Day17 偵測移動物體
🟡 先看看程式的效果
今天的程式示範了如何使用 Python 的 OpenCV 函式庫進行實時影像處理，特別是運動檢測。通過從攝影機捕獲影像，程式碼能夠識別並標示出影像中的運動物體，這在安全監控、智能家居及其他自動化應用中具有廣泛的應用潛力。
Today’s program demonstrates how to use the OpenCV library in Python for real-time image processing, particularly motion detection. By capturing images from a camera, the code can identify and mark moving objects in the images, which has broad application potential in security monitoring, smart homes, and other automation applications.
🟡 學習目標
學習如何使用 OpenCV 進行影像捕獲和處理。
理解灰階影像和高斯模糊的概念及其在降噪中的應用。
學會如何計算影像幀之間的差異，並使用二值化技術來識別前景。
🟡 程式碼
請先下載 “偵測移動物體.py”
請按此下載
'''
Python + AI in 21 days
https://jasonworkshop.com/python
Designed by Jason Workshop
[請勿修改以上內容]
---
預備工作:
首先，請確保已安裝 opencv-python, mediapipe 模組
如不確定可直接在 Windows 的 cmd prompt 執行以下指定
pip install opencv-python mediapipe
'''
# 導入OpenCV函式庫
import cv2
# 可以選擇從視訊檔案或攝影機讀取影像
#cap = cv2.VideoCapture('test.avi') # 從視訊檔案讀取
cap = cv2.VideoCapture(0) # 從攝影機讀取（0代表預設攝影機）
# 初始化背景幀變數
bg = None
# 主要循環
while True:
# 讀取影像幀
# ret: 讀取是否成功的布林值
# frame: 捕獲的影像幀
ret, frame = cap.read()
# 將彩色影像轉換為灰階
gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
# 使用高斯模糊降噪
# (17, 17)是高斯核的大小，數字越大模糊效果越強
# 0是標準差，讓OpenCV自動計算
gray = cv2.GaussianBlur(gray, (17, 17), 0)
# 如果還沒有設定背景，將第一幀設為背景
if bg is None:
bg = gray
continue
# 計算當前幀與背景的差異
diff = cv2.absdiff(gray, bg)
# 對差異影像進行二值化處理
# 閾值30：像素差異大於30視為前景
# 255：前景像素設為白色（255）
# cv2.THRESH_BINARY：使用二值化處理
diff = cv2.threshold(diff, 30, 255, cv2.THRESH_BINARY)[1]
# 形態學處理：侵蝕操作
# 用於消除雜訊（小型白點）
diff = cv2.erode(diff, None, iterations=2)
# 形態學處理：膨脹操作
# 用於填補物件中的小洞
diff = cv2.dilate(diff, None, iterations=2)
# 尋找輪廓
# cv2.RETR_EXTERNAL：只檢測最外層輪廓
# cv2.CHAIN_APPROX_SIMPLE：壓縮水平、垂直和對角線段，只保留端點
cnts, hierarchy = cv2.findContours(
diff,
cv2.RETR_EXTERNAL,
cv2.CHAIN_APPROX_SIMPLE)
# 處理每個找到的輪廓
for c in cnts:
# 過濾掉太小的輪廓（面積小於1000像素）
# 這有助於消除雜訊
if cv2.contourArea(c) < 1000:
continue
# 計算輪廓的外接矩形
# (x,y)是矩形左上角的座標
# w,h 是矩形的寬度和高度
(x, y, w, h) = cv2.boundingRect(c)
# 在原始影像上繪製綠色矩形框
cv2.rectangle(frame, (x,y), (x+w, y+h), (0,255,0), 2)
# 顯示處理後的影像
cv2.imshow("frame", frame)
# 檢查鍵盤輸入
# 等待100毫秒，如果按下ESC鍵（鍵值27），則結束程式
if cv2.waitKey(100) == 27:
# 關閉所有OpenCV視窗
cv2.destroyAllWindows()
break🟡 小小挑戰一下
大家可以嘗試進行一些修改或改良喔! 例如:
✌️嘗試改變程式對移動物件的敏感度吧!
😁 明天見!