一、前言
在數位影像處理的領域中，圖像相減（Image Subtraction）是一種簡單但功能強大的技術。它主要用於比較兩幅圖像之間的差異，廣泛應用於物體偵測、運動追踪、變化檢測以及背景移除等場景中。無論是監控系統中的移動物體偵測，還是醫學影像中的病灶變化分析，圖像相減都能提供快速且有效的解決方案。
在這篇文章中，我們將深入探討圖像相減的原理及其在 OpenCV 中的實現。OpenCV 作為一個開源的計算機視覺庫，提供了豐富的影像處理功能，其中 cv2.subtract() 函數便是用於圖像相減的常用工具。我們會展示如何利用這個函數進行圖像相減，並探討實際應用中的一些考量，如亮度差異、噪聲影響等問題，讓大家對這項技術有更全面的了解。
二、OpenCV圖像相減
圖像相減的原理:
圖像相減的原理非常簡單，即將兩幅圖像中的每個像素值進行相減，得到一張包含差異的圖像。數學上可以表示為：
結果圖像中的亮點代表兩張圖像中存在差異的部分，而黑色的部分則表示沒有變化。這種技術在物體偵測和背景移除中非常有效，例如，在監控系統中可以用來偵測場景中的移動物體。
實作:
需要安裝 OpenCV。可以使用以下命令安裝：
以下是實現圖像相減的基本程式碼。我們將使用 OpenCV 的 cv2.subtract() 函數來處理兩張圖像。
以上程式碼會將兩張圖像相減，並顯示結果圖像。相減後的圖像會突出顯示兩張圖像間的差異，可以用來觀察移動或變化的區域。
將兩張圖相減，結果如下:
在實際應用中，圖像相減的結果可能會受到噪點或亮度差異的影響。以下是一些進階技巧，可用於改善相減效果：
- 處理亮度差異：如果兩張圖像在亮度上有所不同，可以將它們轉換為灰度圖像，這樣可以減少亮度變化帶來的影響。
- 降噪處理：高斯模糊（Gaussian Blur）是一種常見的降噪方法，可以幫助平滑圖像，減少相減結果中的噪點。例如，可以使用 cv2.GaussianBlur() 函數：
四、Q&A
- Q: 為什麼我的相減結果圖像中出現了大量的噪點？
A: 噪點可能是由於兩幅圖像間的亮度或細微的像素變化引起的。可以使用高斯模糊等方法來平滑圖像，以降低噪點的影響。另外，二值化處理也能有效去除小的無關細節，增強主體區域。
- Q: 如果兩張圖像的尺寸不同，還可以進行圖像相減嗎？
A: 不可以，進行相減的圖像必須具有相同的尺寸和通道數量。如果圖像尺寸不同，可以先使用 cv2.resize() 將兩張圖像調整到相同的大小。不同通道數的圖像則需要先轉換成相同的格式（如都轉成灰度圖像）。
- Q: 是否可以用圖像相減來進行背景移除？
A: 是的，圖像相減常用於背景移除。在靜止背景中拍攝一張「背景圖像」，然後與含有物體的圖像進行相減，移動物體的部分會在相減後的結果圖像中被強調出來。接著可以進行二值化處理來更好地提取物體。
- Q: 相減後的結果為什麼會出現負值？
A: 當圖像中的某些像素值相減後小於零時，通常會出現負值。OpenCV 的 cv2.subtract() 函數會自動處理負值，將其設置為零，避免影響結果。若不使用 OpenCV 提供的相減函數而直接相減，需注意將負值處理為零或使用絕對值。
- Q: 如何提高圖像相減的處理速度？
A: 在處理高分辨率或實時影像時，可以通過多種方式來優化性能，比如降低圖像解析度、應用多線程、使用 OpenCV 中的 CUDA 模塊（需要支持 GPU），或利用一些輕量化的預處理技術來加速運算。此外，OpenCV 本身的優化使其在多核 CPU 上的運行效率較高，適合大批量處理。
五、引用
評論