OpenCV4【25】帧差分 实现 划痕检测 和 视频中的 车辆检测

帧差分

一个物体在视频中移动时，意味着这个物体在每一个连续的帧上都处于不同的位置。

假设在一对连续的帧中除了该目标之外，没有其他物体移动，那么第一帧与第二帧的像素差将突出显示移动目标的像素，从而我们可以得到移动物体的像素和坐标。这就是帧差分法的工作原理。

故帧差分 常用于 运动目标识别。

 

优点

算法简单

对光线等场景变换不太敏感，稳定性较好

缺点

无法提取出对象的完整区域，对象内部有 空洞，且边界比较粗糙；

对快速运动的 物体，容易出现 糊影 的现象；

对慢速运动的 物体，可能检测不到物体，此时可 跳帧 检测

 

划痕检测

import cv2
import numpy as np


'''
1.对原图进行中值滤波，相当于消除划痕，原图记为img1，新图记为img2
2.两张图进行差分，即做差，得到划痕，记为 img3
3.对img3进行灰度化，二值化
4.轮廓检测，如果轮廓较大，视为划痕
'''

print(cv2.__version__)
minThres = 6

# 读取图像1
img1 = cv2.imread('huahen.png')
img2 = cv2.imread('huahen.png')

# 中值滤波
img1 = cv2.medianBlur(img1, 15)

# 图像差分
diff = cv2.absdiff(img1, img2)
cv2.imshow('diff', diff)  # 结果图

gray = cv2.cvtColor(diff, cv2.COLOR_BGR2GRAY)
# 二值化
_, thres = cv2.threshold(gray, minThres, 255, cv2.THRESH_BINARY)
cv2.imshow('thres', thres)

# 查找轮廓
contours, hierarchy = cv2.findContours(thres, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_NONE)
# 输出轮廓个数
print(len(contours))

for i in range(0, len(contours)):
    length = cv2.arcLength(contours[i], True)
    # 通过轮廓长度筛选
    if length > 30:
        cv2.drawContours(img2, contours[i], -1, (0, 0, 255), 2)

cv2.imshow('result', img2)  # 结果图
cv2.waitKey(0)
cv2.destroyAllWindows()

下图 第一张 是原图，最后一张是 划痕检测 结果

  

  

视频中检测车辆

首先利用 帧差分 原理 识别 运动的物体；

然后利用 二值化、形态学处理、轮廓检测 一系列操作，获得车辆的位置，【注意 这里只是根据 轮廓 判断是车的，没有用到如深度学习之类的识别算法】

参考资料：

https://zhuanlan.zhihu.com/p/165125200　　　　用OpenCV和Python构建车辆检测

https://www.bilibili.com/video/BV1E34y1W7U5?p=86&vd_source=f0fc90583fffcc40abb645ed9d20da32　　　　b站视频讲解