python opencv背景减去法抠图实现示例
目录
- 导包
- 导图
- 预处理
- 二值化图像
- 边缘检测
- 填充轮廓并制作掩模
- 保存
导包
import cv2 from matplotlib import pyplot as plt import numpy as np
导图
imA=cv2.imread("target.png") plt.imshow(cv2.cvtColor(imA,cv2.COLOR_BGR2RGB)) imA.shape #(2436, 1125, 3)
imBG=cv2.imread("bg_30061.jpg") plt.imshow(cv2.cvtColor(imBG,cv2.COLOR_BGR2RGB))
预处理
# Step 1 预处理 # 日常缩放图像,背景图要缩放到和图A意一样大 imBG=cv2.resize(imBG,(1125,2436),interpolation=cv2.INTER_CUBIC) # 后续代码都是基于灰度图像操作的 imA_gray=cv2.cvtColor(imA,cv2.COLOR_BGR2GRAY) imBG_gray=cv2.cvtColor(imBG,cv2.COLOR_BGR2GRAY) # 背景减去 sub=imBG_gray.astype("int32")-imA_gray.astype("int32") sub=np.absolute(sub).astype("uint8") plt.imshow(cv2.cvtColor(sub,cv2.COLOR_BGR2RGB))
二值化图像
# Step 2 二值化图像 thresh=cv2.adaptiveThreshold(sub,255,cv2.ADAPTIVE_THRESH_GAUSSIAN_C,cv2.THRESH_BINARY,19,5) ## 图像二值化有很多种方法, adaptiveThreshold 是基于局部的,最后两个参数,19,5 决定了边缘检测的清晰度 thresh=cv2.erode(thresh,None,iterations=2) thresh=cv2.dilate(thresh,None,iterations=2) # 膨胀腐蚀,主要是消去噪声点,同时边缘封闭(边缘不封闭,无法完全填充) plt.figure(num="thresh") plt.imshow(cv2.cvtColor(thresh,cv2.COLOR_BGR2RGB)) plt.close
边缘检测
# Step 3 边缘检测 cnts,hierarchy=cv2.findContours(thresh.copy(),cv2.RETR_TREE,cv2.CHAIN_APPROX_NONE) len(cnts) area=[] for i in cnts: cnt_area = cv2.contourArea(i) area.append(cnt_area) # 通过面积大小,找到需要的边缘的 index,这里为 866 mask=np.zeros([2436,1125],dtype=np.uint8) mask[:,:]=255 res=cv2.drawContours(mask,cnts,866,(0,0,225),2) plt.imshow(cv2.cvtColor(res,cv2.COLOR_BGR2RGB)) # 画出边缘
填充轮廓并制作掩模
# 填充轮廓并制作掩模 mask2=np.zeros([2436,1125],dtype=np.uint8) mask2[:,:]=0 res2=cv2.drawContours(mask2,cnts,866,255,cv2.FILLED) plt.imshow(cv2.cvtColor(res2,cv2.COLOR_BGR2RGB))
保存
# 保存为 png h,w,c=imA.shape b,g,r=cv2.split(imA) imA_2=np.zeros((4,h,w),dtype=imA.dtype) imA_2[0][0:h,0:w]=b imA_2[1][0:h,0:w]=g imA_2[2][0:h,0:w]=r imA_2[3][0:h,0:w]=mask2 imA_new=cv2.merge(imA_2) cv2.imwrite("imA_new.png",imA_new)
以上就是python opencv背景减去法抠图实现示例的详细内容,更多关于python opencv背景减去法抠图的资料请关注我们其它相关文章!
赞 (0)