快捷導(dǎo)航

用opencv給圖片換背景色的示例代碼

更新時(shí)間：2020年07月08日 10:16:46 作者：smallbin_student

這篇文章主要介紹了用opencv給圖片換背景色的示例代碼，文中通過示例代碼介紹的非常詳細(xì)，對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值，需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧

圖像平滑

模糊/平滑圖片來消除圖片噪聲

OpenCV函數(shù)：cv2.blur(), cv2.GaussianBlur(), cv2.medianBlur(), cv2.bilateralFilter()

2D 卷積

OpenCV中用cv2.filter2D()實(shí)現(xiàn)卷積操作，比如我們的核是下面這樣（3×3區(qū)域像素的和除以10）：

img = cv2.imread('lena.jpg')
# 定義卷積核
kernel = np.ones((3, 3), np.float32) / 10
# 卷積操作，-1表示通道數(shù)與原圖相同
dst = cv2.filter2D(img, -1, kernel)

卷積操作，-1表示通道數(shù)與原圖相同

dst = cv2.filter2D(img, -1, kernel)

定義卷## 標(biāo)題積核

kernel = np.ones((3, 3), np.float32) / 10

卷積操作，-1表示通道數(shù)與原圖相同

dst = cv2.filter2D(img, -1, kernel)

模糊和濾波

它們都屬于卷積，不同濾波方法之間只是卷積核不同（對線性濾波而言）

低通濾波器是模糊，高通濾波器是銳化

常見噪聲有椒鹽噪聲和高斯噪聲，椒鹽噪聲可以理解為斑點(diǎn)，隨機(jī)出現(xiàn)在圖像中的黑點(diǎn)或白點(diǎn)；高斯噪聲可以理解為拍攝圖片時(shí)由于光照等原因造成的噪聲。

均值濾波

均值濾波是一種最簡單的濾波處理，它取的是卷積核區(qū)域內(nèi)元素的均值，用 cv2.blur() 實(shí)現(xiàn)，如3×3的卷積核：

img = cv2.imread('lena.jpg')
# 均值模糊
blur = cv2.blur(img,(3,3)

高斯濾波

不同于均值濾波，高斯濾波的卷積核權(quán)重并不相同：中間像素點(diǎn)權(quán)重最高，越遠(yuǎn)離中心的像素權(quán)重越小，類似于正態(tài)分布。

OpenCV中對應(yīng)函數(shù)為 cv2.GaussianBlur(src,ksize,sigmaX) ,指定的高斯核的寬和高必須為奇數(shù)。

img = cv2.imread(‘gaussian_noise.bmp')

均值濾波vs高斯濾波

blur = cv2.blur(img, (5, 5)) # 均值濾波
gaussian = cv2.GaussianBlur(img, (5, 5), 1) # 高斯濾波

參數(shù)3,σx值越大，模糊效果越明顯。高斯濾波相比均值濾波效率要慢，但可以有效消除高斯噪聲，能保留更多的圖像細(xì)節(jié)，所以經(jīng)常被稱為最有用的濾波器。

中值濾波
中值又叫中位數(shù)，是所有數(shù)排序后取中間的值。中值濾波就是用區(qū)域內(nèi)的中值來代替本像素值，所以那種孤立的斑點(diǎn)，如0或255很容易消除掉，適用于去除椒鹽噪聲和斑點(diǎn)噪聲。中值是一種非線性操作，效率相比前面幾種線性濾波要慢。

img = cv2.imread(‘salt_noise.bmp', 0)

雙邊濾波
操作基本都會損失掉圖像細(xì)節(jié)信息，尤其前面介紹的線性濾波器，圖像的邊緣信息很難保留下來。然而，邊緣（edge）信息是圖像中很重要的一個(gè)特征，所以這才有了雙邊濾波。用cv2.bilateralFilter()函數(shù)實(shí)現(xiàn)：

img = cv2.imread(‘lena.jpg')

形態(tài)學(xué)操作
包括膨脹、腐蝕、開運(yùn)算和閉運(yùn)算等形態(tài)學(xué)操作

OpenCV函數(shù)：cv2.erode(), cv2.dilate(), cv2.morphologyEx()

腐蝕
腐蝕的效果是把圖片”變瘦”，其原理是在原圖的小區(qū)域內(nèi)取局部最小值。因?yàn)槭嵌祷瘓D，只有0和255，所以小區(qū)域內(nèi)有一個(gè)是0該像素點(diǎn)就為0：

OpenCV中用cv2.erode()函數(shù)進(jìn)行腐蝕，只需要指定核的大小就行：

import cv2
import numpy as np
img = cv2.imread(‘j.bmp', 0)
kernel = np.ones((5, 5), np.uint8)
erosion = cv2.erode(img, kernel) # 腐蝕

這個(gè)核也叫結(jié)構(gòu)元素，因?yàn)樾螒B(tài)學(xué)操作其實(shí)也是應(yīng)用卷積來實(shí)現(xiàn)的。結(jié)構(gòu)元素可以是矩形/橢圓/十字形，可以用cv2.getStructuringElement()來生成不同形狀的結(jié)構(gòu)元素，比如：

kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (5, 5)) # 矩形結(jié)構(gòu)
kernel = cv2.getStructuringElement(cv2.MORPH_ELLIPSE, (5, 5)) # 橢圓結(jié)構(gòu)
kernel = cv2.getStructuringElement(cv2.MORPH_CROSS, (5, 5)) # 十字結(jié)構(gòu)

膨脹

膨脹與腐蝕相反，取的是局部最大值，效果是把圖片”變胖”：

dilation = cv2.dilate(img, kernel) # 膨脹

開/閉運(yùn)算

先腐蝕后膨脹叫開運(yùn)算（因?yàn)橄雀g會分開物體，這樣容易記住），其作用是：分離物體，消除小區(qū)域。這類形態(tài)學(xué)操作用 cv2.morphologyEx() 函數(shù)實(shí)現(xiàn)：

kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (5, 5))
img = cv2.imread(‘j_noise_out.bmp', 0)

開運(yùn)算

opening = cv2.morphologyEx(img, cv2.MORPH_OPEN, kernel)

閉運(yùn)算則相反：先膨脹后腐蝕（先膨脹會使白色的部分?jǐn)U張，以至于消除/“閉合”物體里面的小黑洞，所以叫閉運(yùn)算）

closing = cv2.morphologyEx(img, cv2.MORPH_CLOSE, kernel)

形態(tài)學(xué)梯度

膨脹圖減去腐蝕圖，dilation - erosion，這樣會得到物體的輪廓：

gradient = cv2.morphologyEx(img, cv2.MORPH_GRADIENT, kernel)

頂帽
原圖減去開運(yùn)算后的圖：src - opening

tophat = cv2.morphologyEx(img, cv2.MORPH_TOPHAT, kernel)

黑帽
閉運(yùn)算后的圖減去原圖：closing - src

blackhat = cv2.morphologyEx(img, cv2.MORPH_BLACKHAT, kernel)

給圖片換背景的源代碼。歡迎一起學(xué)習(xí)的小伙伴指教！

#imagechuli
import cv2
import time
import numpy as np

#圖片名子
name = "1.jpg"
#程序計(jì)時(shí)
start = time.perf_counter()
#顯示圖片
img=cv2.imread("./input_image/3.jpg")
#圖片縮放
img = cv2.resize(img,None,fx = 0.5,fy = 0.5)
rows,cols,channels = img.shape
#print(rows,cols,channels)
cv2.resizeWindow("origin", 0, 0);
#cv2.imshow("origin",img)
#轉(zhuǎn)換為二值化圖像
hsv = cv2.cvtColor(img,cv2.COLOR_BGR2HSV)
rows,cols,channels = hsv.shape
 
#圖片的二值化處理
lower_blue = np.array([90,70,70])
upper_blue = np.array([110,255,255])
mask = cv2.inRange(hsv,lower_blue,upper_blue)

def shap():
 
 #圖像的腐蝕
 kernel = np.ones((4, 4), np.uint8)
 erode=cv2.erode(mask,kernel,iterations=1)
 #cv2.imshow("erode",erode)
 
 #膨脹操作
 kernel = np.ones((2, 2), np.uint8)
 dilate=cv2.dilate(erode,None,iterations=3)
 #cv2.imshow("dilate",dilate)
 #循環(huán)遍歷
 for i in range(rows):
  for j in range(cols):
   if dilate[i,j]==255:
    img[i,j]=(0,0,255)#注意是BGR通道，不是RGB
 #cv2.imshow("res",img)
 bianyuanchuli()
 
 #cv2.destroyAllWindows()
 
def bianyuanchuli():
 #圖像邊緣檢測的內(nèi)核大小
 data = (900,1100)
 img_copy = img.copy()
 imgCanny = cv2.Canny(img, *data)
 #cv2.imshow("imgcanny",imgCanny)
 # 創(chuàng)建矩形結(jié)構(gòu)
 g = cv2.getStructuringElement(cv2.MORPH_RECT, (5, 5))
 g2 = cv2.getStructuringElement(cv2.MORPH_RECT, (7, 7))
 # 膨化處理
 # 更細(xì)膩
 img_dilate = cv2.dilate(imgCanny, g,iterations=1)
 #cv2.imshow("img_dilate",img_dilate)
 # 更粗大
 img_dilate2 = cv2.dilate(imgCanny, g2)

 shape = img_dilate.shape
 # 提取
 for i in range(shape[0]):
  for j in range(shape[1]):
   if img_dilate2[i, j] == 0: # 二維定位到三維
    img[i, j] = [0, 0, 0]
 #cv2.imshow('dst1', img)
 
 dst = cv2.GaussianBlur(img, (3, 3), 0, 0, cv2.BORDER_DEFAULT)

 for i in range(shape[0]):
  for j in range(shape[1]):
   if img_dilate[i, j] != 0: # 二維定位到三維
    img_copy[i, j] = dst[i, j]

 #cv2.imshow('dst', img_copy)
 cv2.imwrite("./out_image/3.jpg",img_copy) 
 shap()
# 窗口等待的命令，0表示無限等待
cv2.destroyAllWindows()
cv2.waitKey(0)
dur = time.perf_counter() - start
print("程序總用時(shí):{:.2f}s".format(dur))

到此這篇關(guān)于用opencv給圖片換背景色的示例代碼的文章就介紹到這了,更多相關(guān)opencv 圖片換背景色內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

您可能感興趣的文章: