Python 利用OpenCV給照片換底色的示例代碼

更新時間：2020年08月03日 09:47:01 作者：葉庭云

這篇文章主要介紹了Python 利用OpenCV給照片換底色,本文通過實例代碼給大家介紹的非常詳細，對大家的學習或工作具有一定的參考借鑒價值，需要的朋友可以參考下

OpenCV的全稱是：Open Source Computer Vision Library。OpenCV是一個基于BSD許可（開源）發(fā)行的跨平臺計算機視覺庫，可以運行在Linux、Windows和Mac OS操作系統(tǒng)上。它輕量級而且高效——由一系列 C 函數(shù)和少量 C++ 類構(gòu)成，同時提供了Python、Ruby、MATLAB等語言的接口，實現(xiàn)了圖像處理和計算機視覺方面的很多通用算法。相比于PIL庫來說OpenCV更加強大，可以做更多更復雜的應用，比如人臉識別等。

1. 讀入并顯示圖片

import cv2

# 讀入圖片
img = cv2.imread(r'D:\test\test_001.jpg', 1)

# 顯示圖像
cv2.imshow('img', img)

# 窗口等待命令 0表示無限等待
cv2.waitKey(0)

運行效果如下：

在這里插入圖片描述

2. 縮放圖片

import cv2
# 讀入圖片
img = cv2.imread(r'D:\test\test_001.jpg', 1)
rows, cols, channels = img.shape
print(rows, cols, channels)

new_img = cv2.resize(img, None, fx=0.5, fy=0.5)

rows, cols, channels = new_img.shape
print(rows, cols, channels)

# 顯示圖像
cv2.imshow('new_img', new_img)

# 窗口等待命令 0表示無限等待
cv2.waitKey(0)

將圖片尺寸按比例縮小一半，運行效果如下：

在這里插入圖片描述

3. 彩色圖像轉(zhuǎn)換為灰度圖像

彩色圖片有RGB三個顏色通道，無法進行腐蝕和膨脹的操作。這個就需要我們將彩色圖片轉(zhuǎn)換為hsv灰度圖像后，再進行腐蝕和膨脹的操作。

import cv2

img = cv2.imread(r'D:\test\test_001.jpg', 1)
new_img = cv2.resize(img, None, fx=0.5, fy=0.5)

rows, cols, channels = new_img.shape
print(rows, cols, channels)

# 顯示圖像
cv2.imshow('new_img', new_img)

# 將圖片轉(zhuǎn)換為灰度圖片
gray_img = cv2.cvtColor(new_img, cv2.COLOR_BGR2HSV)
cv2.imshow('hsv', gray_img)
cv2.waitKey(0)

運行效果如下：

在這里插入圖片描述

4. 圖片二值化處理

二值化處理是為了將圖片轉(zhuǎn)換為黑白圖片，目的是濾除太大或太小值像素、消除噪聲，從而從灰度圖中獲取二值圖像（將圖像的灰度值設置為0或255），實現(xiàn)增強整個圖像呈現(xiàn)更為明顯的黑白效果，同時也大大減少了數(shù)據(jù)量。

import cv2
import numpy as np

img = cv2.imread(r'D:\test\test_001.jpg', 1)
new_img = cv2.resize(img, None, fx=0.5, fy=0.5)

rows, cols, channels = new_img.shape
print(rows, cols, channels)

# 顯示圖像
cv2.imshow('new_img', new_img)

# 將圖片轉(zhuǎn)換為灰度圖片
gray_img = cv2.cvtColor(new_img, cv2.COLOR_BGR2HSV)
cv2.imshow('hsv', gray_img)

# 圖片二值化處理
low_value = np.array([90, 70, 70])
high_value = np.array([110, 255, 255])
binary_img = cv2.inRange(gray_img, low_value, high_value)
cv2.imshow('binary_img', binary_img)

cv2.waitKey(0)

運行效果如下：

在這里插入圖片描述

5. 圖像的腐蝕和膨脹

圖像的膨脹（Dilation）和腐蝕（Erosion）是兩種基本的形態(tài)學運算，主要用來尋找圖像中的極大區(qū)域和極小區(qū)域。其中膨脹類似于“領域擴張”，將圖像中的高亮區(qū)域或白色部分進行擴張，其運行結(jié)果圖比原圖的高亮區(qū)域更大；腐蝕類似于“領域被蠶食”，將圖像中的高亮區(qū)域或白色部分進行縮減細化，其運行結(jié)果圖比原圖的高亮區(qū)域更小。

圖像被腐蝕后，去除了噪聲，但是會壓縮圖像。
對腐蝕過的圖像，進行膨脹處理，可以去除噪聲，并且保持原有形狀。

# 腐蝕膨脹
erode = cv2.erode(binary_img, None, iterations=1)
dilate = cv2.dilate(erode, None, iterations=1)
cv2.imshow('dilate', dilate)

6. 遍歷像素點進行顏色替換

圖像是由每一個像素點組成的，找到腐蝕后得到圖片的白色底色處的像素點，然后將原圖中對應位置處的像素點，替換為紅色或者白色，即可實現(xiàn)給照片換底色。

import cv2
import numpy as np

img = cv2.imread(r'D:\test\test_001.jpg', 1)
new_img = cv2.resize(img, None, fx=0.5, fy=0.5)

rows, cols, channels = new_img.shape
print(rows, cols, channels)

# 顯示圖像
cv2.imshow('new_img', new_img)

# 將圖片轉(zhuǎn)換為灰度圖片
gray_img = cv2.cvtColor(new_img, cv2.COLOR_BGR2HSV)

# 圖片二值化處理
low_value = np.array([90, 70, 70])
high_value = np.array([110, 255, 255])
binary_img = cv2.inRange(gray_img, low_value, high_value)

# 腐蝕膨脹
erode = cv2.erode(binary_img, None, iterations=1)
dilate = cv2.dilate(erode, None, iterations=1)
# cv2.imshow('dilate', dilate)

# 遍歷替換
for i in range(rows):
 for j in range(cols):
  if dilate[i, j] == 255:
  	# 此處替換顏色，為BGR通道
   new_img[i, j] = (0, 0, 255) # (0, 0, 255)替換為紅底 (255, 255, 255)替換為白底

cv2.imshow('red_bg_img', new_img)
# 窗口等待命令 0表示無限等待
cv2.waitKey(0)
cv2.destroyAllWindows()

運行效果如下：

在這里插入圖片描述