Używam opencv z pythonem przez dwa tygodnie Chcę znaleźć środek poruszającego się obiektu. Najpierw znajdę różnicę między dwiema ramkami i bitem bitowym Po bitwise wyszedł jak grupa białych kropek wokół poruszającego się quad rotora obiektu, jak możesz zobacz na obrazku poniżej. Tak moje pytanie jest Jaka metoda powinienem użyć, aby znaleźć centrum ruchomych obiektów quad rotora jak w tym przypadku. Myślałem, że może po prostu znaleźć średnie centrum wszystkich tych punktów, ale nie wiem jak to zrobić. Oto przykładowy obraz. Jest to mój code. first wszystkich dziękuję dervish na answer. I właśnie próbował zastosować metodę znaleźć centrum masowe to działa, ale jak dervish nie jest dokładne, jak need. so I przyszedł z innym pomysłem, jeśli wymienić jasność diffframe czyni łatwiejsze, dokładne użycie metody, jak kontury czy inna metoda. Hi, będzie to bardzo prosty artykuł, ale znajdziesz to bardzo pomocne To chodzi o Ekstrakcję tła z filmu wideo. Zastosujesz się wideo z materiału wideo, może to być coś takiego jak Traffi c w Indiach i zostaniesz poproszony o znalezienie przybliżonego tła lub podobnego do tego. Pobieranie obiektu jest ważne w śledzeniu obiektów Jeśli masz już obraz nagiego tła, to jest proste Ale w wielu przypadkach nie masz takiego więc musisz stworzyć taki, w którym działa bieg średnia. Pomyślałem o tym, gdy jeden facet zadał pytanie w funkcji SOF Link. Funkcja używana tutaj, aby znaleźć Średnia bieżąca jest na przykład, jeśli oglądamy film, ciągle karmimy każdą ramkę do tej funkcji, a funkcja nadal znajdzie średnie wszystkich ramek podawanych do niej zgodnie z relacją poniżej. src to nic innego, jak nasz obraz źródłowy Może to być szarość lub kolorowy obraz, a 8-bitowy lub 32-bitowy floating point. dst jest obrazem wyjściowym lub akumulatorowym z tymi samymi kanałami, obrazu źródłowego i jest to 32-bitowy lub 64-bitowy punkt zmiennoprzecinkowy. Również należy najpierw zadeklarować wartość, która zostanie przyjęta jako wartość początkowa. alpha to waga obrazu wejściowego Zgodnie z Dokumentami alfa reguluje szybkość aktualizacji jak szybko akumulator zapomina o wcześniejszych zdjęciach W prostych słowach, jeśli alfa jest wyższą wartością, średni obraz próbuje złapać nawet bardzo szybkie i krótkie zmiany danych Jeśli jest niższa wartość, średnia staje się osłabiona i nie rozważa szybkiego zmiany w obrazach wejściowych będę wyjaśnić to trochę za pomocą zdjęć na końcu artykułu. W powyższym kodzie ustawiłem dwa średnie, jeden o wyższej wartości alfa i drugi o niższej wartości alfa, dzięki czemu można zrozumieć efekt alfa. Początkowo obie są ustawione na pierwszą ramkę przechwytywania I w pętli dostają updated. You widać jakieś wyniki w łączu SOF już pod warunkiem dostarczyć te wyniki tutaj, możesz sprawdzić kod i wartość alpha tam. Użyłem swoją kamerę i zapisałem oryginalną ramkę i średnią w konkretna chwila. Ta ramka pochodzi z typowego ruchu wideo zrobionego przez stacjonarną kamerę Jak widać, samochód jedzie na drogę, a osoba próbuje przekroczyć drogę w określonym momencie czasu. bieżąca średnia w tym czasie Nie ma osoby i samochodu na tym zdjęciu Prawdę mówiąc jest tam, masz bliski wygląd, wtedy zobaczysz, a osoba jest bardziej jasna niż samochód, ponieważ samochód porusza się bardzo szybko i na obrazie, to nie ma dużo wpływu na przeciętnie, ale człowiek jest tam na długi t ime, ponieważ on jest powolny i przemieszcza się po drodze. Teraz musimy zobaczyć efekt alfa na tych obrazach. Doskonalenie obrazów. Poniższe wyjaśnienie należy do książki Computer Vision Algorithms and Applications firmy Richard Szeliski i LearningOpenCV. Smoothing nazywane również rozmycie to prosta i często używana operacja przetwarzania obrazu. Jest wiele przyczyn wygładzania W tym samouczku skoncentrujemy się na wygładzaniu, aby zmniejszyć hałas, inne zastosowania będą widoczne w następujących samouczkach. Aby wykonać operację wygładzania zastosujemy filtr do naszego obrazu Najczęstszym typem filtrów jest liniowy, w którym wartość piksela wyjściowego jest określana jako ważona suma wartości pikseli wejściowych, tj. jądro, które jest niczym więcej niż współczynnikami filtru. Pomaga to wizualizuj filtr jako okno współczynników przesuwających się po obrazie. Istnieje wiele rodzajów filtrów, o których tutaj wspomnimy o najczęściej używanym. Normalizowanym filtrze pudełkowym. Filtr ten jest najprostszy ze wszystkich t piksel jest średnią sąsiadów jądra, które wszystkie są przyczyną równej wagi. Jestem jest poniżej. Guussian Filter. Probably najbardziej użytecznym filtrem, choć nie najszybszym filtrem Gaussa jest wykonywany przez przekonanie każdego punktu w tablicy wejściowej z jądrem Gaussa a następnie podsumować je wszystkie, aby wyprodukować tablicę wyjściową. Jeśli obraz jest wyraźniejszy, pamiętaj o tym, jak wygląda ziarna 1D Gaussa. Zauważ, że obraz jest 1D, można zauważyć, że piksel znajdujący się w środku miałby największy ciężar ciężar sąsiadów zmniejsza się wraz ze wzrostem odległości przestrzennej między nimi a środkowym pikselem wzrasta. Pamiętaj, że 2D Gaussian może być reprezentowany jako. gdzie jest średnią pik i reprezentuje wariancję na każdą z zmiennych. Filtr Median przechodzić przez każdy element sygnału w tym przypadku obraz i zastąpić każdy piksel środkiem sąsiadujących pikseli zlokalizowanych w kwadratowej okolicy wokół ocenianego piksela. Filtr brzegowy. , wyjaśniono niektóre filtry, których głównym celem jest wygładzenie obrazu wejściowego Jednak czasami filtry nie tylko powodują hałas, ale również wygładzają krawędzie Aby uniknąć tego w pewnym stopniu, możemy użyć dwustronnego filtru. analogicznie jak filtr Gaussa, filtr dwustronny również uwzględnia sąsiednie piksele z odważkami przypisanymi do każdej z nich Wagi te składają się z dwóch elementów, z których pierwszy jest tego samego ciężaru stosowanego przez filtr Gaussa Drugi element uwzględnia różnicę w intensywności między sąsiadującymi pikselami i ocenianym. Aby uzyskać bardziej szczegółowe wyjaśnienie, możesz sprawdzić ten link. Co to jest w tym programie. Pobiera obraz. Za pomocą 4 różne rodzaje filtrów wyjaśnione w teorii i pokazuj filtrowane obrazy kolejno.
No comments:
Post a Comment