目标跟踪---简单的实现运动物体检测（python）（1）

#基本的运动物体检测
#计算帧之间的差异，或考虑“背景”帧与其他帧之间的差异
import cv2
import numpy as np

##设置为默认摄像头
camera = cv2.VideoCapture(0)

#getStructuringElement是获取常用的结构元素的形状，MORPH_ELLIPSE是椭圆（包括圆形），后面定义的是大小
es = cv2.getStructuringElement(cv2.MORPH_ELLIPSE,(9,4))
kernel = np.ones((5,5),np.uint8)
background = None

while  True:
     ret, frame = camera.read()
     if background is None:#初始化背景，后面的图像均以此为背景,即第一张图
          background =  cv2.cvtColor(frame,cv2.COLOR_BGR2GRAY)###灰度化图像
          background =  cv2.GaussianBlur(background,(21,21),0)###进行模糊处理
          continue# 跳出这个循环
     gray_frame = cv2.cvtColor(frame,cv2.COLOR_BGR2GRAY)
     gray_frame = cv2.GaussianBlur(gray_frame,(21,21),0)
##打开系统默认的摄像头获得的视频图像，并将第一帧设置为整个输入的背景
#对于每个从该点以后读取的帧都会计算其与背景之间的差异
     diff = cv2.absdiff(background, gray_frame) #计算背景帧与当前帧的差值
     diff = cv2.threshold(diff,25,255,cv2.THRESH_BINARY)[1]#25为阈值，255为超过阈值被赋予的值
     diff = cv2.dilate(diff,es,iterations = 2)#进行图片膨胀，iterations为膨胀次数为2，
     #findContours函数计算一幅图像中目标的轮廓，diff.copy()为输入的二值单通道图像
     # 轮廓CV_RETR_EXTERNAL表示只检测外轮廓
     image,cnts,hierarchy = cv2.findContours(diff.copy(),cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_SIMPLE)

     for c in cnts:
          if cv2.contourArea(c) < 1500:
               continue
          #c是一个二值图，boundingRect是矩形边框函数，用一个最小的矩形，把找到的形状包起来；
          #x,y是矩形左上点的坐标；w,h是矩阵的宽和高
          (x,y,w,h) = cv2.boundingRect(c)
          #rectangle画出矩形，frame是原图，(x,y)是矩阵的左上点坐标，(x+w,y+h)是矩阵右下点坐标
          #(0,255,0)是画线对应的rgb颜色，2是画线的线宽
          cv2.rectangle(frame,(x,y),(x+w,y+h),(0,255,0),2)

     cv2.imshow("contours",frame)##显示轮廓的图像
     cv2.imshow("dif",diff)

     if cv2.waitKey(1000 // 12) & 0xff == ord("q"):##书上原给的是1000/12但是会报错,改为//后就没有问题了
          break

cv2.destroyAllWindows( )
camera.release()