電子發燒友App
opencv 背景差分法 改進OTSU閾值去噪
/*
*1）頭文件cvaux.h的庫文件需要鏈接到linker. cvaux210d.lib， cvaux210.lib分別是debug和release版
本。
* 否則有些函數會出現error：： LINK 2101
*2）cvAdaptiveThreshold， cvThreshold的src和dst圖像必須是同類型的單通道圖像
*3）重要： 函數退出之后，函數中的動態變量會隨著棧的退出全部清空。
* 要保存上次操作的結果，則在函數內聲明為靜態變量。或者在要調用的函數里先聲明
*4）cvAdaptiveThreshold（）的處理結果不好，此函數試圖找出所有的物體輪廓。用在背景差分中，會找到不想要的物體
*5）當沒有前景物體時，OTSU算法會把路面顯示出來。因為閾值是自動調整的。解決辦法，做一個閾值篩選
*6）VedioControl（） 未實現。
* 將cvWaitKey（）封裝到VedioControl（）中， 如果不觸發按鍵，VedioControl（）不會退出。造成無法自動播放
*
*Date： 2012/4/6
*Author： Rocky Chen
*/
#include 《stdio.h》
#include “stdafx.h”
#include 《cv.h》
#include 《cxcore.h》
#include 《highgui.h》
#include 《iostream》
#include “cvaux.h”
#include “cxmisc.h”
using namespace std;
void BackgroundDiff（IplImage* SrcImg， IplImage* FroundImg， IplImage* BackgroundImg， int
nFrmNum， int threshold_method）;
void cvOtsu（IplImage *src， int *thresholdValue）;
void PrintVedioInfo（CvCapture* pCapture， IplImage* img）;
void VedioControl（）; //未實現
//視頻控制全局變量，
// ‘s’ 畫面stop
// ‘q’ 退出播放
// ‘p’ 打印OTSU算法中找到的閾值
char ctrl = NULL;
int main（ int argc， char** argv ）
{
//聲明IplImage指針
IplImage* pFrame = NULL;
IplImage* pFroundImg = NULL;
IplImage* pBackgroundImg = NULL;
IplImage* pFroundImg_c = NULL;
IplImage* pBackgroundImg_c = NULL;
//大門背景建模良好 best
// CvCapture* pCapture = cvCreateFileCapture（“D：\\C++ Projects\\OpenCV_project\\test_video
\\gate_11ms_00-30s.avi”）;
// CvCapture* pCapture = cvCreateFileCapture（“D：\\C++ Projects\\OpenCV_project\\img_video\
\video.short.mjpg.avi”）;
CvCapture* pCapture = cvCreateFileCapture（“D：\\C++ Projects\\OpenCV_project\\img_video\
\video.long.mjpg.avi”）;
int nFrmNum = 0;
//創建窗口
cvNamedWindow（“video”， 1）;
cvNamedWindow（“background”，1）;
cvNamedWindow（“OTSU foreground”，1）;
cvNamedWindow（“改進的OTSU foreground”，1）;
//使窗口有序排列
cvMoveWindow（“video”， 30， 0）;
cvMoveWindow（“background”， 360， 0）;
cvMoveWindow（“OTSU foreground”， 690， 0）;
cvMoveWindow（“改進的OTSU foreground”， 690， 320）;
//逐幀讀取視頻
while（pFrame = cvQueryFrame（ pCapture ））
{
nFrmNum++;
//視頻控制
if（ （ctrl = cvWaitKey（1000/180）） ==‘s’ ） cvWaitKey（）;
else if（ctrl == ‘p’） cout 《《 “Current Frame = ” 《《 nFrmNum 《《 endl;
else if（ ctrl ==‘q’ ）
break;
if（nFrmNum ==1）
{
pBackgroundImg = cvCreateImage（cvGetSize（pFrame）， 8，1）;
pFroundImg = cvCreateImage（cvGetSize（pFrame）， 8，1）;
pBackgroundImg_c = cvCreateImage（cvGetSize（pFrame）， 8，1）; //對比算法的圖像
pFroundImg_c = cvCreateImage（cvGetSize（pFrame）， 8，1）;
}
BackgroundDiff（pFrame，pFroundImg，pBackgroundImg， nFrmNum， CV_THRESH_OTSU）; //普通OTSU
BackgroundDiff（pFrame，pFroundImg_c，pBackgroundImg_c， nFrmNum， CV_THRESH_BINARY）; //閾值篩選
后的OTSU
//打印視頻信息，畫面控制
PrintVedioInfo（pCapture， pFroundImg）;
//顯示圖像
cvShowImage（“video”， pFrame）;
cvShowImage（“background”， pBackgroundImg）;
cvShowImage（“OTSU foreground”， pFroundImg）;
cvShowImage（“改進的OTSU foreground”， pFroundImg_c）;
} //while
//銷毀窗口
cvDestroyAllWindows（）;
//釋放圖像和矩陣
cvReleaseImage（&pFroundImg）;
cvReleaseImage（&pBackgroundImg）;
cvReleaseCapture（&pCapture）;
return 0;
}
void VedioControl（）
{
}
/*
*輸出文字到圖像
*/
void PrintVedioInfo（CvCapture* pCapture， IplImage* img）
{
assert（ pCapture ！= NULL）;
double frames = cvGetCaptureProperty（pCapture， CV_CAP_PROP_POS_FRAMES）; //視頻當前幀數
double fps = cvGetCaptureProperty（pCapture，CV_CAP_PROP_FPS）; //獲得視頻每秒幀數
char str［255］;
sprintf（str，“%4.2f FPS %4.2f frames”，fps，frames）; // 將浮點數轉化為字符串
CvPoint location = cvPoint（20，20）; // 建立字符串打印的位置
CvScalar color = cvScalar（255，255，255）;
CvFont font; //建立字體變量
cvInitFont（&font， CV_FONT_HERSHEY_PLAIN， 1.0，1.0）; //字體設置
cvPutText（img， str， location， &font，color）; //打印文本到圖像
}
/********
*背景差分函數，求前景目標
*重要： 函數退出之后，函數中的動態變量會隨著棧的退出全部清空。
*要保存上次操作的結果，則在函數內聲明為靜態變量。或者在要調用的函數里先聲明
*
********/
void BackgroundDiff（IplImage* SrcImg， IplImage* FroundImg， IplImage* BackgroundImg， int
nFrmNum， int threshold_method = CV_THRESH_OTSU）
{
static IplImage* SrcImg_gray = NULL;//源圖像的灰度圖像
static IplImage* SrcImg_grayf =NULL; //單通道浮點圖像用于背景建模
static IplImage* FroundImgf = NULL;
static IplImage* BackgroundImgf = NULL;
static IplImage* FroundImg_temp = NULL;
if（nFrmNum == 1）
{
SrcImg_gray = cvCreateImage（cvGetSize（SrcImg）， 8，1）;
FroundImg_temp = cvCreateImage（cvGetSize（SrcImg）， 8，1）;
BackgroundImgf = cvCreateImage（cvGetSize（SrcImg）， 32，1）; //浮點圖像
FroundImgf = cvCreateImage（cvGetSize（SrcImg）， 32，1）;
SrcImg_grayf = cvCreateImage（cvGetSize（SrcImg）， 32，1）;
//RGB圖像先轉化成8位單通道圖像，再轉化為浮點。
cvCvtColor（SrcImg， BackgroundImg， CV_BGR2GRAY）;
cvCvtColor（SrcImg， FroundImg， CV_BGR2GRAY）;
cvConvert（BackgroundImg，BackgroundImgf）;
cvConvert（FroundImg，FroundImgf）;
}
else
{
cvCvtColor（SrcImg， SrcImg_gray， CV_BGR2GRAY）; //SrcImg_gray在上次函數退出的時候被程序棧回收
cvConvert（SrcImg_gray，SrcImg_grayf）;
//當前幀跟背景圖相減
cvAbsDiff（SrcImg_grayf， BackgroundImgf， FroundImgf）;
cvConvert（FroundImgf，FroundImg_temp）; //浮點轉化為整點
//二值化前景圖
int threshold_otsu =0;
cvOtsu（FroundImg_temp， &threshold_otsu）;
if（threshold_method == CV_THRESH_OTSU）
{
cvThreshold（FroundImg_temp， FroundImg， 0， 255.0， CV_THRESH_OTSU）; //對比自適應閾值化
// cvAdaptiveThreshold（FroundImg_temp， FroundImg， 255.0， 0， 0， 51）; //src和dst必須同時是
8bit或浮點圖像
}
else
{
cvThreshold（FroundImg_temp， FroundImg， threshold_otsu， 255.0， CV_THRESH_BINARY）;
}
cvSegmentFGMask（ FroundImg ）; //對前景做連通域分割
//更新背景
cvRunningAvg（SrcImg_grayf， BackgroundImgf， 0.003， 0）; //必須是浮點圖像，因為會有小數出現
cvConvert（BackgroundImgf，BackgroundImg）;
}
}
/********
*OTSU大津法
* thresholdValue 為使類間方差最大的閾值
* 當找到的閾值小于一個修正閾值，返回此修正閾值。防止沒有前景物體時，將背景找出來
********/
void cvOtsu（IplImage *src， int *thresholdValue）
{
int deltaT = 0; //光照調節參數
uchar grayflag =1;
IplImage* gray = NULL;
if（src-》nChannels ！= 1） //檢查源圖像是否為灰度圖像
{
gray = cvCreateImage（cvGetSize（src）， 8， 1）;
cvCvtColor（src， gray， CV_BGR2GRAY）;
grayflag = 0;
}
else gray = src;
uchar* ImgData=（uchar*）（gray-》imageData）;
int thresholdValue_temp = 1;
int ihist［256］; //圖像直方圖，256個點
int i， imgsize; //循環變量，圖像尺寸
int n， n1， n2; //n 非零像素個數， n1 前景像素個數， n2 背景像素個數
double m1， m2， sum， csum， fmax， sb;//m1前景灰度均值，m2背景灰度均值
//對直方圖置零
memset（ihist， 0， sizeof（ihist））;
//生成直方圖
imgsize = （gray-》widthStep）*（gray-》height）;//圖像數據總數
for （i=0; i《imgsize;i++）
{
ihist［（（int）（*ImgData））&255］++;//灰度統計 ‘&255’防止指針溢出
ImgData++;//像素遍歷
}
// set up everything
sum=csum=0.0;
n=0;
for （i=0; i《255; i++）
{
sum+=（double）i*（double）ihist［i］; // x*f（x）質量矩
n+= ihist［i］; //f（x）質量 像素總數
}
deltaT = （int）（sum/imgsize）; //像素平均灰度
deltaT = deltaT》》1; //與之矯正，delatT = v*n; v=0.5
if （！n）
{//圖像全黑，輸出警告
fprintf （stderr， “NOT NORMAL thresholdValue=160\n”）;
}
// OTSU算法
fmax=-1.0;
n1=0;
for （i=0; i《255; i++）
{
n1+= ihist［i］;
if （n1==0） {continue;}
n2=n-n1;
if （n2==0） {break;}
csum += （double）i *ihist［i］;
m1=csum/n1;
m2=（sum-csum）/n2;
sb=（double）n1*（double）n2*（m1-m2）*（m1-m2）; //計算類間方差， 公式已簡化
if （sb》fmax）
{
fmax=sb;
thresholdValue_temp=i; //找到使類間方差最大的灰度值i
}
}
if（thresholdValue_temp 《 20）
*thresholdValue = 20; //閾值篩選
else *thresholdValue = thresholdValue_temp;
if（ ctrl == ‘p’） //ctrl = cvWaitKey（100），且是全局變量
{
cout 《《 “OTSU thresholdValue = ” 《《 thresholdValue_temp《《
“， Returned thresholdValue = ” 《《 *thresholdValue《《‘\n’《《endl;
}
if（！grayflag） cvReleaseImage（&gray）;
}
/***********
*輪廓提取
************/
void Labeling（IplImage *src， IplImage *dst）
{
CvMemStorage* storage = 0;
storage = cvCreateMemStorage（0）; //開辟默認大小的空間
CvSeq* contour=0;
cvCopy（src，dst，0）;
cvFindContours（ dst， storage， &contour， sizeof（CvContour），
CV_RETR_EXTERNAL， CV_CHAIN_APPROX_SIMPLE ）; //外邊緣
int num=0;
for（ ;contour！=0; contour=contour-》h_next）
{
CvRect rect;
rect = cvBoundingRect（contour，0）;//得到目標外接矩形
num++;
if（（rect.height + rect.width） 》= 16）
cvRectangle（src，cvPoint（rect.x，rect.y），cvPoint（rect.x+rect.width，rect.y
+rect.height），
CV_RGB（255， 255，255），1，8）;//繪制目標外接矩形
// cvRectangle（dst，cvPoint（rect.x，rect.y），cvPoint（rect.x+rect.width，rect.y+rect.height），
// CV_RGB（255， 255，255），1，8）;//繪制目標外接矩形
}
}
========
工商網監
評論