OpenCV背景去除的几种方法

原文转自：http://www.cnblogs.com/mfryf/archive/2012/03/29/2424024.html

1、肤色侦测法
   肤色提取是基于人机互动方面常见的方法。因为肤色是人体的一大特征，它可以迅速从复杂的背景下分离出自己的特征区域。一下介绍两种常见的肤色提取：

（1）HSV空间的肤色提取

     HSV色彩空间是一个圆锥形的模型，具体如右图所示：
 色相（H）是色彩的基本属性，就是平常说的颜色名称，例如红色、黄色等，


依照右图的标准色轮上的位置，取360度得数值。（也有0~100%的方法确定） 饱和度（S）是色彩的纯度，越高色彩越纯，低则变灰。取值为0~100%。明度（V）也叫亮度，取值0~100。

     根据肤色在HSV三个分量上的值，就可以简单的侦测出一张图像上肤色的部分。一下是肤色侦测函数的源代码：

[c-sharp] view
plaincopy

void skinDetectionHSV(IplImage* pImage,int lower,int upper,IplImage* process)  

{  

    IplImage* pImageHSV = NULL;  

    IplImage* pImageH = NULL;  

    IplImage* pImageS = NULL;  

    IplImage* pImageProcessed = NULL;  

    IplImage* tmpH = NULL;  

    IplImage* tmpS = NULL;  

    static IplImage* pyrImage = NULL;  

  

    CvSize imgSize;  

    imgSize.height = pImage->height;  

    imgSize.width = pImage->width ;  

  

    //create you want to use image and give them memory allocation  

    pImageHSV = cvCreateImage(imgSize,IPL_DEPTH_8U,3);  

    pImageH = cvCreateImage(imgSize,IPL_DEPTH_8U,1);  

    pImageS = cvCreateImage(imgSize,IPL_DEPTH_8U,1);  

    tmpS = cvCreateImage(imgSize,IPL_DEPTH_8U,1);  

    tmpH = cvCreateImage(imgSize,IPL_DEPTH_8U,1);  

    pImageProcessed = cvCreateImage(imgSize,IPL_DEPTH_8U,1);  

    pyrImage = cvCreateImage(cvSize(pImage->width/2,pImage->height/2),IPL_DEPTH_8U,1);  

  

    //convert RGB image to HSV image  

    cvCvtColor(pImage,pImageHSV,CV_BGR2HSV);  

  

    //Then split HSV to three single channel images  

    cvCvtPixToPlane(pImageHSV,pImageH,pImageS,NULL,NULL);  

    //The skin scalar range in H and S, Do they AND algorithm  

    cvInRangeS(pImageH,cvScalar(0.0,0.0,0,0),cvScalar(lower,0.0,0,0),tmpH);  

    cvInRangeS(pImageS,cvScalar(26,0.0,0,0),cvScalar(upper,0.0,0,0),tmpS);  

    cvAnd(tmpH,tmpS,pImageProcessed,0);  

    //  

    //cvPyrDown(pImageProcessed,pyrImage,CV_GAUSSIAN_5x5);  

    //cvPyrUp(pyrImage,pImageProcessed,CV_GAUSSIAN_5x5);  

    //Erode and dilate  

    cvErode(pImageProcessed,pImageProcessed,0,2);  

    cvDilate(pImageProcessed,pImageProcessed,0,1);  

  

    cvCopy(pImageProcessed,process,0);  

    //do clean  

    cvReleaseImage(&pyrImage);  

    cvReleaseImage(&pImageHSV);  

    cvReleaseImage(&pImageH);  

    cvReleaseImage(&pImageS);  

    cvReleaseImage(&pyrImage);  

    cvReleaseImage(&tmpH);  

    cvReleaseImage(&tmpS);  

    cvReleaseImage(&pImageProcessed);  

}  

 

 

 (2)YCrCb空间的肤色提取
   YCrCb也是一种颜色空间，也可以说是YUV的颜色空间。Y是亮度的分量，而肤色侦测是对亮度比较敏感的，由摄像头拍摄的RGB图像转化为YCrCb空间的话可以去除亮度对肤色侦测的影响。下面给出基于YCrCb肤色侦测函数的源代码：

 

[c-sharp] view
plaincopy

void skinDetectionYCrCb(IplImage* imageRGB,int lower,int upper,IplImage* imgProcessed)  

{  

  

        assert(imageRGB->nChannels==3);  

    IplImage* imageYCrCb = NULL;  

    IplImage* imageCb = NULL；  

    imageYCrCb = cvCreateImage(cvGetSize(imageRGB),8,3);  

    imageCb = cvCreateImage(cvGetSize(imageRGB),8,1);  

  

    cvCvtColor(imageRGB,imageYCrCb,CV_BGR2YCrCb);  

    cvSplit(imageYCrCb,0,0,imageCb,0);//Cb  

    for (int h=0;h<imageCb->height;h++)  

        {  

        for (int w=0;w<imageCb->width;w++)  

                 {  

            unsigned char* p =(unsigned char*)(imageCb->imageData+h*imageCb->widthStep+w);  

            if (*p<=upper&&*p>=lower)  

                       {  

                *p=255;  

            }  

                        else  

                        {  

                *p=0;  

            }  

        }  

    }  

    cvCopy(imageCb,imgProcessed,NULL);  

}  

 

2、基于混合高斯模型去除背景法

   高斯模型去除背景法也是背景去除的一种常用的方法，经常会用到视频图像侦测中。这种方法对于动态的视频图像特征侦测比较适合，因为模型中是前景和背景分离开来的。分离前景和背景的基准是判断像素点变化率，会把变化慢的学习为背景，变化快的视为前景。

[c-sharp] view
plaincopy

//  

 

#include "stdafx.h"  

#include "cv.h"  

#include "highgui.h"  

#include "cxtypes.h"  

#include "cvaux.h"  

# include <iostream>  

  

using namespace std;  

  

  

int _tmain(int argc, _TCHAR* argv[])  

{  

    //IplImage* pFirstFrame = NULL;  

IplImage* pFrame = NULL;  

    IplImage* pFrImg = NULL;  

    IplImage* pBkImg = NULL;  

    IplImage* FirstImg = NULL;  

    static IplImage* pyrImg =NULL;  

    CvCapture* pCapture = NULL;  

    int nFrmNum = 0;  

    int first = 0,next = 0;  

    int thresh = 0;  

  

    cvNamedWindow("video",0);  

    //cvNamedWindow("background",0);  

    cvNamedWindow("foreground",0);  

    cvResizeWindow("video",400,400);  

    cvResizeWindow("foreground",400,400);  

    //cvCreateTrackbar("thresh","foreground",&thresh,255,NULL);  

    //cvMoveWindow("background",360,0);  

    //cvMoveWindow("foregtound",0,0);  

  

    if(!(pCapture = cvCaptureFromCAM(1)))  

    {  

        printf("Could not initialize camera , please check it !");  

        return -1;  

    }  

  

    CvGaussBGModel* bg_model = NULL;  

  

    while(pFrame = cvQueryFrame(pCapture))  

    {  

        nFrmNum++;  

        if(nFrmNum == 1)  

        {  

            pBkImg = cvCreateImage(cvGetSize(pFrame),IPL_DEPTH_8U,3);  

            pFrImg = cvCreateImage(cvGetSize(pFrame),IPL_DEPTH_8U,1);  

            FirstImg = cvCreateImage(cvGetSize(pFrame),IPL_DEPTH_8U,1);  

            pyrImg = cvCreateImage(cvSize(pFrame->width/2,pFrame->height/2),IPL_DEPTH_8U,1);  

              

            CvGaussBGStatModelParams params;  

            params.win_size = 2000;             //Learning rate = 1/win_size;  

            params.bg_threshold = 0.7;         //Threshold  sum of weights for background test  

            params.weight_init = 0.05;  

            params.variance_init = 30;  

            params.minArea = 15.f;  

            params.n_gauss = 5; //= K =Number of gaussian in mixture  

            params.std_threshold = 2.5;  

  

            //cvCopy(pFrame,pFirstFrame,0);  

          

            bg_model = (CvGaussBGModel*)cvCreateGaussianBGModel(pFrame,¶ms);  

        }  

        else  

        {  

                int regioncount = 0;  

                int totalNum = pFrImg->width *pFrImg->height ;  

                  

                cvSmooth(pFrame,pFrame,CV_GAUSSIAN,3,0,0,0);  

      

                cvUpdateBGStatModel(pFrame,(CvBGStatModel*)bg_model,-0.00001);  

                cvCopy(bg_model->foreground ,pFrImg,0);  

                cvCopy(bg_model->background ,pBkImg,0);  

                //cvShowImage("background",pBkImg);  

  

                //cvSmooth(pFrImg,pFrImg,CV_GAUSSIAN,3,0,0,0);  

                //cvPyrDown(pFrImg,pyrImg,CV_GAUSSIAN_5x5);  

                //cvPyrUp(pyrImg,pFrImg,CV_GAUSSIAN_5x5);  

                //cvSmooth(pFrImg,pFrImg,CV_GAUSSIAN,3,0,0,0);  

                cvErode(pFrImg,pFrImg,0,1);  

                cvDilate(pFrImg,pFrImg,0,3);  

  

                //pBkImg->origin = 1;  

                //pFrImg->origin = 1;  

              

            cvShowImage("video",pFrame);  

            cvShowImage("foreground",pFrImg);  

            //cvReleaseBGStatModel((CvBGStatModel**)&bg_model);  

            //bg_model = (CvGaussBGModel*)cvCreateGaussianBGModel(pFrame,0);  

            /* 

            //catch target frame 

            if(nFrmNum>10 &&(double)cvSumImage(pFrImg)>0.3 * totalNum) 

            { 

                 

                first = cvSumImage(FirstImg); 

                next = cvSumImage(pFrImg); 

                printf("Next number is :%d /n",next); 

                cvCopy(pFrImg,FirstImg,0); 

            } 

            cvShowImage("foreground",pFrImg); 

            cvCopy(pFrImg,FirstImg,0); 

            */  

            if(cvWaitKey(2)== 27)  

            {  

                break;  

            }  

        }  

    }  

    cvReleaseBGStatModel((CvBGStatModel**)&bg_model);  

    cvDestroyAllWindows();  

    cvReleaseImage(&pFrImg);  

    cvReleaseImage(&FirstImg);  

    cvReleaseImage(&pFrame);  

    cvReleaseImage(&pBkImg);  

    cvReleaseCapture(&pCapture);  

  

    return 0;  

}  

 

 

3、背景相减背景去除方法

   所谓的背景相减，是指把摄像头捕捉的图像第一帧作为背景，以后的每一帧都减去背景帧，这样减去之后剩下的就是多出来的特征物体（要侦测的物体）的部分。但是相减的部分也会对特征物体的灰阶值产生影响，一般是设定相关阈值要进行判断。以下是代码部分：

 

[c-sharp] view
plaincopy

int _tmain(int argc, _TCHAR* argv[])  

{  

    int thresh_low = 30;  

      

    IplImage* pImgFrame = NULL;   

    IplImage* pImgProcessed = NULL;  

    IplImage* pImgBackground = NULL;  

    IplImage* pyrImage = NULL;  

  

    CvMat* pMatFrame = NULL;  

    CvMat* pMatProcessed = NULL;  

    CvMat* pMatBackground = NULL;  

  

    CvCapture* pCapture = NULL;  

  

    cvNamedWindow("video", 0);  

    cvNamedWindow("background",0);  

    cvNamedWindow("processed",0);  

    //Create trackbar  

    cvCreateTrackbar("Low","processed",&thresh_low,255,NULL);  

  

    cvResizeWindow("video",400,400);  

    cvResizeWindow("background",400,400);  

    cvResizeWindow("processed",400,400);  

  

    cvMoveWindow("video", 0, 0);  

    cvMoveWindow("background", 400, 0);  

    cvMoveWindow("processed", 800, 0);  

      

    if( !(pCapture = cvCaptureFromCAM(1)))  

    {  

        fprintf(stderr, "Can not open camera./n");  

        return -2;  

    }  

  

    //first frame  

    pImgFrame = cvQueryFrame( pCapture );  

    pImgBackground = cvCreateImage(cvSize(pImgFrame->width, pImgFrame->height),  IPL_DEPTH_8U,1);  

    pImgProcessed = cvCreateImage(cvSize(pImgFrame->width, pImgFrame->height),  IPL_DEPTH_8U,1);  

    pyrImage = cvCreateImage(cvSize(pImgFrame->width/2, pImgFrame->height/2),  IPL_DEPTH_8U,1);  

  

    pMatBackground = cvCreateMat(pImgFrame->height, pImgFrame->width, CV_32FC1);  

    pMatProcessed = cvCreateMat(pImgFrame->height, pImgFrame->width, CV_32FC1);  

    pMatFrame = cvCreateMat(pImgFrame->height, pImgFrame->width, CV_32FC1);  

  

    cvSmooth(pImgFrame, pImgFrame, CV_GAUSSIAN, 3, 0, 0);  

    cvCvtColor(pImgFrame, pImgBackground, CV_BGR2GRAY);  

    cvCvtColor(pImgFrame, pImgProcessed, CV_BGR2GRAY);  

  

    cvConvert(pImgProcessed, pMatFrame);  

    cvConvert(pImgProcessed, pMatProcessed);  

    cvConvert(pImgProcessed, pMatBackground);  

    cvSmooth(pMatBackground, pMatBackground, CV_GAUSSIAN, 3, 0, 0);  

  

    while(pImgFrame = cvQueryFrame( pCapture ))  

    {  

        cvShowImage("video", pImgFrame);  

        cvSmooth(pImgFrame, pImgFrame, CV_GAUSSIAN, 3, 0, 0);  

  

        cvCvtColor(pImgFrame, pImgProcessed, CV_BGR2GRAY);  

        cvConvert(pImgProcessed, pMatFrame);  

  

        cvSmooth(pMatFrame, pMatFrame, CV_GAUSSIAN, 3, 0, 0);  

        cvAbsDiff(pMatFrame, pMatBackground, pMatProcessed);  

        //cvConvert(pMatProcessed,pImgProcessed);  

        //cvThresholdBidirection(pImgProcessed,thresh_low);  

        cvThreshold(pMatProcessed, pImgProcessed, 30, 255.0, CV_THRESH_BINARY);  

          

        cvPyrDown(pImgProcessed,pyrImage,CV_GAUSSIAN_5x5);  

        cvPyrUp(pyrImage,pImgProcessed,CV_GAUSSIAN_5x5);  

        //Erode and dilate  

        cvErode(pImgProcessed, pImgProcessed, 0, 1);  

        cvDilate(pImgProcessed, pImgProcessed, 0, 1);     

          

        //background update  

        cvRunningAvg(pMatFrame, pMatBackground, 0.0003, 0);                   

        cvConvert(pMatBackground, pImgBackground);  

          

          

        cvShowImage("background", pImgBackground);  

        cvShowImage("processed", pImgProcessed);  

          

        //cvZero(pImgProcessed);  

        if( cvWaitKey(10) == 27 )  

        {  

            break;  

        }  

    }  

  

    cvDestroyWindow("video");  

    cvDestroyWindow("background");  

    cvDestroyWindow("processed");  

  

    cvReleaseImage(&pImgProcessed);  

    cvReleaseImage(&pImgBackground);  

  

    cvReleaseMat(&pMatFrame);  

    cvReleaseMat(&pMatProcessed);  

    cvReleaseMat(&pMatBackground);  

  

    cvReleaseCapture(&pCapture);  

  

    return 0;  

}