使用 Picamera2 與 OpenCV 實現背景減法與運動物體檢測

本教學展示如何利用 Picamera2 結合 OpenCV 的背景減法實現運動物體的檢測與標記。

程式碼範例與註解

# 匯入必要模組
from picamera2 import Picamera2
import cv2

# 初始化 Picamera2
picam2 = Picamera2()
picam2.configure(picam2.create_preview_configuration(main={"format": "RGB888", "size": (640, 480)}))
picam2.start()

# 設定影像比例
ratio = 640 / 480
WIDTH = 400
HEIGHT = int(WIDTH / ratio)

# 初始化背景減法模型
bs = cv2.bgsegm.createBackgroundSubtractorGMG()

# 進行影像捕捉與處理
while True:
    # 捕捉畫面
    frame = picam2.capture_array()
    frame = cv2.resize(frame, (WIDTH, HEIGHT))
    frame = cv2.flip(frame, 1)

    # 背景減法與掩碼生成
    gray = bs.apply(frame)
    mask = cv2.threshold(gray, 30, 255, cv2.THRESH_BINARY)[1]
    mask = cv2.erode(mask, None, iterations=2)
    mask = cv2.dilate(mask, None, iterations=10)

    # 找到輪廓
    cnts, hierarchy = cv2.findContours(
        mask, 
        cv2.RETR_EXTERNAL, 
        cv2.CHAIN_APPROX_SIMPLE
    )

    for c in cnts:
        if cv2.contourArea(c) < 200:
            continue
        # 繪製輪廓與矩形框
        cv2.drawContours(frame, [c], -1, (0, 255, 255), 2)
        (x, y, w, h) = cv2.boundingRect(c)
        cv2.rectangle(frame, (x, y), (x + w, y + h), (0, 255, 0), 2)

    # 顯示畫面與掩碼
    mask = cv2.cvtColor(mask, cv2.COLOR_GRAY2BGR)
    combined = cv2.hconcat([frame, mask])
    cv2.imshow('frame', combined)

    # 按下 'Esc' 鍵退出
    if cv2.waitKey(1) == 27:
        cv2.destroyAllWindows()
        picam2.stop()
        break

  

程式解析

• 初始化 Picamera2： 使用 Picamera2 啟動相機，設定影像格式為 RGB888，並將尺寸設為 640x480。
• 調整影像比例： 計算影像比例並設定新尺寸，將影像縮放至指定寬度。
• 背景減法與掩碼處理： 使用背景減法模型生成灰階影像，經過閾值化、腐蝕與膨脹操作消除雜訊。
• 輪廓檢測： 使用 cv2.findContours 找出掩碼中的輪廓，並以綠色框標記符合條件的目標。
• 視覺化結果： 合併原始影像與掩碼，通過 cv2.imshow 同時顯示兩者。
• 退出條件： 按下 Esc 鍵結束程式，釋放資源。

結論

該程式使用 Picamera2 捕捉畫面，結合 OpenCV 的背景減法與輪廓檢測，實現簡單的運動物體檢測。透過調整掩碼參數，可進一步優化檢測效果並應用於不同場景。