用兩張圖片偵測畫面是否靜止，可以先計算兩張圖的像素差異，再把差異圖二值化並統計變動區域。若差異面積低於門檻，就可判定畫面接近靜止。
兩張圖片如何判斷是否靜止？
兩張圖片靜止判斷的核心是 frame difference。OpenCV 可用 cv2.absdiff() 計算逐像素差，再用 threshold 找出明顯變動區域。
基本流程：
- 讀取前後兩張圖片。
- 調整成相同尺寸。
- 轉灰階並做
absdiff。 - 對差異圖做 threshold。
- 計算非零像素或輪廓面積。
OpenCV absdiff 範例怎麼寫？
cv2.absdiff() 會計算兩張圖片每個像素的絕對差。差異越大，代表兩張圖在該位置變化越明顯。
import cv2
prev = cv2.imread('frame_1.jpg')
curr = cv2.imread('frame_2.jpg')
curr = cv2.resize(curr, (prev.shape[1], prev.shape[0]))
prev_gray = cv2.cvtColor(prev, cv2.COLOR_BGR2GRAY)
curr_gray = cv2.cvtColor(curr, cv2.COLOR_BGR2GRAY)
diff = cv2.absdiff(prev_gray, curr_gray)
_, mask = cv2.threshold(diff, 25, 255, cv2.THRESH_BINARY)
changed_pixels = cv2.countNonZero(mask)
OpenCV 的陣列操作支援逐像素差異計算，absdiff 適合這類前後畫面比較（OpenCV，存取日期：2026-08-27）。
門檻值要怎麼設定？
靜止偵測門檻值要同時考慮像素差異強度與變動面積。光線閃爍、壓縮雜訊與攝影機自動曝光都可能造成小幅差異。
實務資訊增益：不要只用單一像素最大差異判斷。更穩定的方式是使用「變動像素比例」或「輪廓面積總和」。
ratio = changed_pixels / mask.size
is_static = ratio < 0.01
若場景有固定閃爍光源，可以先做 Gaussian blur，降低雜訊對 threshold 的影響。
什麼情況不適合只比較兩張圖片？
只比較兩張圖片不適合處理週期性閃爍、慢速移動或攝影機晃動。這些情況需要連續影格、背景建模或光流方法。
兩張圖片法適合簡單監控、截圖比對與低成本狀態偵測。若任務需要穩定判斷「人是否進入畫面」，建議改用背景減除或物體偵測模型。
常見問題
absdiff 可以比較彩色圖片嗎？
cv2.absdiff() 可以比較彩色圖片，但靜止偵測常先轉灰階。灰階比較可以降低通道差異造成的複雜度。
threshold 值 25 是固定答案嗎？
threshold 值 25 不是固定答案。不同攝影機、光線與壓縮品質都會影響差異強度，需要用實際樣本調整。
兩張圖片大小不同可以比較嗎？
兩張圖片大小不同不能直接逐像素比較。比較前要先 resize 或裁切成相同寬高。
光線變化會造成誤判嗎？
光線變化會造成誤判。可以加入 blur、提高面積門檻、使用連續多張圖片，或改用背景減除降低影響。
靜止偵測需要深度學習嗎？
簡單靜止偵測不一定需要深度學習。若要判斷特定物件、行為或複雜場景，深度學習模型才更有價值。
參考資料
- OpenCV，〈Geometric Image Transformations〉，存取日期：2026-08-27。
延伸閱讀
- 取得 OpenCV 輪廓中心點：cv2.moments 計算 centroid 範例：同樣聚焦 OpenCV、Python，可接著比較不同情境的做法。
- OpenCV 圖像融合：使用 cv2.addWeighted 混合兩張圖片：同樣聚焦 OpenCV，可接著比較不同情境的做法。
- 使用 OpenCV 調整圖片亮度：convertScaleAbs 範例：同樣聚焦 OpenCV、Python，可接著比較不同情境的做法。
最後更新
2026-08-28
關於作者
Claire Chang ｜ 企業 AI 導入與流程轉型顧問。專注於 AI Agent 架構設計、ERP 系統整合與企業 AI 治理。
首次發布：2023-01-13