tutorial_11_background_substractor.py

import cv2 as cv
import numpy as np


"""
在很多基础应用中背景检出都是一个非常重要的步骤。
例如顾客统计，使用一个静态摄像头来记录进入和离开房间的人数，或者是交通摄像头，需要提取交通工具的信息等。
在所有的这些例子中，首先要将人或车单独提取出来。技术上来说，我们需要从静止的背景中提取移动的前景。
如果图像中的交通工具还有影子的话，那这个工作就更难了，因为影子也在移动，
仅仅使用减法会把影子也当成前景,真是一件很复杂的事情。 
为了实现这个目的科学家们已经提出了几种算法。OpenCV 中已经包含了 其中三种比较容易使用的方法
"""


def create_background_sub():
    """
    BackgroundSubtractorMOG 这是一个以混合高斯模型为基础的前景/背景分割算法。
    它使用 K（K=3 或 5）个高斯分布混合对背景像素进行建模。使用这些颜色（在整个视频中）存在时间的长短作为混合的权重。
    背景的颜色一般持续的时间最长，而且更加静止。一个像素怎么会有分布呢？在 x，y 平面上一个像素就是一个像素没有分布，
    但是我们现在讲的背景建模是基于时间序列的，因此每一个像素点所在的位置在整个时间序列中就会有很多值，从而构成一个分布。
    在编写代码时，我们需要使用函数：cv2.createBackgroundSubtractorMOG() 创建一个背景对象。
    这个函数有些可选参数，比如要进行建模场景的时间长度， 高斯混合成分的数量，阈值等。将他们全部设置为默认值。
    然后在整个视频中我们是需要使用 backgroundsubtractor.apply() 就可以得到前景的掩模

    BackgroundSubtractorMOG2,也是以高斯混合模型为基础的背景/前景分割算法。
    这个算法的一个特点是它为每 一个像素选择一个合适数目的高斯分布。（上一个方法中我们使用是 K 高斯分布）。
    这样就会对由于亮度等发生变化引起的场景变化产生更好的适应。
     和前面一样我们需要创建一个背景对象。但在这里我们我们可以选择是否 检测阴影。
     如果 detectShadows = True（默认值），它就会检测并将影子标记 出来，但是这样做会降低处理速度。影子会被标记为灰色。

    """
    cap = cv.VideoCapture('../images/vtest.avi')

    # 创建一个背景对象
    # fgbg = cv.createBackgroundSubtractorKNN()
    fgbg = cv.createBackgroundSubtractorMOG2()

    while (1):
        ret, frame = cap.read()
        fgmask = fgbg.apply(frame)  # 将背景对象应用到当前帧中得到前景的掩模
        cv.imshow('frame', fgmask)
        k = cv.waitKey(30) & 0xff
        if k == 27:
            break

    cap.release()
    cv.destroyAllWindows()


def background_subtractorGMG():
    """
    此算法结合了静态背景图像估计和每个像素的贝叶斯分割。
    这是 2012 年 Andrew_B.Godbehere，Akihiro_Matsukawa 和 Ken_Goldberg 在文章 中提出的。
    它使用前面很少的图像（默认为前 120 帧）进行背景建模。使用了概率前景估计算法（使用贝叶斯估计鉴定前景）。
    这是一种自适应的估计，新观察到的 对象比旧的对象具有更高的权重，从而对光照变化产生适应。
    一些形态学操作 如开运算闭运算等被用来除去不需要的噪音。在前几帧图像中你会得到一个黑 色窗口。
     对结果进行形态学开运算对与去除噪声很有帮助。
    """
    cap = cv.VideoCapture('../images/vtest.avi')

    kernel = cv.getStructuringElement(cv.MORPH_ELLIPSE, (3, 3))
    fgbg = cv.createBackgroundSubtractorKNN()

    while (1):
        ret, frame = cap.read()
        fgmask = fgbg.apply(frame)  # 将背景对象应用到当前帧中得到前景的掩模
        fgmask = cv.morphologyEx(fgmask, cv.MORPH_OPEN, kernel)

        cv.imshow('frame', fgmask)
        k = cv.waitKey(30) & 0xff
        if k == 27:
            break


def main():
    # create_background_sub()
    background_subtractorGMG()
    cv.waitKey(0)  # 等有键输入或者1000ms后自动将窗口消除，0表示只用键输入结束窗口
    cv.destroyAllWindows()  # 关闭所有窗口


if __name__ == '__main__':
    main()