[Dúvida] Aplicação de Kernel e Filtros em imagens noturnas com tons de cinza

Olá Vitor! Tudo bem?

O desafio da detecção de movimento em imagens noturnas é o ruído (granulação), que acaba sendo interpretado como movimento pelo código (o ruído "vaza" na subtração de frames). É indicado aplicar os filtros em momentos estratégicos do seu pipeline de processamento: suavizar antes da subtração e limpar a "sujeira" depois.

1. Suavização e Redução de Ruído (Pré-processamento)

Essa etapa deve ser aplicada no frame atual (frameGray) antes de você fazer a subtração. O objetivo é eliminar o ruído para que ele não seja detectado como movimento.

• Filtro Gaussiano (cv2.GaussianBlur): É o mais comum e recomendado. É usado para reduzir o ruído geral de baixa luminosidade, suavizando o frame. Tente um kernel ímpar como (5, 5) ou (7, 7).
  • Exemplo:

    frame_suavizado = cv2.GaussianBlur(frameGray, (5, 5), 0)
    

• Filtro da Mediana (cv2.medianBlur): Se você notar ruído do tipo "sal e pimenta" (pontos brancos isolados muito fortes). Ele preserva as bordas um pouco melhor.

2. Melhoria de Contraste

Se o objeto em movimento estiver muito escuro, tente realçá-lo logo após converter para tons de cinza.

• Equalização de Histograma (cv2.equalizeHist): Distribui a intensidade dos pixels, aumentando o contraste em áreas escuras.

3. Limpeza da Máscara (Pós-processamento)

Use essa técnica para eliminar os pontinhos de ruído que sobraram na sua máscara de movimento.

• Operação de Abertura (Opening): É um combo de Erosão seguida de Dilatação. Usado para remover ruídos pontuais, pois a Erosão elimina os pequenos pontos e a Dilatação restaura o tamanho dos objetos reais de interesse (o movimento).
  • Exemplo:

    kernel = cv2.getStructuringElement(cv2.MORPH_ELLIPSE, (3, 3))
    mask_limpa = cv2.morphologyEx(mask_binaria, cv2.MORPH_OPEN, kernel)
    # Use 'mask_limpa' para encontrar os contornos
    

Espero ter ajudado.

Qualquer dúvida que surgir, compartilhe no fórum. Abraços e bons estudos!