您好,登錄后才能下訂單哦!
這篇文章將為大家詳細(xì)講解有關(guān)用opencv給圖片換背景色的示例代碼,小編覺(jué)得挺實(shí)用的,因此分享給大家做個(gè)參考,希望大家閱讀完這篇文章后可以有所收獲。
圖像平滑
模糊/平滑圖片來(lái)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(duì)線性濾波而言)
低通濾波器是模糊,高通濾波器是銳化
常見(jiàn)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(jiǎn)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(duì)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(lái)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(huì)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(lái)。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(kāi)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(lái)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(lái)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(kāi)/閉運(yùn)算
先腐蝕后膨脹叫開(kāi)運(yùn)算(因?yàn)橄雀g會(huì)分開(kāi)物體,這樣容易記?。?,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(kāi)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(huì)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(huì)得到物體的輪廓:
gradient = cv2.morphologyEx(img, cv2.MORPH_GRADIENT, kernel)
頂帽
原圖減去開(kāi)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(cè)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(wú)限等待 cv2.destroyAllWindows() cv2.waitKey(0) dur = time.perf_counter() - start print("程序總用時(shí):{:.2f}s".format(dur))
關(guān)于用opencv給圖片換背景色的示例代碼就分享到這里了,希望以上內(nèi)容可以對(duì)大家有一定的幫助,可以學(xué)到更多知識(shí)。如果覺(jué)得文章不錯(cuò),可以把它分享出去讓更多的人看到。
免責(zé)聲明:本站發(fā)布的內(nèi)容(圖片、視頻和文字)以原創(chuàng)、轉(zhuǎn)載和分享為主,文章觀點(diǎn)不代表本網(wǎng)站立場(chǎng),如果涉及侵權(quán)請(qǐng)聯(lián)系站長(zhǎng)郵箱:is@yisu.com進(jìn)行舉報(bào),并提供相關(guān)證據(jù),一經(jīng)查實(shí),將立刻刪除涉嫌侵權(quán)內(nèi)容。