opencv中的美图技巧（祛斑,词云,风格迁移,抠图,插图,修改背景,图片二维码）等着你的女朋友夸你吧

个人ps 没掌握得怎么好，尝试用程序来完成ps的功能吧。
有斑点怎么办：祛斑。
只有一张城市白天图，像生成黑夜图怎么办，用风格迁移把。
人物抠图就不说啦吧。
没钱带女友旅游世界怎么办，我教你修改你背景和插图，带女友‘旅游’世界。
把支付宝扫码图换成女友背景图不香吗。

图片祛斑

OpenCV中提供的边缘保留滤波可以实现该功能

先上代码

#!/usr/bin/env python3
# -*- coding: utf-8 -*-
# @Author: yudengwu
# @Date  : 2020/8/24
import cv2 as cv
import numpy as np
def bi_demo(image):
    dst = cv.bilateralFilter(image, 0, 40, 15)
    cv.imshow("bi_demo", dst)
print("--------- Hello Python ---------")
src = cv.imread("20200824095210.png")
cv.namedWindow("input image", cv.WINDOW_AUTOSIZE)
cv.imshow("input image", src)
bi_demo(src)
cv.waitKey(0)
cv.destroyAllWindows()

用到的原理：高斯双边模糊
具体链接：
opencv进阶学习笔记5：图像模糊操作，图像锐化，边缘保留滤波EPF（图像滤镜）

cv.bilateralFilter(image, 0, 40, 15)
中40 Sigma_color：控制颜色像素，领域中颜色和当前点像素不超过40的点都会用来平均，也可以修改为其他数值。
15指Sigma_space：控制距离，，则虽然离得较远，距离不超过15，但是，只要值相近，就会互相影响，用于平均。当然也可以修改数值。

均值偏移滤波也可以用来做滤镜。

词云

词云库需要安装

import cv2 as cv
import numpy as np
from wordcloud import WordCloud, ImageColorGenerator

#读取背景图片
mask=np.array(cv.imread('hua.jpg'))
print(mask)
# 定义词云对象
wc = WordCloud(
	# 设置词云背景为白色
    background_color='white',
    # 设置词云最大的字体
    max_font_size=30,
    # 设置词云轮廓
    mask=mask,
    # 字体路径，如果需要生成中文词云，需要设置该属性，设置的字体需要支持中文
    font_path='msyh.ttc'
)
# 读取文本
text = open('歌词.txt', 'r', encoding='utf-8').read()
# 生成词云
wc.generate(text)
# 给词云上色
wc = wc.recolor(color_func=ImageColorGenerator(mask))
wc.to_file('result.png')

结果

WordCloud参数解析：

from wordcloud import WordCloud

font_path : string  #字体路径，需要展现什么字体就把该字体路径+后缀名写上，如：font_path = '黑体.ttf'

width : int (default=400) #输出的画布宽度，默认为400像素

height : int (default=200) #输出的画布高度，默认为200像素

prefer_horizontal : float (default=0.90) #词语水平方向排版出现的频率，默认 0.9 （所以词语垂直方向排版出现频率为 0.1 ）

mask : nd-array or None (default=None) #如果参数为空，则使用二维遮罩绘制词云。如果 mask 非空，设置的宽高值将被忽略，遮罩形状被 mask 取代。除全白（#FFFFFF）的部分将不会绘制，其余部分会用于绘制词云。如：bg_pic = imread('读取一张图片.png')，背景图片的画布一定要设置为白色（#FFFFFF），然后显示的形状为不是白色的其他颜色。可以用ps工具将自己要显示的形状复制到一个纯白色的画布上再保存，就ok了。一般为mask=np.array(Image.open('xxx.jpg'))。其中from PIL import Image

scale : float (default=1) #按照比例进行放大画布，如设置为1.5，则长和宽都是原来画布的1.5倍

min_font_size : int (default=4) #显示的最小的字体大小

font_step : int (default=1) #字体步长，如果步长大于1，会加快运算但是可能导致结果出现较大的误差

max_words : number (default=200) #要显示的词的最大个数

stopwords : set of strings or None #设置需要屏蔽的词，如果为空，则使用内置的STOPWORDS

background_color : color value (default=”black”) #背景颜色，如background_color='white',背景颜色为白色

max_font_size : int or None (default=None) #显示的最大的字体大小

mode : string (default=”RGB”) #当参数为“RGBA”并且background_color不为空时，背景为透明

relative_scaling : float (default=.5) #词频和字体大小的关联性

color_func : callable, default=None #生成新颜色的函数，如果为空，则使用 self.color_func

regexp : string or None (optional) #使用正则表达式分隔输入的文本

collocations : bool, default=True #是否包括两个词的搭配

colormap : string or matplotlib colormap, default=”viridis” #给每个单词随机分配颜色，若指定color_func，则忽略该方法

random_state : int or None  #为每个单词返回一个PIL颜色

#其他部分函数
fit_words(frequencies)  #根据词频生成词云
generate(text)  #根据文本生成词云
generate_from_frequencies(frequencies[, ...])   #根据词频生成词云
generate_from_text(text)    #根据文本生成词云
process_text(text)  #将长文本分词并去除屏蔽词（此处指英语，中文分词还是需要自己用别的库先行实现，使用上面的 fit_words(frequencies) ）
recolor([random_state, color_func, colormap])   #对现有输出重新着色。重新上色会比重新生成整个词云快很多
to_array()  #转化为 numpy array
to_file(filename)   #输出到文件

风格迁移

风格迁移，顾名思义就是将某一张图片的风格迁移到另一张图片上。

需要的库OpenCV 和paddlehub

PaddleHub是为了解决对深度学习模型的需求而开发的工具。基于飞桨领先的核心框架，精选效果优秀的算法，提供了百亿级大数据训练的预训练模型，方便用户不用花费大量精力从头开始训练一个模型。

感谢百度飞桨平台

安装命令

pip install opencv-python
python -m pip install paddlepaddle -i https://mirror.baidu.com/pypi/simple
pip install -i https://mirror.baidu.com/pypi/simple paddlehub

#!/usr/bin/env python3
# -*- coding: utf-8 -*-
# @Author: yudengwu
# @Date  : 2020/8/24
import cv2
import paddlehub as hub
# 加载模型库
stylepro_artistic = hub.Module(name="stylepro_artistic")
# 进行风格迁移
im = stylepro_artistic.style_transfer(
    images=[{
        	# 原图
            'content': cv2.imread("baitian.jpg"),
            # 风格图
            'styles': [cv2.imread("yewan.jpg")]
        }],
    # 透明度
    alpha = 0.7
)
# 从返回的数据中获取图片的ndarray对象
im = im[0]['data']
# 保存结果图片
cv2.imshow('result',im)
cv2.imwrite('result.jpg', im)
cv2.waitKey()
cv2.destroyAllWindows()

素材给的不是很好，将就看吧。
我们只有图1白天照片，在网上搜索一下夜晚，风格生成图三。
当然可以调整
透明度
alpha = 0.7

批量抠图

说明下：该模型只能扣取人物

读取图片

import os
import cv2
import matplotlib.pyplot as plt
list_all=[]#初始化一个空列表
for root ,dirs,files in os.walk(r'C:\Users\Shineion\Desktop\tu'):
    for name in files:

        file_path=os.path.join(root,name)#包含路径的文件

        list_all.append(file_path)
print(len(list_all))
img =[cv2.imread(image_path) for image_path in list_all]
for i in range(len(list_all)):
   cv2.imshow('result{}'.format(i),img[i])
cv2.waitKey()
cv2.destroyAllWindows()

抠图开始

import numpy as np
import paddlehub as hub
module = hub.Module(name="deeplabv3p_xception65_humanseg")
input_dict = {"image": list_all}
# execute predict and print the result
results = module.segmentation(data=input_dict)
for i in range(len(list_all)):
    print(results[i]["data"].shape)
    prediction = results[i]["data"]#得到是空白图,
    prediction= prediction.astype(np.uint8)
    dst = cv2.bitwise_and(img[i], img[i],mask=prediction)#与运算
    cv2.imshow('result{0}'.format(i),dst)
    cv2.imwrite(r"C:\Users\Shineion\Desktop\tu\result{}.jpg".format(i),dst)
cv2.waitKey()
cv2.destroyAllWindows()

结果

查看下中间过程prediction是什么

修改背景色

前面扣的图背景是黑色，接下来我们尝试将背景改为白色。
这次我们只扣一张图

#!/usr/bin/env python3
# -*- coding: utf-8 -*-
# @Author: yudengwu
# @Date  : 2020/8/24

# -*- coding: utf-8 -*-
import paddlehub as hub
import cv2
import numpy as np

#读取原始图
image=cv2.imread('3.jpg')
cv2.imshow('original',image)

#调用抠图模型
module = hub.Module(name="deeplabv3p_xception65_humanseg")
test_img_path = ["3.jpg"]#图片路径
input_dict = {"image": test_img_path}

#抠图
results = module.segmentation(data=input_dict)#抠图

#抠图结果
prediction = results[0]["data"]#抠图结果：数值为float
prediction= prediction.astype(np.uint8)#抠图结果转化格式，转为图片格式 得到是黑白图，其中人为白色，背景为黑色,
cv2.imshow('prediction',prediction)

#背景颜色替换
rows,cols,channels = image.shape
for i in range(rows):
  for j in range(cols):
    if prediction[i,j]==0: # 像素点为255表示的是白色，0为黑色，我们就是要将黑色处的像素点，替换为红白色
      image[i,j]=(255,255,255) # 此处替换颜色，为BGR通道，不是RGB通道
cv2.imshow('result',image)
cv2.waitKey()
cv2.destroyAllWindows()

插图 和修改背景

将一张图插入到另一张中

修改背景：把一张图插入到另一张图中

很简单的原理，将背景图的部分像素替换成另一张图就可以。
前提：图必须小于背景图

import cv2

image1=cv2.imread('3.jpg')
image1=cv2.resize(image1,None,fx=0.3,fy=0.3)
cv2.imshow('image1',image1)
bg=cv2.imread('bg.jpg')
cv2.imshow('original bg ',bg)
rows,cols,channels = image1.shape#rows，cols最后一定要是前景图片的，后面遍历图片需要用到

#遍历替换
center=[50,100]#在新背景图片中的位置
for i in range(rows):
    for j in range(cols):
        bg[center[0]+i,center[1]+j]=image1[i,j]#此处替换颜色，为BGR通道

cv2.imshow('res',bg)
#cv2.imwrite('bg.jpg',bg)
cv2.waitKey()
cv2.destroyAllWindows()

修改背景

带着女朋友去旅游，没有钱怎么办，直接把她的图移动到某一风景区，合成。
一张风景图就有啦。

import cv2

#读取人物图
image1=cv2.imread('3.jpg')
image1=cv2.resize(image1,None,fx=0.3,fy=0.3)
cv2.imshow('image1',image1)
#读取背景图
bg=cv2.imread('bg.jpg')
bg=cv2.resize(bg,None,fx=0.7,fy=0.7)
cv2.imshow('original bg ',bg)


rows,cols,channels = image1.shape#rows，cols最后一定要是前景图片的，后面遍历图片需要用到
#对人物图进行二值化处理，自己手动调二值化数据
gray = cv2.cvtColor(image1, cv2.COLOR_BGR2GRAY)
ret, binary = cv2.threshold(gray, 240, 255, cv2.THRESH_BINARY)#二值化
cv2.imshow('binary',binary)


#遍历替换
center=[200,350]#在新背景图片中的位置
for i in range(rows):
    for j in range(cols):
        if binary[i,j]!=255:
           bg[center[0]+i,center[1]+j]=image1[i,j]#此处替换颜色，为BGR通道

cv2.imshow('res',bg)
#cv2.imwrite('bg.jpg',bg)
cv2.waitKey()
cv2.destroyAllWindows()

说明 人物图的尺寸必须小于背景图

对人物图进行二值化处理后，可以再加腐蚀膨胀操作，使图更好。
二值化选用人工调数值，自动二值化效果不好。

图片二维码

用到的库
安装命令

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple/ myqr

#!/usr/bin/env python3
# -*- coding: utf-8 -*-
# @Author: yudengwu
# @Date  : 2020/8/24

# -*- coding: utf-8 -*-

from MyQR import myqr
myqr.run(
    words='https://blog.csdn.net/KOBEYU652453',	# 个人博客
    picture='4.jpg',			# 背景图片
    colorized=True,			# 是否有颜色，如果为False则为黑白
    save_name='41.png'	# 输出文件名
)

效果图

送上OpenCV学习资源：
36篇博文带你学完opencv :python+opencv进阶版学习笔记目录
36篇博文带你学完opencv ：python3+opencv学习笔记汇总目录（基础版）

电气专业的计算机萌新，写博文不容易，如果你觉得本文对你有用，请点个赞支持下，谢谢。