计算机视觉life”，选择“星标”
快速获得最新干货
本文转载自小白学视觉，努比。文章仅用于学术分享。
现在，假设我们只需要从整个输入帧中检测到一个对象。因此，代替处理整个框架，如果可以在框架中定义一个子区域并将其视为要应用处理的新框架，该怎么办。我们要完成一下三个步骤：
?定义兴趣区
?在ROI中检测轮廓
?阈值检测轮廓轮廓线
什么是ROI？
简而言之，我们感兴趣的对象所在的帧内的子区域称为感兴趣区域（ROI）。
我们如何定义ROI？
在输入帧中定义ROI的过程称为ROI分割。
在“ ROI细分”中，（此处）我们选择框架中的特定区域，并以矩形方法提供其尺寸，以便它将在框架上绘制矩形的ROI。
（输出）蓝色矩形覆盖的区域是我们的投资回报率
现在，如果您也想绑定感兴趣的对象，那么我们可以通过在ROI中找到轮廓来实现。
什么是轮廓？
轮廓线是 表示或说是限制对象形状的轮廓。
如何在框架中找到轮廓？
对我而言，在将ROI框架设为阈值后，找到轮廓效果最佳。因此，要找到轮廓，手上的问题是-
什么是阈值？
阈值不过是图像分割的一种简单形式。这是将灰度或rgb图像转换为二进制图像的过程。例如
（这是RGB帧）
（这是二进制阈值帧）
因此，在对rgb帧进行阈值处理后，程序很容易找到轮廓，因为由于ROI中感兴趣对象的颜色将是黑色（在简单的二进制脱粒中）或白色（在如上所述的反向二进制脱粒中），因此分割（将背景与前景即我们的对象分开）将很容易完成。
在对框架进行阈值处理并检测到轮廓之后，我们应用凸包技术对围绕对象点的紧密拟合凸边界进行设置。实施此步骤后，框架应如下所示-
我们可以做的另一件事是，我们可以遮盖ROI以仅显示被检测到的轮廓本身覆盖的对象。再次-
什么是图像MASK？
图像MASK是隐藏图像的某些部分并显示某些部分的过程。这是图像的非破坏性过程。在大多数情况下，它使您可以在以后根据需要调整和调整遮罩。通常，它是一种有效且更具创意的图像处理方式。
因此，基本上在这里我们将掩盖ROI的背景。为此，首先我们将修复ROI的背景。然后，在固定背景之后，我们将从框架中减去背景，并用wewant背景（这里是一个简单的黑色框架）替换它。
实施上述技术，我们应该得到如下输出：
（背景被遮罩以仅捕获对象）
这是所说明技术的理想实现的完整代码。
importcv2 importnumpy asnp importcopy importmath
x= 0.5# start point/total widthy= 0.8# start point/total widththreshold = 60# BINARY thresholdblurValue = 7# GaussianBlur parameterbgSubThreshold = 50learningRate = 0
# variablesisBgCaptured = 0# whether the background captured
defremoveBG(frame): #Subtracting the backgroundfgmask = bgModel.apply(frame,learningRate=learningRate)
kernel = np.ones(( 3, 3), np.uint8) fgmask = cv2.erode(fgmask, kernel, iterations= 1) res = cv2.bitwise_and(frame, frame, mask=fgmask)returnres
# Cameracamera = cv2.VideoCapture( 0) camera.set( 10, 200)
whilecamera.isOpened: ret, frame = camera.readframe = cv2.bilateralFilter(frame, 5, 50, 100) # smoothening filterframe = cv2.flip(frame, 1) # flip the frame horizontallycv2.rectangle(frame, (int(x * frame.shape[ 1]), 0), (frame.shape[ 1], int(y * frame.shape[ 0])), ( 255, 0, 0), 2) #drawing ROIcv2.imshow( ‘original’, frame)
# Main operationifisBgCaptured == 1: # this part wont run until background capturedimg = removeBG(frame)img = img[ 0:int(y * frame.shape[ 0]), int(x * frame.shape[ 1]):frame.shape[ 1]] # clip the ROIcv2.imshow( ‘mask’, img)
# convert the image into binary imagegray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)blur = cv2.GaussianBlur(gray, (blurValue, blurValue), 0) cv2.imshow( ‘blur’, blur) ret, thresh = cv2.threshold(blur, threshold, 255, cv2.THRESH_BINARY) #thresholding the framecv2.imshow( ‘ori’, thresh)
# get the coutoursthresh1 = copy.deepcopy(thresh)contours, hierarchy = cv2.findContours(thresh1, cv2.RETR_TREE, cv2.CHAIN_APPROX_SIMPLE) #detecting contourslength = len(contours)maxArea = -1iflength > 0: fori inrange(length): # find the biggest contour (according to area)temp = contours[i]area = cv2.contourArea(temp)ifarea > maxArea: maxArea = areaci = i
res = contours[ci]hull = cv2.convexHull(res) #applying convex hull techniquedrawing = np.zeros(img.shape, np.uint8)cv2.drawContours(drawing, [res], 0, ( 0, 255, 0), 2) #drawing contours cv2.drawContours(drawing, [hull], 0, ( 0, 0, 255), 3) #drawing convex hullcv2.imshow( ‘output’, drawing)
# Keyboard OPk = cv2.waitKey( 10) ifk == 27: camera.releasecv2.destroyAllWindowsbreakelifk == ord( ‘b’): # press ‘b’ to capture the backgroundbgModel = cv2.createBackgroundSubtractorMOG2( 0, bgSubThreshold) isBgCaptured = 1print( ‘Background Captured’) elifk == ord( ‘r’): # press ‘r’ to reset the backgroundbgModel = NoneisBgCaptured = 0print( ‘Reset BackGround’)
独家重磅课程官网：cvlife.net
1、视觉SLAM基础： 刚看完《视觉SLAM十四讲》，下一步该硬扛哪个SLAM框架 ？
2、VIO灭霸：VIO天花板ORB-SLAM3第2期上线！（单/双目/RGBD+鱼眼+IMU+多地图+闭环）
3、机器人导航运动规划： 机器人核心技术运动规划：让机器人想去哪就去哪！
4、详解Cartographer： 谷歌开源的激光SLAM算法Cartographer为什么这么牛X？
5、深度学习三维重建 总共60讲全部上线！详解深度学习三维重建网络
6、三维视觉基础 详解视觉深度估计算法（单/双目/RGB-D+特征匹配+极线矫正+代码实战）
7、 VINS:Mono+Fusion SLAM面试官：看你简历上写精通VINS，麻烦现场手推一下预积分！
8、图像三维重建课程：视觉几何三维重建教程（第2期）：稠密重建，曲面重建，点云融合，纹理贴图
9、系统全面的相机标定课程：单目/鱼眼/双目/阵列 相机标定：原理与实战
全国最棒的SLAM、三维视觉学习社区↓
技术交流微信群
投稿、合作也欢迎联系：simiter@126.com
— 版权声明 —
本公众号原创内容版权属计算机视觉life所有；从公开渠道收集、整理及授权转载的非原创文字、图片和音视频资料，版权属原。如果侵权，请联系我们，会及时删除。
来源：SD科技制造
声明：本站部分文章及图片源自用户投稿，如本站任何资料有侵权请您尽早请联系jinwei@zod.com.cn进行处理,非常感谢！
