Python 利用OpenCV給照片換底色的示例代碼
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：
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：
3. 彩色圖像轉換為灰度圖像
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：
4. 圖片二值化處理
二值化處理是為了將圖片轉換為黑白圖片，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：
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：
程序運行成功，可以將照片的藍底換為紅底或者白底，成功利用opencv實現(xiàn)給照片換底色。
7. 其他說明
測試所用圖片來源于百度圖片搜索，圖片僅用于圖像處理知識交流和學習，如有侵權請聯(lián)系我刪除！
到此這篇關于Python 利用OpenCV給照片換底色的示例代碼的文章就介紹到這了,更多相關python照片換底色內容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關文章希望大家以后多多支持腳本之家！
相關文章
這篇文章主要介紹了Python教程教你如何去除背景，修飾圖片中的頭發(fā)是設計師最煩人的任務之一,下面文章將讓大家學會怎么輕松摳圖去背景，需要的小伙伴可以參考一下2022-02-02
這篇文章主要以橫向對比方式分析Python解析XML的四種方式，感興趣的小伙伴們可以參考一下2016-03-03
這篇文章主要為大家介紹了python密碼學RSA密碼解密教程，有需要的朋友可以借鑒參考下，希望能夠有所幫助，祝大家多多進步，早日升職加薪2022-05-05
這篇文章主要介紹了python去除字符串最后的換行符'\n',本文通過示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2023-04-04
這篇文章主要介紹了Python 解決火狐瀏覽器不彈出下載框直接下載的問題，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧2020-03-03
這篇文章主要為大家介紹了python繪制y關于x的線性回歸線性方程圖像實例,有需要的朋友可以借鑒參考下,希望能夠有所幫助,祝大家多多進步,早日升職加薪2023-10-10
Python使用Selenium實現(xiàn)按文本查找元素
本文我們將通過示例為大家詳細介紹如何在Python中使用selenium通過文本查找元素的方法,文中的示例代碼講解詳細,感興趣的小伙伴可以參考一下2023-11-11
這篇文章主要介紹了OpenCV基本操作之圖像梯度，本文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2021-09-09
這篇文章主要介紹了在Python中使用mechanize模塊模擬瀏覽器功能,包括使用cookie和設置代理等功能的實現(xiàn),需要的朋友可以參考下2015-05-05
下面小編就為大家分享一篇對Python3中的input函數(shù)詳解，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧2018-04-04