Question

首先，我想用相机找到水滴在织物上的时间变化。算法检测到运动后，用户将水滴到织物上，直到水完全吸收为止，并绘制图表变化时间并显示吸收时间，区域等。

为了检测运动，我使用了具有恒定变化率的absdif函数。我将检测的帧开始时间一直到结束like this image。这里没有问题。但是为了计算吸收率水我阈值的帧，并使用countNonZero函数计算黑色像素数。但是这里存在一个问题，显示thresholded images的红线的黑色像素一直在变化（例如晃动，振动等）。因此绘制过程失败。

尝试

我试图更改网络摄像头设备（使用İpcam的手机摄像头）
我试图通过自适应阈值方法（大津等）来找到最佳阈值
平滑的雷电条件和无背景拍摄

成功

当我使用手机摄像头拍摄的视频作为输入时，震动和振动效果会降低，并且可以达到预期的成功this graph

问题

如何实时平滑阈值图像
另一种方法

代码

import cv2
from datetime import datetime
import numpy as np
import matplotlib.pyplot as plt
import operator

def pixelHesaplayici(x):
    siyaholmayanpixel=cv2.countNonZero(x)
    height,width=x.shape
    toplampixel=height*width
    siyahpixelsayisi=toplampixel-siyaholmayanpixel
    return siyahpixelsayisi

def grafikciz(sure,newblackpixlist,maxValue,index,totaltime,cm):
    plt.figure(figsize=(15,15))
    plt.plot(sure,newblackpixlist)
    line,=plt.plot(sure,newblackpixlist)
    plt.setp(line,color='r')
    plt.text(totaltime/2,maxValue/2, r'$Max- 
    Pixel=%d$'%maxValue,fontsize=14,color='r')
    plt.text(totaltime/2,maxValue/2.5, r'$Max-emilim- 
    zamanı=%f$'%sure[index],fontsize=14,color='b')
    plt.text(totaltime/2,maxValue/3, r'$Max- 
    Alan=%fcm^2$'%cm,fontsize=14,color='g')
    plt.ylabel('Black Pixels')
    plt.xlabel('Time(s)')
    plt.grid(True)
    plt.show()


static_back=None
i=0
blackpixlist=[]
newblackpixlist=[]

t=[]
video=cv2.VideoCapture("kumas1.mp4")

while(True):
    ret,frame=video.read()

    if ret==True:
        gray=cv2.cvtColor(frame,cv2.COLOR_BGR2GRAY)
        gray=cv2.GaussianBlur(gray,(5,5),0)
        _,threshforgraph=cv2.threshold(gray,0,255,
       cv2.THRESH_BINARY+cv2.THRESH_OTSU)
        if static_back is None:
            static_back=gray
            continue
        diff_frame=cv2.absdiff(static_back,gray)

        threshfortime=cv2.threshold(diff_frame,127,255,cv2.THRESH_BINARY)[1]
        #threshfortime=cv2.dilate(threshfortime,None,iterations=2)
        (_,cnts,_)=cv2.findContours(threshfortime.copy(),
                               cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_SIMPLE)

        for contour in cnts:
            if cv2.contourArea(contour)<450:
                continue
            an=datetime.now()
            t.append(an.minute*60+an.second+(an.microsecond/1000000))
            cv2.fillPoly(frame,contour, (255,255,255), 8,0)
            cv2.imwrite("samples/frame%d.jpg"%i,threshforgraph)


            i+=1


        cv2.imshow("org2",frame)
        #cv2.imshow("Difference Frame",diff_frame)
        #cv2.imshow("Threshold Frame",threshfortime)
        #cv2.imshow("Threshforgraph",threshforgraph)

        if cv2.waitKey(1) & 0xFF == ord('q'):
            break
    else:
        break
ti=t[1::3]

lasttime=ti[-1]
firsttime=ti[-len(ti)]
totaltime=lasttime-firsttime

for i in range(0,i):
        img=cv2.imread('samples/frame%d.jpg'%i,0)
        blackpixlist.append(pixelHesaplayici(img))
ilkpix=blackpixlist[0]

for a in blackpixlist:
    newblackpixlist.append(a-ilkpix)
newblackpixlisti=newblackpixlist[1::3]  
index , maxValue=max(enumerate(newblackpixlisti),
key=operator.itemgetter(1))
sure=np.linspace(0,totaltime,len(newblackpixlisti))
cm=0.0007*maxValue # For 96 dpi

grafikciz(sure,newblackpixlisti,maxValue,index,totaltime,cm)

Answer 1

从接下来的帧中减去第一帧怎么办？如果您知道或可以检测出何时没有丢弃并将其减去，则差异只会为您提供丢弃的结果。

如果您在不同位置有多个放置，并希望丢弃先前放置，则此方法也可能很有趣。请注意，您可以在阈值化之前和之后进行减法运算。我建议先设定阈值。

如果您知道自己的过程中有很多动摇，则可能需要应用数字稳定化，在这种情况下，我建议您看一下本教程： https://www.learnopencv.com/video-stabilization-using-point-feature-matching-in-opencv/

当然，稳定化应该在减法之前完成。

通常，对于您的问题，我不会使用自适应方法。所有帧的阈值都应该相同，如果根据图像进行调整，可能会导致无效的结果。

希望我能正确理解您的问题！

如何实时平滑阈值处理？

尝试

成功

问题

代码

1 个答案: