第詳解opencv去除背景算法的方法比較目錄背景減除法（1）BackgroundSubtractorMOG（2）BackgroundSubtractorMOG2（3）BackgroundSubtractorGMG幀差法最近做opencv項目時，使用膚色分割的方法檢測目標物體時，背景帶來的干擾非常讓人頭痛。于是先將背景分割出去，將影響降低甚至消除。由于初次接觸opencv，敘述不當?shù)牡胤竭€請指正。

背景減除法

（以下文字原文來源于/3.4.7/d8/d38/tutorial_bgsegm_bg_subtraction.html）

背景減除法是很多基于視覺的應用的一個主要預處理步驟。例如使用一個靜止的攝像頭拍攝進出房間的人數(shù)，或是交通攝像頭捕獲車輛信息等。在以上的例子中，首先你需要單獨把人和交通工具提取出來。從技術上來說，你需要從靜止的背景中提取移動前景目標。

通常情況下，我們的背景往往是未知的，因此需要通過一定的方法得到視頻背景，然后用新的圖像減去背景圖片即可。

在opencv中提供了幾種背景減除的方法：

（1）BackgroundSubtractorMOG

這是基于高斯混合模型的算法，混合模型表示了觀測數(shù)據(jù)在總體中的概率分布，高斯分布即正態(tài)分布，正態(tài)分布如下圖：

（圖片來源于網(wǎng)絡）

而高斯混合模型就是使用高斯分布的混合模型，由于高斯分布具有良好的數(shù)學性質和計算性能，它的概率分布遵循高斯分布。

cv2.bgsegm.createBackgroundSubtractorMOG()使用時可以不用傳入?yún)?shù)

importcv2

cap=cv2.VideoCapture(0)

fgbg=cv2.bgsegm.createBackgroundSubtractorMOG()

se=cv2.getStructuringElement(cv2.MORPH_RECT,(3,3))

whilecap.isOpened():

ret,frame=cap.read()

#用于計算前景掩模

fgmask=fgbg.apply(frame)

_,binary=cv2.threshold(fgmask,215,255,cv2.THRESH_BINARY)

binary=cv2.morphologyEx(binary,cv2.MORPH_OPEN,se)

res=cv2.bitwise_and(frame,frame,mask=binary)

cv2.imshow("res",res)

ifcv2.waitKey(1000//12)0xff==ord('q'):

break

cap.release()

cv2.destroyAllWindows()

運行結果：

（2）BackgroundSubtractorMOG2

它是改進的高斯混合模型，為各個參數(shù)設置了一些合適的值。

importcv2

cap=cv2.VideoCapture(0)

fgbg=cv2.createBackgroundSubtractorMOG2()

se=cv2.getStructuringElement(cv2.MORPH_RECT,(3,3))

whilecap.isOpened():

ret,frame=cap.read()

fgmask=fgbg.apply(frame)

_,binary=cv2.threshold(fgmask,215,255,cv2.THRESH_BINARY)

binary=cv2.morphologyEx(binary,cv2.MORPH_OPEN,se)

backImage=fgbg.getBackgroundImage()

res=cv2.bitwise_and(frame,frame,mask=binary)

cv2.imshow("backImage",backImage)

cv2.imshow("res",res)

ifcv2.waitKey(1000//12)0xff==ord('q'):

break

cap.release()

cv2.destroyAllWindows()

運行結果：

（3）BackgroundSubtractorGMG

GMG：GeometricMultigid，幾何多重網(wǎng)格。它默認使用前120幀圖像進行建模，使用貝葉斯推斷方法判斷可能的前景物體。

importcv2

cap=cv2.VideoCapture(0)

fgbg=cv2.bgsegm.createBackgroundSubtractorGMG()

se=cv2.getStructuringElement(cv2.MORPH_RECT,(3,3))

whilecap.isOpened():

ret,frame=cap.read()

fgmask=fgbg.apply(frame)

_,binary=cv2.threshold(fgmask,215,255,cv2.THRESH_BINARY)

binary=cv2.morphologyEx(binary,cv2.MORPH_OPEN,se)

res=cv2.bitwise_and(frame,frame,mask=binary)

cv2.imshow("res",res)

ifcv2.waitKey(1000//12)0xff==ord('q'):

break

cap.release()

cv2.destroyAllWindows()

運行結果：

以上這三種方法對于檢測運動物體行之有效，但如果檢測靜態(tài)物體就不適合了。

幀差法

在可以確定背景時采用幀差法，此方法不僅可以用于動態(tài)目標檢測，也能檢測靜態(tài)目標。

幀差法需要一個變量來檢測當前是第幾幀。即通過后面的幀減去第一幀得到所需前景。

importcv2

cap=cv2.VideoCapture(0)

frameNum=0

whilecap.isOpened():

ret,frame=cap.read()

frameNum+=1

tmp=frame.copy()

ifframeNum==1:

bgFrame=cv2.cvtColor(tmp,cv2.COLOR_BGR2GRAY)

elifframeNum1:

foreFrame=cv2.cvtColor(tmp,cv2.COLOR_BGR2GRAY)

foreFrame=cv2.absdiff(foreFrame,bgFrame)

_,thresh=cv2.threshold(foreFrame,30,255,cv2.THRESH_BINARY)

gaussian=cv2.GaussianBlur(thresh,(3,3),0)

cv2.imshow('gaussian',foreFrame)

ifcv2.waitKey(1000//12)0xff==ord('q'):

break

cap.release()

c