O Python mostra seus talentos e leva você a binarizar a imagem colorida através da camada de máscara para obter o fosco e a costura da imagem

Visão geral

Por meio do python, levaremos todos para binarizar a imagem colorida por meio da máscara e, finalmente, perceber a função de fosqueamento e costura da imagem.

Palavras-chave: cap layer MASK binarized matting

Efeito de corte final:

Imagem binária

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')

Processamento de Morfologia 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 domínios 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')

Binarização de recorte e operação com sobreposição

A operação OR / AND de img e ela própria (de fato, seus resultados são os mesmos) são realizadas na área de máscara (MASK). A área de cobertura é 0, preta .

A operação de binarização ocorre se os pixels de dois pontos img não retêm o valor original é zero, caso contrário, preto .

# 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])

Nossa, o grande gato branco foi escolhido, não é incrível! ! ! ! !

Mudar a cor de fundo

# 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])

Imagem mesclada cv2.add

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

Gaussian Blur

A costura é muito forte, faça um desfoque 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])