有没有办法在Python OpenCV2中减去两个图像？
- 图像1：任何图像（例如房屋图像）（静态图像）
- 图像2：带有对象的相同图像（在房子里，一个人正在站立...）（静态图像+动态物体）
- 图像3 = 图像2-图像1
如果我们从Image1中减去Image2，那么Image3应该仅给出Object(person)。
6个回答
42
尝试使用背景减除。
使用cv2.subtract(img1, img2)代替算术运算，因为cv2将处理负值。
- dvigneshwer
1
背景减法用于视频处理。通常需要几帧“空闲场景”来学习外观。 - Christoph Rackwitz
11
如果两张图片的背景完全相同，您可以像您在帖子中提到的那样将它们相减。
image1 = imread("/path/to/image1")
image2 = imread("/path/to/image2")
image3 = image1 - image2
- Mohammad Moghimi
2
4希望你好运，但如果使用uint8图像，结果将完全错误。 - Mehdi
9
@dvigneshwr的回答对负值进行减法运算，结果为负数时会被舍入为0。@Taha Anwar M-Holmes的回答保留了负数，但更改了结果数组的数据类型，因此不再是传统的图像类型。
对于那些想要基于值的绝对差异来识别前景和背景图像，并返回与输入相同数据类型的数组（这就是我来到这里的原因），请使用absdiff。
假设数组具有相同的宽度和高度...
import cv2 as cv
image3 = cv.absdiff(image1, image2)
值得注意的是，OP没有提供有关这里所减去的图像的任何细节...根据图像的内容，所有这些方法都可能回答OP的问题。
- RTbecard
1
cv2.subtract不起作用，它只是将值绑定在0-255之间，因此如果您想要获得负值，只需将图像从unit8转换为int32或int64即可。请注意，unint8只能取0-255的值，因此无法处理负值。
image1= np.int32(image1)
image2= np.int32(image2)
image3 = image1 - image2
- Ahmed
4
在识别前景对象的情况下，为什么在减去两个图像后会出现负值呢？（我想知道您是否使用了我不熟悉的某些对象检测算法） - RTbecard
无法保证从前景中减去背景后会留下正的前景值，前景强度值很容易比之前存在的背景低。因此，您需要使用前景和背景像素之间的绝对差异。 - Ahmed
是的，我同意你计算绝对差的方法，但是opencv已经提供了一个函数来实现这个功能（请看我的回答）。我更想知道是否有保留负数的原因（即计算差而不是绝对差），就像你的答案一样。 - RTbecard
灰色背景。前景物体可能是白色（正差异）或黑色（负差异）。这对于进一步处理（比如分类）可能是相关的。--无论如何，都必须处理负差异，可以通过保留、剪切（饱和数学）或取绝对值来处理。 - Christoph Rackwitz
0
在处理灰度图像时，我犯了一个错误，就是忘记了0代表黑色，255代表白色，这与印刷媒体上的预期相反。
正确的减法应该在每一步都使用
正确的减法应该在每一步都使用
bitwise_not()进行操作：
image3 = bitwise_not( bitwise_not(image1) - bitwise_not(image2) )
- Nelson
-2
# find moving image.
#
# running the program pops up a window to watch the video.
# the program video window shows the first monitor,
# but watch the program video window on second extended monitor
import cv2
import numpy as np
# Path to video file
cap = cv2.VideoCapture(
1,
apiPreference=cv2.CAP_ANY,
params=[cv2.CAP_PROP_FRAME_WIDTH, 1280, cv2.CAP_PROP_FRAME_HEIGHT, 720],
) # I made cap = 1280, 720 resolution to speed the program up on my computer. I have a rtx 3060, obs studio at 60 fps
# Used as counter variable
count = 1
# checks whether frames were extracted
success = 1
# create frame_1 and frame_2 to be able to use the frames between if conditions
frame_1 = 0
frame_2 = 0
# get 2 frames to start with
count_subtraction = 0
while success:
# function extract frames
success, image = cap.read()
if count_subtraction == 0:
if count <= 2:
# Saves the frames with frame-count
cv2.imwrite("frame_%d.jpg" % count, image, [int(cv2.IMWRITE_JPEG_QUALITY), 100]) # jpg 100% quality
count += 1
if count == 3:
frame_1 = cv2.imread("frame_1.jpg", 0)
frame_2 = cv2.imread("frame_2.jpg", 0)
# use the frames below
# Create the sharpening kernel
kernel = np.array([[0, -1, 0], [-1, 5, -1], [0, -1, 0]])
# Sharpen the image
frame_1 = cv2.filter2D(frame_1, -1, kernel)
frame_2 = cv2.filter2D(frame_2, -1, kernel)
# subtract the images
subtracted = cv2.subtract(frame_2, frame_1)
subtracted_sharpened = cv2.filter2D(subtracted, -1, kernel)
# TO show the output
cv2.imshow("image", subtracted_sharpened)
# the else condition to count_subtraction needs a first frame
frame_1 = frame_2
count = 1
count_subtraction = 1
else:
cv2.imwrite("frame_2.jpg", image, [int(cv2.IMWRITE_JPEG_QUALITY), 100]) # jpg 100% quality
frame_2 = cv2.imread("frame_2.jpg", 0)
# use the frames below
# Create the sharpening kernel
kernel = np.array([[0, -1, 0], [-1, 5, -1], [0, -1, 0]])
# Sharpen the image
frame_2 = cv2.filter2D(frame_2, -1, kernel)
# subtract the images
subtracted = cv2.subtract(frame_2, frame_1)
subtracted_sharpened = cv2.filter2D(subtracted, -1, kernel)
# TO show the output
cv2.imshow("image", subtracted_sharpened)
# the second frame becomes a first frame
frame_1 = frame_2
if cv2.waitKey(1) & 0xFF == ord("q"):
break
# When everything done, release the capture
cap.release()
cv2.destroyAllWindows()
- Mark_us
网页内容由stack overflow 提供, 点击上面的可以查看英文原文，
原文链接
原文链接