檢測到的所有移動物體中輪廓中找到面積最大的輪廓，并繪制這個輪廓的矩形框。

#include <opencv2/opencv.hpp>
#include <iostream>int main() {// 打開視頻文件或攝像頭cv::VideoCapture capture;capture.open("move3.mp4"); // 打開視頻文件if (!capture.isOpened()) {std::cerr << "Error opening video stream or file" << std::endl;return -1;}// 讀取第一幀作為背景模型cv::Mat background;capture >> background;if (background.empty()) {std::cerr << "Error reading background frame" << std::endl;return -1;}// 將背景轉換為灰度圖并進行高斯濾波以減少噪聲cv::Mat backgroundGray;cv::cvtColor(background, backgroundGray, cv::COLOR_BGR2GRAY);cv::GaussianBlur(backgroundGray, backgroundGray, cv::Size(21, 21), 0);cv::Mat frame, grayFrame, diffFrame, thresholdFrame;while (true) {// 讀取當前幀capture >> frame;if (frame.empty()) {break;}// 將當前幀轉換為灰度圖并進行高斯濾波cv::Mat grayFrame;cv::cvtColor(frame, grayFrame, cv::COLOR_BGR2GRAY);cv::GaussianBlur(grayFrame, grayFrame, cv::Size(21, 21), 0);// 計算當前幀與背景的差異cv::absdiff(backgroundGray, grayFrame, diffFrame);// 對差異圖像進行閾值處理，將小的差異值設置為0，大的差異值設置為255cv::threshold(diffFrame, thresholdFrame, 25, 255, cv::THRESH_BINARY);// 使用形態學操作去除噪聲cv::Mat kernel = cv::getStructuringElement(cv::MORPH_ELLIPSE, cv::Size(3, 3));cv::morphologyEx(thresholdFrame, thresholdFrame, cv::MORPH_OPEN, kernel);// 找到輪廓std::vector<std::vector<cv::Point>> contours;cv::findContours(thresholdFrame, contours, cv::RETR_EXTERNAL, cv::CHAIN_APPROX_SIMPLE);// 找到面積最大的輪廓double maxArea = 0;int maxAreaIndex = -1;for (size_t i = 0; i < contours.size(); ++i) {double area = cv::contourArea(contours[i]);if (area > maxArea) {maxArea = area;maxAreaIndex = i;}}// 在原始幀上繪制最大的矩形框if (maxAreaIndex != -1) {cv::Rect boundingRect = cv::boundingRect(contours[maxAreaIndex]);cv::rectangle(frame, boundingRect, cv::Scalar(0, 0, 255), 2);}// 顯示結果cv::imshow("Frame", frame);cv::imshow("Threshold Frame", thresholdFrame);// 按下ESC鍵退出if (cv::waitKey(30) == 27) {break;}}// 釋放資源并關閉窗口capture.release();cv::destroyAllWindows();return 0;
}

代碼說明

1. 背景初始化：

   • 讀取第一幀作為背景，并將其轉換為灰度圖，同時應用高斯濾波以減少噪聲。

2. 幀處理：

   • 讀取當前幀并將其轉換為灰度圖。
   • 使用 cv::absdiff 計算當前幀與背景的差異。
   • 應用閾值處理，將小的差異值設置為0，大的差異值設置為255。
   • 使用形態學操作去除噪聲。

3. 輪廓檢測：

   • 使用 cv::findContours 找到所有運動物體的輪廓。
   • 遍歷所有輪廓，計算每個輪廓的面積，并找到面積最大的輪廓。

4. 繪制矩形框：

   • 使用 cv::boundingRect 計算最大輪廓的邊界矩形。
   • 使用 cv::rectangle 在原始幀上繪制紅色矩形框，標記面積最大的運動物體。

5. 結果顯示：

   • 顯示原始幀和處理后的閾值幀。

注意事項

• 閾值調整：閾值可以根據實際場景進行調整，以提高檢測的準確性。
• 性能優化：對于實時應用，可以考慮優化代碼以提高處理速度。
• 背景更新：在實際應用中，背景可能會發生變化，因此可能需要定期更新背景模型。

通過以上修改，你的程序應該只會在檢測到的運動物體中繪制面積最大的矩形框。