高斯混合滤波

高斯混合滤波（Gaussian Mixture Model, GMM）在图像处理中常常被用于背景建模和前景检测，特别是在视频监控、运动物体跟踪等应用中。GMM是一种概率模型，用于表示由多个高斯分布混合而成的数据分布。

以下是一个简单的示例，展示了如何使用OpenCV库中的BackgroundSubtractorMOG2类（基于高斯混合模型）来实现背景建模和移动物体检测。这个类实际上是一个实现了GMM的背景减除算法。

import cv2  
import numpy as np  
  
# 打开视频文件或摄像头  
cap = cv2.VideoCapture('path_to_video.mp4')  # 替换为你的视频文件路径或摄像头ID（如0）  
  
# 创建背景减除器对象  
# 这里的参数可以根据需要进行调整，例如history用于设置背景模型更新的速度  
fgbg = cv2.createBackgroundSubtractorMOG2()  
  
while True:  
    # 读取一帧图像  
    ret, frame = cap.read()  
      
    if not ret:  
        break  
  
    # 使用背景减除器处理帧图像  
    fgmask = fgbg.apply(frame)  
  
    # 显示原始帧和前景掩膜  
    cv2.imshow('frame', frame)  
    cv2.imshow('fgmask', fgmask)  
  
    # 按'q'键退出循环  
    if cv2.waitKey(1) & 0xFF == ord('q'):  
        break  
  
# 释放资源和关闭窗口  
cap.release