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()