我试图从多个影像中分离出一个背景，这些影像彼此之间有一些不同的东西，即与背景重叠。我拥有的影像在此处单独列出：

我想在一系列影像中做到这一点，因为我正在阅读一些视频提要，并通过获取最后一帧来处理它们以隔离背景，如下所示：

import os
import cv2

first = True
bwand = None
for filename in os.listdir('images'):
    curImage = cv2.imread('images/%s' % filename)
    if(first):
        first = False
        bwand = curImage
        continue
    bwand = cv2.bitwise_and(bwand,curImage)
cv2.imwrite("and.png",bwand)

从这段代码中，我总是用按位运算来增加我的缓冲区，但我得到的结果不是我想要的：按位和：

就视频过滤和性能而言，并发添加到缓冲区的方式对我来说是最好的方法，但如果我把它当作一个串列，我可以像这样寻找中值：

import os
import cv2
import numpy as np

sequence = []
for filename in os.listdir('images'):
    curImage = cv2.imread('images/%s' % filename)
    sequence.append(curImage)
imgs = np.asarray(sequence)
median = np.median(imgs, axis=0)
cv2.imwrite("res.png",median)

结果是我：

这仍然不完美，因为我正在寻找中值，如果我要寻找众数值，性能会显著下降。

是否有一种方法可以像第一个替代方案一样获得作为缓冲区的结果，但以良好的性能输出给我最好的结果？

--Edit 正如@Christoph Rackwitz 所建议的，我使用了 OpenCV 背景减法器，它作为请求的功能之一，它是一个缓冲区，但结果并不是最令人愉快的：

代码：

import os
import cv2

mog = cv2.createBackgroundSubtractorMOG2()
for filename in os.listdir('images'):
    curImage = cv2.imread('images/%s' % filename)
    mog.apply(curImage)
x = mog.getBackgroundImage()
cv2.imwrite("res.png",x)

uj5u.com热心网友回复：

由于scipy.stats.mode需要很长时间才能完成它，我手动做了同样的事情：

• 计算直方图（对于每个影像的每一行的每个像素的每个通道）
• argmax 获取模式
• 重塑和铸造

仍然不是视频速度，但很好。numba可能可以加快速度。

filenames = ...
assert len(filenames) < 256, "need larger dtype for histogram"
stack = np.array([cv.imread(fname) for fname in filenames])
sheet = stack[0]

hist = np.zeros((sheet.size, 256), dtype=np.uint8)
index = np.arange(sheet.size)

for sheet in stack:
    hist[index, sheet.flat]  = 1

result = np.argmax(hist, axis=1).astype(np.uint8).reshape(sheet.shape)
del hist # because it's huge

cv.imshow("result", result); cv.waitKey()

如果我不使用直方图和大量存储器，而是使用固定数量的作业表和快取友好的资料访问，它可能会更快。