都會(huì)被置為-1</td></tr>
     * <tr><td align="left">RETR_CCOMP</td><td align="left"> 檢測(cè)所有的輪廓，但所有輪廓只建立兩個(gè)等級(jí)關(guān)系，外圍為頂層，若外圍內(nèi)的內(nèi)圍輪廓還包含了其他的輪廓信息，則內(nèi)圍內(nèi)的所有輪廓均歸屬于頂層</td></tr>
     * <tr><td align="left">RETR_TREE</td><td align="left">檢測(cè)所有輪廓，所有輪廓建立一個(gè)等級(jí)樹(shù)結(jié)構(gòu)。外層輪廓包含內(nèi)層輪廓，內(nèi)層輪廓還可以繼續(xù)包含內(nèi)嵌輪廓。</td></tr>
     * <tr><th align="center">Mthod 輸入?yún)?shù)</th><th align="center">參數(shù)解釋</th></tr>
     * <tr><td align="left">CHAIN_APPROX_NONE</td><td align="left">保存物體邊界上所有連續(xù)的輪廓點(diǎn)到contours向量?jī)?nèi)</td></tr>
     * <tr><td align="left">CHAIN_APPROX_SIMPLE</td><td align="left">僅保存輪廓的拐點(diǎn)信息，把所有輪廓拐點(diǎn)處的點(diǎn)保存入contours向量?jī)?nèi)，拐點(diǎn)與拐點(diǎn)之間直線(xiàn)段上的信息點(diǎn)不予保留</td></tr>
     * <tr><td align="left">CHAIN_APPROX_TC89_L1</td><td align="left">使用teh-Chinl chain 近</td></tr>
     * <tr><td align="left">CHAIN_APPROX_TC89_KCOS </td><td align="left">使用teh-Chinl chain 近</td></tr>
     *
     * @param video Mat
     * @return: List<Rect>
     * @date 2019年7月19日 下午22:10:14
     */
    public static List<Rect> process(Mat video) {
        // 1 跟蹤物體在圖像中的位置
        List<MatOfPoint> contours = new ArrayList<>();
        // 2 找出圖像中物體的位置
        Imgproc.findContours(video, contours, new Mat(), Imgproc.RETR_EXTERNAL, Imgproc.CHAIN_APPROX_SIMPLE, new Point(2, 2));
        return Optional.ofNullable(contours).orElse(new ArrayList<>())
                .stream().filter(Objects::nonNull)
                .map(item -> Imgproc.boundingRect(item)).collect(Collectors.toList());
    }

}