cv::BackgroundSubtractorKNN

简介

• cv::BackgroundSubtractorKNN 类相关笔记

OpenCV cv::BackgroundSubtractorKNN 类 详细解释

cv::BackgroundSubtractorKNN 详解

cv::BackgroundSubtractorKNN 是 OpenCV 提供的一种背景建模方法，基于 K-近邻（K-Nearest Neighbors, KNN）算法，用于背景/前景分割。它与 cv::BackgroundSubtractorMOG2 相似，但在一些情况下对动态背景或光照变化的适应性更好。

---

1. cv::BackgroundSubtractorKNN 构造函数

cv::Ptr<cv::BackgroundSubtractorKNN> bgSubtractor = cv::createBackgroundSubtractorKNN(
    int history = 500, 
    double dist2Threshold = 400.0, 
    bool detectShadows = true
);

参数说明：

• history：用于背景建模的历史帧数（默认 500）。
• dist2Threshold：平方欧几里得距离的阈值（默认 400.0），用于决定像素是否属于前景。值越大，前景检测更宽松。
• detectShadows：是否检测阴影（默认 true，阴影区域在前景掩码中标记为 127）。

---

2. apply() - 应用背景分割

void apply(InputArray image, OutputArray fgmask, double learningRate = -1);

功能：对输入图像进行背景建模，并输出前景掩码。

参数说明：

• image：输入图像（cv::Mat）。
• fgmask：输出的前景掩码（cv::Mat，前景像素值为 255，阴影为 127）。
• learningRate：学习率，控制背景更新速度：
  • > 0：显式设置学习率（通常 0.01 - 0.1）。
  • = 0：背景不更新。
  • < 0（默认）：自动计算学习率。

示例代码：

cv::Mat frame, fgMask;
cv::VideoCapture cap(0);
cv::Ptr<cv::BackgroundSubtractorKNN> bgSubtractor = cv::createBackgroundSubtractorKNN();

while (cap.read(frame)) {
    bgSubtractor->apply(frame, fgMask);
    cv::imshow("Foreground Mask", fgMask);
    if (cv::waitKey(30) == 27) break; // 按 ESC 退出
}

---

3. getBackgroundImage() - 获取背景图像

void getBackgroundImage(OutputArray backgroundImage) const;

功能：获取当前计算的背景图像。

示例代码：

cv::Mat bgImage;
bgSubtractor->getBackgroundImage(bgImage);
cv::imshow("Background Image", bgImage);

---

4. cv::BackgroundSubtractorKNN 参数调整

(1) 设置/获取历史帧数

void setHistory(int history);
int getHistory() const;

• setHistory(n)：设置背景建模所需的历史帧数。
• getHistory()：获取当前的历史帧数。

(2) 设置/获取阈值

void setDist2Threshold(double dist2Threshold);
double getDist2Threshold() const;

• setDist2Threshold(v)：设置像素分类的欧几里得距离阈值。
• getDist2Threshold()：获取当前的距离阈值。

(3) 设置/获取阴影检测

void setDetectShadows(bool detectShadows);
bool getDetectShadows() const;

• setDetectShadows(true/false)：开启/关闭阴影检测。
• getDetectShadows()：返回当前阴影检测状态。

(4) 设置/获取 KNN 近邻数

void setkNNSamples(int k);
int getkNNSamples() const;

• setkNNSamples(k)：设置用于 KNN 计算的近邻样本数（默认 3）。
• getkNNSamples()：获取当前 KNN 近邻样本数。

(5) 设置/获取背景比例

void setBackgroundRatio(double ratio);
double getBackgroundRatio() const;

• setBackgroundRatio(r)：设置背景像素占据的比例（默认 0.5）。
• getBackgroundRatio()：获取背景比例。

(6) 设置/获取阴影阈值

void setShadowThreshold(double threshold);
double getShadowThreshold() const;

• setShadowThreshold(t)：设置阴影检测的阈值（默认 0.5）。
• getShadowThreshold()：获取当前的阴影阈值。

---

5. cv::BackgroundSubtractorMOG2 vs cv::BackgroundSubtractorKNN

特性	MOG2	KNN
算法	高斯混合模型（GMM）	K-近邻（KNN）
计算复杂度	较低	略高
适用于	静态或少量动态背景	复杂动态背景
对光照变化的适应性	一般	更强
阴影检测	支持	支持
前景检测准确度	较好	更稳定
处理速度	快	略慢

---

6. cv::BackgroundSubtractorKNN 示例代码

#include <opencv2/opencv.hpp>

int main() {
    cv::VideoCapture cap(0);
    if (!cap.isOpened()) {
        std::cerr << "无法打开摄像头！" << std::endl;
        return -1;
    }

    cv::Ptr<cv::BackgroundSubtractorKNN> bgSubtractor = cv::createBackgroundSubtractorKNN();
    bgSubtractor->setDist2Threshold(400.0); // 设置前景检测阈值
    bgSubtractor->setDetectShadows(true);   // 开启阴影检测

    cv::Mat frame, fgMask, bgImage;
    
    while (true) {
        cap >> frame;
        if (frame.empty()) break;

        bgSubtractor->apply(frame, fgMask);
        
        // 获取背景图像
        bgSubtractor->getBackgroundImage(bgImage);

        cv::imshow("Frame", frame);
        cv::imshow("Foreground Mask", fgMask);
        if (!bgImage.empty()) cv::imshow("Background Image", bgImage);

        if (cv::waitKey(30) == 27) break; // 按 ESC 退出
    }

    return 0;
}

---

7. 总结

方法	作用
apply()	计算前景掩码
getBackgroundImage()	获取背景图像
setHistory() / getHistory()	设置/获取历史帧数
setDist2Threshold() / getDist2Threshold()	设置/获取前景分类阈值
setDetectShadows() / getDetectShadows()	开启/关闭阴影检测
setkNNSamples() / getkNNSamples()	设置/获取 KNN 近邻样本数
setBackgroundRatio() / getBackgroundRatio()	设置/获取背景比例
setShadowThreshold() / getShadowThreshold()	设置/获取阴影检测阈值

cv::BackgroundSubtractorKNN 适用于动态背景和光照变化较大的场景，适合复杂环境下的前景检测任务。