溫馨提示×
您好，登錄后才能下訂單哦！
點擊 登錄注冊 即表示同意《億速云用戶服務條款》
您好，登錄后才能下訂單哦！
這篇文章將為大家詳細講解有關用opencv給圖片換背景色的示例代碼，小編覺得挺實用的，因此分享給大家做個參考，希望大家閱讀完這篇文章后可以有所收獲。
圖像平滑
模糊/平滑圖片來消除圖片噪聲
OpenCV函數：cv2.blur(), cv2.GaussianBlur(), cv2.medianBlur(), cv2.bilateralFilter()
2D 卷積
OpenCV中用cv2.filter2D()實現卷積操作，比如我們的核是下面這樣（3×3區域像素的和除以10）：
img = cv2.imread('lena.jpg')
# 定義卷積核
kernel = np.ones((3, 3), np.float32) / 10
# 卷積操作，-1表示通道數與原圖相同
dst = cv2.filter2D(img, -1, kernel)卷積操作，-1表示通道數與原圖相同
dst = cv2.filter2D(img, -1, kernel)
定義卷## 標題積核
kernel = np.ones((3, 3), np.float32) / 10
卷積操作，-1表示通道數與原圖相同
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，隨機出現在圖像中的黑點或白點；高斯噪聲可以理解為拍攝圖片時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，它取的是卷積核區域內元素的均值，用 cv2.blur() 實現，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重并不相同：中間像素點權重最高，越遠離中心的像素權重越小，類似于正態分布。
OpenCV中對應函數為 cv2.GaussianBlur(src,ksize,sigmaX) ,指定的高斯核的寬和高必須為奇數。
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節，所以經常被稱為最有用的濾波器。
中值濾波
中值又叫中位數，是所有數排序后取中間的值。中值濾波就是用區域內的中值來代替本像素值，所以那種孤立的斑點，如0或255很容易消除掉，適用于去除椒鹽噪聲和斑點噪聲。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節信息，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特征，所以這才有了雙邊濾波。用cv2.bilateralFilter()函數實現：
img = cv2.imread(‘lena.jpg')
形態學操作
包括膨脹、腐蝕、開運算和閉運算等形態學操作
OpenCV函數：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域內取局部最小值。因為是二值化圖，只有0和255，所以小區域內有一個是0該像素點就為0：
OpenCV中用cv2.erode()函數進行腐蝕，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
這個核也叫結構元素，因為形態學操作其實也是應用卷積來實現的。結構元素可以是矩形/橢圓/十字形，可以用cv2.getStructuringElement()來生成不同形狀的結構元素，比如：
kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (5, 5)) # 矩形結構 kernel = cv2.getStructuringElement(cv2.MORPH_ELLIPSE, (5, 5)) # 橢圓結構 kernel = cv2.getStructuringElement(cv2.MORPH_CROSS, (5, 5)) # 十字結構
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/閉運算
先腐蝕后膨脹叫開運算（因為先腐蝕會分開物體，這樣容易記住），其作用是：分離物體，消除小區域。這類形態學操作用 cv2.morphologyEx() 函數實現：
kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (5, 5)) img = cv2.imread(‘j_noise_out.bmp', 0)
開運算
opening = cv2.morphologyEx(img, cv2.MORPH_OPEN, kernel)
閉運算則相反：先膨脹后腐蝕（先膨脹會使白色的部分擴張，以至于消除/“閉合”物體里面的小黑洞，所以叫閉運算）
closing = cv2.morphologyEx(img, cv2.MORPH_CLOSE, kernel)
形態學梯度
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
原圖減去開運算后的圖：src - opening
tophat = cv2.morphologyEx(img, cv2.MORPH_TOPHAT, kernel)
黑帽
閉運算后的圖減去原圖：closing - src
blackhat = cv2.morphologyEx(img, cv2.MORPH_BLACKHAT, kernel)
給圖片換背景的源代碼。歡迎一起學習的小伙伴指教！
#imagechuli
import cv2
import time
import numpy as np
#圖片名子
name = "1.jpg"
#程序計時
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():
#圖像邊緣檢測的內核大小
data = (900,1100)
img_copy = img.copy()
imgCanny = cv2.Canny(img, *data)
#cv2.imshow("imgcanny",imgCanny)
# 創建矩形結構
g = cv2.getStructuringElement(cv2.MORPH_RECT, (5, 5))
g2 = cv2.getStructuringElement(cv2.MORPH_RECT, (7, 7))
# 膨化處理
# 更細膩
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:{:.2f}s".format(dur))關于用opencv給圖片換背景色的示例代碼就分享到這里了，希望以上內容可以對大家有一定的幫助，可以學到更多知識。如果覺得文章不錯，可以把它分享出去讓更多的人看到。
免責聲明：本站發布的內容（圖片、視頻和文字）以原創、轉載和分享為主，文章觀點不代表本網站立場，如果涉及侵權請聯系站長郵箱：is@yisu.com進行舉報，并提供相關證據，一經查實，將立刻刪除涉嫌侵權內容。
