《学习openCV》例程解析 ex_9_2(背景减除)

转自 http://blog.csdn.net/zcube/article/details/7348113

56帧时分割出手效果

63帧时分割出手的效果

/***
平均背景法进行图像分割, 在图像背景相对稳定的情况下, 检测闯入图像的前景目标

*/

/***
    Averaging Background Method

    We’ve just seen a simple method of learning background scenes and segmenting fore-
    ground objects. It will work well only with scenes that do not contain moving background
    components (like a waving curtain or waving trees). It also assumes that the lighting
    remains fairly constant (as in indoor static scenes).
*/
#include "stdafx.h"
#include "cv.h"
#include "highgui.h"

/***************************************************/
//我们为需要的不同临时图像和统计属性的图像创建指针

//Float 3-channel images
IplImage *IavgF, *IdiffF, *IprevF, *IhiF, *IlowF;
IplImage *Iscratch, *Iscratch2;

//Float 1-channel images
IplImage *Igray1, *Igray2, *Igray3;
IplImage *Ilow1, *Ilow2, *Ilow3;
IplImage *Ihi1, *Ihi2, *Ihi3;

//Byte 1-channel image
IplImage *Imaskt;
IplImage *Imask;

float Icount;
/**************************************************/


void AllocateImages(IplImage* I)
//该函数为需要的所有临时图像分配内存,传入来自视频的首帧图像作为大小参考
{
    CvSize sz = cvGetSize(I);

    IavgF   = cvCreateImage(sz, IPL_DEPTH_32F, 3);
    IdiffF  = cvCreateImage(sz, IPL_DEPTH_32F, 3);
    IprevF  = cvCreateImage(sz, IPL_DEPTH_32F, 3);
    IhiF    = cvCreateImage(sz, IPL_DEPTH_32F, 3);
    IlowF   = cvCreateImage(sz, IPL_DEPTH_32F, 3);

    Ilow1   = cvCreateImage(sz, IPL_DEPTH_32F, 1);
    Ilow2   = cvCreateImage(sz, IPL_DEPTH_32F, 1);
    Ilow3   = cvCreateImage(sz, IPL_DEPTH_32F, 1);
    Ihi1    = cvCreateImage(sz, IPL_DEPTH_32F, 1);
    Ihi2    = cvCreateImage(sz, IPL_DEPTH_32F, 1);
    Ihi3    = cvCreateImage(sz, IPL_DEPTH_32F, 1);

    cvZero(IavgF);
    cvZero(IdiffF);
    cvZero(IprevF);
    cvZero(IhiF);
    cvZero(IlowF);

    Icount = 1e-5;

    Iscratch    = cvCreateImage(sz, IPL_DEPTH_32F, 3);
    Iscratch2   = cvCreateImage(sz, IPL_DEPTH_32F, 3);

    cvZero(Iscratch);
    cvZero(Iscratch2);

    Igray1  = cvCreateImage(sz, IPL_DEPTH_32F, 1);
    Igray2  = cvCreateImage(sz, IPL_DEPTH_32F, 1);
    Igray3  = cvCreateImage(sz, IPL_DEPTH_32F, 1);
    Imaskt  = cvCreateImage(sz, IPL_DEPTH_8U, 1);
    Imask   = cvCreateImage(sz, IPL_DEPTH_8U, 1);

}

void accumulateBackground(IplImage* I)
//累积背景图像和前后帧图像差值的绝对值
//当累积够一定数量后就将其转换成一个背景统计模型
{
    static int first = 1;
    //局部静态变量,只初始化一次,意思就是第一次被赋值为1

    cvCvtScale(I, Iscratch, 1, 0);
    //将I指向的图像复制给Iscratch 不能用cvCopy,因为像素的位深度不同

    if (!first)
    {
        cvAcc(Iscratch, IavgF);
        //累积原始的浮点图像到IIavgF
        cvAbsDiff(Iscratch, IprevF, Iscratch2);
        //计算前后帧图像绝对差图像到Iscratch2
        cvAcc(Iscratch2, IdiffF);
        //将前后帧差值图像累加到IdiffF 中
        Icount += 1.0;
        //记录累加的次数用于背景统计时计算均值
    }
    first = 0;
    //first 为局部静态变量,以后调用该函数将不再初始化为1
    //意思就是除了第一次,以后调用该函数均进入if 语句

    cvCopy(Iscratch, IprevF);
    //IprevF用来保存前一帧图像
}

void setHighThreshold(float scale)
{
    cvConvertScale(IdiffF, Iscratch, scale);
    //将统计的绝对差分图像值放大scale 倍赋给Iscratch
    cvAdd(Iscratch, IavgF, IhiF);
    //IhiF = Iscratch + IavgF
    cvSplit(IhiF, Ihi1, Ihi2, Ihi3, 0);
    //将阀值上限分割为多通道
}

void setLowThreshold(float scale)
{
    cvConvertScale(IdiffF, Iscratch, scale);
    cvSub(IavgF, Iscratch, IlowF);
    //IlowF = IavgF - Iscratch
    cvSplit(IlowF, Ilow1, Ilow2, Ilow3, 0);
    //将阀值下限分割为多通道
}

void createModelsfromStats()
//当累积足够多的帧图后,就将其转化成一个背景统计模型
//该函数用于计算每个像素的均值和平均绝对差分
{
    cvConvertScale(IavgF, IavgF, (double)(1.0/Icount));
    //计算平均原始图像到 IavgF
    cvConvertScale(IdiffF, IdiffF, (double)(1.0/Icount));
    //计算绝对差分图像到 IdiffF

    cvAddS(IdiffF, cvScalar(1.0, 1.0, 1.0), IdiffF);
    //使得到的绝对差分图像每个像素值均不为空

    setHighThreshold(7.0);
    setLowThreshold(6.0);
    //根据统计的背景模型设定一个阀值上限和下限
    //如果 IlowF <= Temp < IhiF 时认为其为背景,否则为视频中出现的运动目标物体
}



void backgroundDiff(IplImage* I)
{
    cvCvtScale(I, Iscratch, 1, 0);
    //将I指向的图像复制给Iscratch 不能用cvCopy, 因为像素的位深度不同
    cvSplit(Iscratch, Igray1, Igray2, Igray3, 0);
    //得到的当前帧分割成3个单通道图像
    cvInRange(Igray1, Ilow1, Ihi1, Imask);
    //        src     lower  upper dst
    //检查这些单通道图像是否在平均背景像素高低阀值之间
    //如果src(I)在范围内(lower <= src < upper)dst(I)被设置为0xff(每一位都是 '1')否则置0
    cvInRange(Igray2, Ilow2, Ihi2, Imaskt);
    cvOr(Imask, Imaskt, Imask);
    //计算两个数组每个元素的按位或值赋值给第三个参数
    cvInRange(Igray3, Ilow3, Ihi3, Imaskt);
    cvOr(Imask, Imaskt, Imask);
    //最后Imask 为分离出的前景二值图
    cvSubRS(Imask, cvScalar(255), Imask);
    //计算数量和数组之间的差,将Imask反相处理
}

void DeallocateImages()
//解除分配的内存
{
    cvReleaseImage(&IavgF);
    cvReleaseImage(&IdiffF);
    cvReleaseImage(&IprevF);
    cvReleaseImage(&IhiF);
    cvReleaseImage(&IlowF);
    cvReleaseImage(&Ilow1);
    cvReleaseImage(&Ilow2);
    cvReleaseImage(&Ilow3);
    cvReleaseImage(&Ihi1);
    cvReleaseImage(&Ihi2);
    cvReleaseImage(&Ihi3);
    cvReleaseImage(&Iscratch);
    cvReleaseImage(&Iscratch2);
    cvReleaseImage(&Igray1);
    cvReleaseImage(&Igray2);
    cvReleaseImage(&Igray3);
    cvReleaseImage(&Imaskt);
    cvReleaseImage(&Imask);
}

int main()
{
    CvCapture* capture = cvCreateFileCapture("tree.avi");
    //初始化从文件中获取视频
    if (!capture)
    {
        printf("Couldn't Open the file.");
        return -1;
    }

    cvNamedWindow("raw");
    cvNamedWindow("avg");

    IplImage* rawImage = cvQueryFrame(capture);
    //这个函数仅仅是函数cvGrabFrame和函数cvRetrieveFrame在一起调用的组合
    cvShowImage("raw", rawImage);

    AllocateImages(rawImage);

    for (int i=0;;i++)
    {
        if (i <= 30)
        {
            accumulateBackground(rawImage);
            //前30帧用于累积计算背景图像
            if (i == 30)
                //将前30真转换成一个背景统计模型
                createModelsfromStats();
        }
        else
            //建立好背景模型后调用此函数进行图像分割
            backgroundDiff(rawImage);

        cvShowImage("avg", Imask);
        //播放分割后的目标图像结果

        if (cvWaitKey(33) == 27)
            //每33ms 播放一帧
            break;

        if (!(rawImage = cvQueryFrame(capture)))
            break;
        cvShowImage("raw", rawImage);
        //显示原图像

        if (i == 56 || i == 63)
            //56帧和63帧时暂停
            cvWaitKey();
    }

    DeallocateImages();
    return 0;
}