这篇文章主要介绍OpenCV如何实现帧间差分法，文中介绍的非常详细，具有一定的参考价值，感兴趣的小伙伴们一定要看完！

创新互联公司是一家以重庆网站建设公司、网页设计、品牌设计、软件运维、seo优化、小程序App开发等移动开发为一体互联网公司。已累计为成都VR全景等众行业中小客户提供优质的互联网建站和软件开发服务。

具体内容如下

一.基本概念

基于视频的车辆检测算法种类很多：光流法检测，帧差法，背景消除法（其中包括：直方图法，平均值法，单分布和混合高斯分布背景模型，Kalman滤波等），边缘检测法，运动矢量检测法...下面分享的是运动目标检测算法中最基本的方法—帧间差分法。

相邻帧间图像差分思想：检测出了相邻两帧图像中发生变化的区域。该方法是用图像序列中的连续两帧图像进行差分，然后二值化该灰度差分图像来提取运动信息。由帧间变化区域检测分割得到的图像，区分出背景区域和运动车辆区域，进而提取要检测的车辆目标。

它是通过比较图像序列中前后两帧图像对应像素点灰度值的不同，通过两帧相减，如果灰度值很小，可以认为该点无运动物体经过；反之灰度变化很大，则认为有物体经过。第k帧和k+1帧图像fk(x，y)，fk+l(x，y)之间的变化用一个二值差分图像D(x，y)表示，如式:

二值图中0对应前后未变化的地方，1对应变化的地方。流程图如下图所示：

帧差法的特点是实现简单，运算速度快，对于动态环境自适应性是很强的，对光线的变化不是十分的敏感。但是在运动体内易产生空洞．特别是目标运动速度较快时，影响目标区域准确提取。我们以年辆检测为例，车辆检测除了要检测出运动车辆．同时还要检测出暂时停止的车辆，在这个方面，此类方法无能为力。而且如果车辆的体积较大，那么车辆在前后帧中根容易产生重叠部分，尤其是大货车，这使得帧问差分的结果主要为车头和车尾。车辆中间部分的差分值相对报小．形成空洞，不利于检测。

二.程序源代码

#include "stdafx.h"
#include "highgui.h"
#include "cxcore.h"
#include "ml.h"
#include "cv.h"
 
void main()
{
 CvCapture* capture;
 capture=cvCaptureFromFile("video.avi");//获取视频
 cvNamedWindow("camera",CV_WINDOW_AUTOSIZE);
 cvNamedWindow("moving area",CV_WINDOW_AUTOSIZE);
 
 
 IplImage* tempFrame;//用于遍历capture中的帧，通道数为3，需要转化为单通道才可以处理
 IplImage* currentFrame;//当前帧
 IplImage* previousFrame;//上一帧
 /*
 CvMat结构，本质上和IplImage差不多，但是因为IplImage里的数据只能用uchar的形式存放，当需要这些图像数据看作数据矩阵来运算时，0~255的精度显然满足不了要求；
然而CvMat里却可以存放任意通道数、任意格式的数据
 */
 CvMat* tempFrameMat;
 CvMat* currentFrameMat; //IplImage要转成CvMat进行处理
 CvMat* previousFrameMat;
 
 int frameNum=0;
 while(tempFrame=cvQueryFrame(capture))
 {
 //tempFrame=cvQueryFrame(capture);
 frameNum++;
 if(frameNum==1)
 {
 //第一帧先初始化各个结构，为它们分配空间
 previousFrame=cvCreateImage(cvSize(tempFrame->width,tempFrame->height),IPL_DEPTH_8U,1);
 currentFrame=cvCreateImage(cvSize(tempFrame->width,tempFrame->height),IPL_DEPTH_8U,1);
 currentFrameMat=cvCreateMat(tempFrame->height, tempFrame->width, CV_32FC1);
 previousFrameMat=cvCreateMat(tempFrame->height, tempFrame->width, CV_32FC1);
 tempFrameMat=cvCreateMat(tempFrame->height, tempFrame->width, CV_32FC1);
 //此时这些IplImage和CvMat都是空的，没有存有数据
 }
 if(frameNum>=2)
 {
 cvCvtColor(tempFrame, currentFrame, CV_BGR2GRAY);//转化为单通道灰度图，此时currentFrame已经存了tempFrame的内容
 /*
 用cvConvert将IplImage转为CvMat，接下来用cvAbsDiff对它们处理
 经过转换后，currentFrame没有改变，但是tempFrameMat已经存了currentFrame的内容
 */
 cvConvert(currentFrame,tempFrameMat);
 cvConvert(previousFrame,previousFrameMat);
 
 cvAbsDiff(tempFrameMat,previousFrameMat,currentFrameMat);//做差求绝对值
 /*
 在currentFrameMat中找大于20（阈值）的像素点，把currentFrame中对应的点设为255
 此处阈值可以帮助把车辆的阴影消除掉
 */
 cvThreshold(currentFrameMat,currentFrame,20,255.0,CV_THRESH_BINARY);
  //cvConvert(currentFrameMat,currentFrame); //观察不二值化的情况
 
 cvDilate(currentFrame,currentFrame); //膨胀
 cvErode(currentFrame,currentFrame); //腐蚀
 cvFlip(currentFrame, NULL, 0); //垂直翻转
 //显示图像
 cvShowImage("camera",tempFrame);
 cvShowImage("moving area",currentFrame);
 }
 //把当前帧保存作为下一次处理的前一帧
 cvCvtColor(tempFrame, previousFrame, CV_BGR2GRAY);
 cvWaitKey(33);
 
 }//end while
 
 //释放资源
 cvReleaseImage(&tempFrame);
 cvReleaseImage(&previousFrame);
 cvReleaseImage(¤tFrame);
 
 cvReleaseCapture(&capture);
 cvReleaseMat(&previousFrameMat);
 cvReleaseMat(¤tFrameMat);
 cvDestroyWindow("camera");
 cvDestroyWindow("moving area");
}

以上是“OpenCV如何实现帧间差分法”这篇文章的所有内容，感谢各位的阅读！希望分享的内容对大家有帮助，更多相关知识，欢迎关注创新互联行业资讯频道！