用OpenCV从图像序列中获取中值图像

Question

我有一系列图像，我想计算中间图像（以去除运动元素）。直观地说，硬编码一个循环以遍历所有像素将有一个总的运行时间，以及相当大的内存使用量。有没有办法在OpenCV中轻松实现这一点？（我对平均值不感兴趣，我需要做一个中位数）。我是为Android写这篇文章的（使用OpenCV4Android），所以显然计算能力是有限的。

Answer 1

如果平均值正常：

Mat result(CV_64FC3, listImages[0].size());
for(int i = 0; i < listImages.size(); i++) {
    result += listImages[i];
}
result /= listImages.size();
result.convertTo(result, CV_8UC3);

编辑：

这个快速的伪中位数应该可以解决问题：

// Following algorithm will retain the pixel which is the closest to the mean
// Computing Mean
Mat tmpResult = Mat.zeros(listImages[0].size(), CV_64FC3);
for(int i = 0; i < listImages.size(); i++) {
    tmpResult += listImages[i];
}
tmpResult /= listImages.size();
tmpResult.convertTo(tmpResult, CV_8UC3);
// We will now, for each pixel retain the closest to the mean
// Initializing result with the first image
Mat result(listImages[0].clone());
Mat diff1, diff2, minDiff;
for(int i = 1; i < listImages.size(); i++) {
    // Computing diff between mean/newImage and mean/lastResult
    absdiff(tmpResult, listImages[i], diff1);
    absdiff(tmpResult, result, diff2);
    // If a pixel of the new image is closer to the mean, it replaces the old one
    min(diff1, diff2, minDiff);
    // Get the old pixels that are still ok
    result = result & ~(minDiff - diff2);
    // Get the new pixels
    result += listImages[i] & (minDiff - diff2);
}

然而，经典的那个也应该很快。它是O（nb^2 * w * h），其中nb是图像的数量，w，h是它们的宽度，高度。以上是O（nb * w * h），在Mats上有更多的操作。

经典代码（几乎所有计算都将以原生方式进行）：

Mat tmp;
// We will sorting pixels where the first mat will get the lowest pixels and the last one, the highest
for(int i = 0; i < listImages.size(); i++) {
    for(int j = i + 1; j < listImages.size(); j++) {
        listImages[i].copyTo(tmp);
        min(listImages[i], listImages[j], listImages[i]);
        max(listImages[j], tmp, listImages[j]);
    }
}
// We get the median
Mat result = listImages[listImages.size() / 2];

Answer 2

据我所知，没有OpenCV函数可以从图像序列中创建中值图像。几年前我需要同样的功能，我不得不自己实现它。它相对较慢，因为对于每个像素，您需要从多个图像中提取相关像素（内存访问效率低下）并计算中值（也是一个耗时的过程）。

提高效率的可能方法是：

• 无需从所有图像中计算中值。一小部分图像就足够了。
• 您可以找到更有效的算法来查找一些小组的中值。例如，我使用的算法可以有效地在九个值的组中查找中值。