注意：這種方法十分受光線變化影響

自己在家拿著手機瞎晃的成果圖：

源代碼：

# -*- coding: utf-8 -*- """ Created on Wed Sep 27 15:47:54 2017  @author: tina """ import cv2 import numpy as np  camera = cv2.VideoCapture(0) # 參數0表示第一個攝像頭 # 判斷視頻是否打開 if (camera.isOpened()):   print('Open') else:   print('攝像頭未打開')  # 測試用,查看視頻size size = (int(camera.get(cv2.CAP_PROP_FRAME_WIDTH)),     int(camera.get(cv2.CAP_PROP_FRAME_HEIGHT))) print('size:'+repr(size))  es = cv2.getStructuringElement(cv2.MORPH_ELLIPSE, (9, 4)) kernel = np.ones((5, 5), np.uint8) background = None  while True:   # 讀取視頻流   grabbed, frame_lwpCV = camera.read()   # 對幀進行預處理，先轉灰度圖，再進行高斯濾波。   # 用高斯濾波進行模糊處理，進行處理的原因：每個輸入的視頻都會因自然震動、光照變化或者攝像頭本身等原因而產生噪聲。對噪聲進行平滑是為了避免在運動和跟蹤時將其檢測出來。   gray_lwpCV = cv2.cvtColor(frame_lwpCV, cv2.COLOR_BGR2GRAY)   gray_lwpCV = cv2.GaussianBlur(gray_lwpCV, (21, 21), 0)    # 將第一幀設置為整個輸入的背景   if background is None:     background = gray_lwpCV     continue   # 對于每個從背景之后讀取的幀都會計算其與北京之間的差異，并得到一個差分圖（different map）。   # 還需要應用閾值來得到一幅黑白圖像，并通過下面代碼來膨脹（dilate）圖像，從而對孔（hole）和缺陷（imperfection）進行歸一化處理   diff = cv2.absdiff(background, gray_lwpCV)   diff = cv2.threshold(diff, 148, 255, cv2.THRESH_BINARY)[1] # 二值化閾值處理   diff = cv2.dilate(diff, es, iterations=2) # 形態學膨脹   # 顯示矩形框   image, contours, hierarchy = cv2.findContours(diff.copy(), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE) # 該函數計算一幅圖像中目標的輪廓   for c in contours:     if cv2.contourArea(c) < 1500: # 對于矩形區域，只顯示大于給定閾值的輪廓，所以一些微小的變化不會顯示。對于光照不變和噪聲低的攝像頭可不設定輪廓最小尺寸的閾值       continue     (x, y, w, h) = cv2.boundingRect(c) # 該函數計算矩形的邊界框     cv2.rectangle(frame_lwpCV, (x, y), (x+w, y+h), (0, 255, 0), 2)    cv2.imshow('contours', frame_lwpCV)   cv2.imshow('dis', diff)    key = cv2.waitKey(1) & 0xFF   # 按'q'健退出循環   if key == ord('q'):     break # When everything done, release the capture camera.release() cv2.destroyAllWindows() 

以上就是本文的全部內容，希望對大家的學習有所幫助，也希望大家多多支持武林站長站。