Cv2 الحركة من المتوسط

لقد تم استخدام أوبينكف مع الثعبان لمدة أسبوعين أريد أن أجد مركز كائن متحرك. أنا أجد الفرق الأول من اثنين من الإطار و بت قليلا بعد أن خرجت قليلا مثل مجموعة من النقاط البيضاء حول تتحرك كائن الدوار رباعية كما يمكنك انظر في الصورة أدناه. لذلك سؤالي هو ما هي الطريقة التي يجب استخدامها للعثور على مركز كائن متحرك رباعية الدوار مثل في هذه الحالة. أنا أعتقد ربما مجرد العثور على متوسط ​​مركز كل هذه النقاط ولكن أنا لا أعرف كيفية القيام بذلك. هنا هو عينة picture. Here هو بلدي code. first من كل الشكر دروفيش ل answer. I حاولت فقط لتطبيق طريقة للعثور على مركز كتلة أنها تعمل ولكن كما درويش أنها ليست دقيقة كما أحتاج. لقد جئت مع فكرة أخرى إذا أنا إنشانج سطوع ديففريم هو جعل أكثر سهولة ودقيقة لاستخدام طريقة مثل ملامح أو طريقة أخرى. هنا، وهذا سيكون مقالا بسيطا جدا، ولكن سوف تجد أنه من المفيد جدا هو حول استخراج الخلفية من video. Suppose أنت نظرا الفيديو من لقطات من حركة المرور، قد يكون بعض الشيء مثل هذا ترافي ج في الهند ويطلب منك العثور على خلفية تقريبية أو أي شيء من هذا القبيل. استخراج الخلفية تأتي مهمة في تتبع الكائن إذا كان لديك بالفعل صورة للخلفية العارية، فمن السهل ولكن في كثير من الحالات، كنت فاز تي يكون مثل هذا صورة، وهكذا، سيكون لديك لإنشاء واحد وهذا هو المكان الذي تشغيل المتوسط ​​يأتي في متناول اليدين. فكرت في هذا عندما سأل أحد الرجال سؤالا في سوف لينك. الدالة التي نستخدمها هنا للعثور على معدل التشغيل هو على سبيل المثال، إذا كنا نشاهد الفيديو، ونحن نواصل تغذية كل إطار لهذه الوظيفة، وظيفة الحفاظ على العثور على المتوسطات من جميع الإطارات التي تغذيها وفقا للعلاقة below. src ليست سوى صورة المصدر لدينا يمكن أن يكون الرمادي أو صورة ملونة وإما 8 بت أو 32 بت العائمة point. dst هو الإخراج أو صورة تراكم مع نفس القنوات كما أن من صورة المصدر، وأنه إما 32 نقطة أو 64 بت النقطة العائمة أيضا، يجب علينا أن نعلن ذلك أولا إلى القيمة التي سيتم اتخاذها كما value. alpha الأولي هو وزن الصورة المدخلات وفقا ل دوس، ينظم ألفا سرعة التحديث مدى سرعة التجميع ينسى عن الصور السابقة في كلمات بسيطة، إذا ألفا هو قيمة أعلى، يحاول متوسط ​​الصورة للقبض حتى تغييرات سريعة جدا وقصيرة في البيانات إذا كان أقل قيمة، يصبح متوسط ​​بطيئا وانها لن تنظر بسرعة التغييرات في الصور المدخلات وسوف أشرح فإنه قليلا مع مساعدة من الصور في نهاية المقال. في رمز أعلاه، لقد وضعت متوسطين، واحد مع قيمة ألفا أعلى وآخر مع قيمة ألفا أقل حتى تتمكن من فهم تأثير ألفا في البداية يتم تعيين كل من الإطار الأولي من التقاط وفي حلقة تحصل على update. You يمكن أن نرى بعض النتائج في الارتباط سوف أنا قدمت بالفعل أنا توفير تلك النتائج هنا، يمكنك التحقق من رمز وقيمة ألفا هناك. أستخدم كاميرا الويب الخاص بي وحفظ الإطار الأصلي وتشغيل المتوسط ​​في لحظة معينة. هذا هو إطار من الفيديو حركة المرور نموذجية التي اتخذتها كاميرا ثابتة كما ترون، سيارة تسير على الطريق، والشخص يحاول عبور الطريق في لحظة معينة من time. But انظر تشغيل المتوسط ​​في ذلك الوقت لا يوجد شخص وسيارة في هذه الصورة في الواقع هو هناك، إلقاء نظرة فاحصة، ثم سترى ذلك، والشخص هو أكثر وضوحا من السيارة، منذ السيارة تتحرك بسرعة جدا وعبر الصورة، فإنه ليس له تأثير كبير في المتوسط، ولكن الشخص هناك لفترة طويلة ر إيم، لأنه بطيء ويتحرك عبر الطريق. الآن نحن بحاجة إلى معرفة تأثير ألفا على هذه الصور. تمهيد الصور. التفسير أدناه ينتمي إلى كتاب الكمبيوتر الرؤية الخوارزميات والتطبيقات من قبل ريتشارد سيليسكي وإلى LearningOpenCV. Smoothing تسمى أيضا عدم وضوح هو عملية معالجة الصور بسيطة ومتكررة. هناك العديد من الأسباب لتمهيد في هذا البرنامج التعليمي سوف نركز على تجانس من أجل الحد من الضوضاء وسوف ينظر الاستخدامات الأخرى في الدروس التالية. لإجراء عملية تمهيد سوف نقوم بتطبيق مرشح إلى صورتنا النوع الأكثر شيوعا من المرشحات هي الخطية التي يتم تحديد قيمة بكسل الناتج s أي كمجموع من قيم بكسل الإدخال i. is يسمى النواة التي ليست أكثر من معاملات مرشح. وهو يساعد على تصور مرشح كنافذة من المعاملات انزلاق عبر image. There العديد من نوع من المرشحات، وهنا سنذكر الأكثر استخداما. المربع مربع تصفية. هذا فلتر هو أبسط من كل كل أوتبو t بكسل هو متوسط ​​الجيران النواة لها جميعا تساهم مع أوزان متساوية. النواة هو أقل. مرشح غوسيان. ربما مرشح الأكثر فائدة على الرغم من أن ليس أسرع تصفية غاوس يتم عن طريق تحويل كل نقطة في مجموعة الإدخال مع نواة غاوس ومن ثم تلخيص كل منهم لإنتاج صفيف الإخراج. فقط لجعل الصورة أكثر وضوحا، وتذكر كيف تبدو نواة 1D غاوسي مثل. تفهم أن صورة 1D، يمكنك ملاحظة أن بكسل يقع في الوسط سيكون أكبر وزن و وزن جيرانها ينخفض ​​كما المسافة المكانية بينهما ووسط بكسل الزيادات. تذكر أن 2D غاوسيان يمكن تمثيل as. where هو متوسط ​​الذروة ويمثل التباين في كل من المتغيرات و. ميديان تصفية. المرشح الوسيط تشغيل من خلال كل عنصر من عناصر إشارة في هذه الحالة الصورة واستبدال كل بكسل مع الوسيط من بكسل المجاورة تقع في حي مربع حول بكسل بكسل. التصفية الثنائية. حتى الآن ، وأوضحنا بعض المرشحات التي الهدف الرئيسي هو تسهيل صورة المدخلات ومع ذلك، وأحيانا المرشحات لا تذوب فقط الضوضاء، ولكن أيضا على نحو سلس بعيدا حواف لتجنب هذا في حد معين على الأقل، يمكننا استخدام مرشح ثنائي. في وهي طريقة مماثلة للمرشح الغوسي، فإن المرشح الثنائي يراعي أيضا وحدات البكسل المجاورة مع الأوزان المخصصة لكل منها هذه الأوزان لها مكونان، أولهما نفس الترجيح المستخدم من قبل المرشح الغوسي. ويأخذ المكون الثاني في الاعتبار الفرق في كثافة بين بكسل المجاورة وتقييم واحد. للشرح أكثر تفصيلا يمكنك التحقق من هذا الارتباط. ماذا يفعل هذا البرنامج do. Loads image. Applies 4 أنواع مختلفة من الفلاتر أوضح في نظرية وتظهر الصور التي تمت تصفيتها بالتتابع.