Python muestra sus talentos y lo lleva a binarizar la imagen en color a través de la capa de máscara para lograr el matizado y la costura de la imagen.

Visión general

A través de Python, llevaremos a todos a binarizar la imagen en color a través de la máscara, y finalmente nos daremos cuenta de la función de estera y costura de imágenes.

Palabras clave: cap layer MASK binarized matting

Efecto de corte final:

Imagen binaria

import cv2

# 载入原图
img = cv2.imread('cat.jpeg')

from matplotlib import pyplot as plt

# 展示图像
plt.imshow(img[:, :, ::-1])

# 图像二值化
img_bin = cv2.inRange(img, lowerb=(9, 16, 84), upperb=(255, 251, 255))

plt.imshow(img_bin, cmap='gray')

Procesamiento de morfología matemática

# 数学形态学预处理
import numpy as np
kernel = np.ones((5,5), np.uint8)
img_bin = cv2.erode(img_bin, kernel, iterations=1)
img_bin = cv2.dilate(img_bin, kernel, iterations=2)
plt.imshow(img_bin, cmap='gray')

Filtrar dominios conectados

# 过滤掉小的contours
# 获取边缘信息
_, contours, hierarchy = cv2.findContours(image=img_bin,mode=cv2.RETR_EXTERNAL, method=cv2.CHAIN_APPROX_SIMPLE)


def contours_area(cnt):
    # 计算countour的面积
    (x, y, w, h) = cv2.boundingRect(cnt)
    return w * h

# 获取面积最大的contour
max_cnt = max(contours, key=lambda cnt: contours_area(cnt))

# 创建空白画布
mask = np.zeros_like(img_bin)
# 获取面积最大的 contours
mask = cv2.drawContours(mask,[max_cnt],0,255,-1)
# 打印罩层
plt.imshow(mask, cmap='gray')

Recorte-binarización y operación con superposición

La operación OR / AND de img y de sí mismo (de hecho, sus resultados son los mismos) se realizan en el área de máscara (MASK). El área de cobertura es 0, negra .

La operación de binarización es si los píxeles de dos puntos img no retienen el valor original es cero, de lo contrario negro .

# 使用罩层对原来的图像进行抠图
sub_img = cv2.bitwise_or(img,img,mask=mask)
# sub_img = cv2.bitwise_and(img,img,mask=mask)

plt.imshow(sub_img[:,:,::-1])

Vaya, el gran gato blanco fue elegido, ¿no es increíble? ! ! ! !

Cambiar el color de fondo

# 给大白猫换个背景
background = np.zeros_like(img)
background[:,:,:]  = (150, 198, 12)
plt.imshow(background[:,:,::-1])

# 获取新的背景
new_background = cv2.bitwise_or(background, background, mask=cv2.bitwise_not(mask))
plt.imshow(new_background[:,:,::-1])

Combinación de imágenes cv2.add

new_img = cv2.add(new_background, sub_img)
plt.imshow(new_img[:,:,::-1])

Desenfoque gaussiano

La costura es demasiado fuerte, haz un desenfoque gaussiano

# 用5*5的kernel进行高斯模糊
new_img_blur = cv2.GaussianBlur(new_img, (9,9), 5)
plt.imshow(new_img_blur[:,:,::-1])