我們接續上章寫完取絕對值步驟的程式碼：

import cv2
import numpy as np

cap = cv2.VideoCapture(0)

img1 = cap.read()[1]
img2 = cap.read()[1]

# 彩色圖轉灰階圖
gray1 = cv2.cvtColor(t0, cv2.COLOR_BGR2GRAY)
gray2 = cv2.cvtColor(t1, cv2.COLOR_BGR2GRAY)

# 高斯模糊化處理
blur1 = cv2.GaussianBlur(grey1,(5,5),0)
blur2 = cv2.GaussianBlur(grey2,(5,5),0)

result = cv2.absdiff(blur1, blur2)

如果想讓做完cv2.absdiff之後的結果更加清楚，首先要用之前章節說過的二值化函式cv2.threshold把result重新賦值一遍：

ret, th = cv2.threshold(result, 15, 255, cv2.THRESH_BINARY)

如果忘記cv2.threshold函式的作用，這裡再簡單解釋一遍：它能夠將灰階圖片依照門檻值參數劃分成黑白二色，如上面程式碼——色階大於15的元素賦值255，色階小於15則賦值0。

再執行一次cv2.imshow，印出的結果只會剩下黑白二色，移動的輪廓也更加清晰了。

接著我們可以用OpenCV的膨脹函數cv2.dilate把二值化後的圖片進行輪廓加強處理：

dilated = cv2.dilate(th, None, iterations=1)

把二值化和膨脹化之後的圖片一起印出來看看，會看到膨脹之後圖片的輪廓比二值化圖片的輪廓粗大了一些，這就是cv2.dilate的作用。

經過這些後續處理之後，最後的結果和只用cv2.absdiff處理的圖片對比起來是不是差了很多！

以後如果在寫動態捕捉程式的時候覺得抓到的輪廓太黯淡的話，記得別忘了二值化和膨脹化的步驟哦！