Auslösen

Als ich versuchte, die Zeichen im Video zu binarisieren, wurden wahrscheinlich nur die Person und der Telop extrahiert, weil sich der Hintergrund nicht in der natürlichen Umgebung befand und nichts reflektiert wurde, aber wenn die Hintergrundfarbe gelb war Ich dachte, es würde wie ein IPPON Grand Prix aussehen, also habe ich es implementiert.

Entwicklung von

import cv2
import numpy as np

if __name__ == '__main__':

	cap = cv2.VideoCapture('one_minutes.mp4')

	cap_width = int(cap.get(cv2.CAP_PROP_FRAME_WIDTH))
	cap_height = int(cap.get(cv2.CAP_PROP_FRAME_HEIGHT))
	fps = cap.get(cv2.CAP_PROP_FPS)

	telop_height = 50

	fourcc = cv2.VideoWriter_fourcc('m','p','4','v')
	writer = cv2.VideoWriter('threshold_raw.mp4',fourcc, fps, (cap_width, cap_height + telop_height))

	kernel = np.ones((3,3),np.uint8)

	count = 0
	try :
		while True:
			if not cap.isOpened():
				break

			if cv2.waitKey(1) & 0xFF == ord('q'):
				break

			ret, frame = cap.read()

			if frame is None:
				break

			frame = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
			ret2, frame = cv2.threshold(frame, 0, 255, cv2.THRESH_OTSU)

			#Schrumpfen->Erweiterung
			frame = cv2.morphologyEx(frame, cv2.MORPH_OPEN, kernel)

			background = np.zeros((cap_height, cap_width, 3), np.uint8)
			background[:] = tuple((80,235,247))

			telop = np.zeros((telop_height, cap_width, 3), np.uint8)
			telop[:] = tuple((128,128,128))

			#Einmal monochrom(dim=1)Aus Farbe(dim=3)Umstellung auf
			frame = cv2.cvtColor(frame, cv2.COLOR_GRAY2BGR)
			#Hintergrundfarbe und Zusammensetzung
			frame = cv2.bitwise_and(frame, background)

			images = [frame, telop]

			frame = np.concatenate(images, axis=0)
			font = cv2.FONT_HERSHEY_SIMPLEX
			cv2.putText(frame, "{:.4f} [sec]".format(round(count/fps, 4)), 
						(cap_width - 250, cap_height + telop_height - 10), 
						font, 
						1, 
						(0, 0, 255), 
						2, 
						cv2.LINE_AA)

			writer.write(frame)
			count += 1

	except cv2.error as e:
		print(e)	

	writer.release()
	cap.release()

Ergänzung

ret2, frame = cv2.threshold(frame, 0, 255, cv2.THRESH_OTSU) Es ist binärisiert mit. Hier wird der Otsu-Algorithmus verwendet.

frame = cv2.morphologyEx(frame, cv2.MORPH_OPEN, kernel) Wenn Sie nun das binärisierte Bild verkleinern-> vergrößern, werden die weißen Flecken im Stadium der Kontraktion schwarz ausgefüllt, um das Rauschen zu entfernen.


background = np.zeros((cap_height, cap_width, 3), np.uint8)
			background[:] = tuple((80,235,247))
background[:] = tuple((80,235,247))

#Einmal monochrom(dim=1)Aus Farbe(dim=3)Umstellung auf
frame = cv2.cvtColor(frame, cv2.COLOR_GRAY2BGR)
#Hintergrundfarbe und Zusammensetzung
frame = cv2.bitwise_and(frame, background)

Erstellt eine einzelne gelbe Hintergrundfarbe und kombiniert sie mit dem binärisierten Bild mit "bitwise_and".

Ergebnis

Kein Öffnungsvorgang (keine Bearbeitung)

Mit Öffnungsprozess

Es mag etwas verwirrend sein, aber wenn Sie sich die Namen der Parteien oben ansehen, können Sie sehen, dass das Geräusch verschwindet, wenn die Kontraktion verringert wird.

abschließend

Ich konnte die Objekte ziemlich sauber trennen, also werde ich das nächste Mal versuchen, die Zeichen zu extrahieren.

Link, auf den ich mich beziehen wollte

Ich habe versucht, das Masami-Broadcast-Video wie IPPON Grand Prix (OpenCV: Python-Version) zu machen.