OpenCV和PIL进行前景提取

摘要

在图像处理和分析中,前景提取是一项关键技术,尤其是在计算机视觉和模式识别领域。本文介绍了一种结合OpenCV和PIL库的方法,实现在批量处理图像时有效提取前景并保留原始图像的EXIF数据。具体步骤包括从指定文件夹中读取图像,进行前景提取和处理,然后将结果保存到另一个文件夹,同时保持图像的元数据信息。

代码实现步骤

这段代码实现了从指定文件夹中批量读取图像,进行前景提取和处理,并将结果保存到另一个文件夹,同时保留原始图像的EXIF信息。以下是代码的详细解释:

导入必要的库

python 复制代码
import cv2
import numpy as np
from PIL import Image
import glob
import os
from pathlib import Path
import tqdm
  • cv2: OpenCV库,用于图像处理。
  • numpy: 数值计算库,用于处理数组操作。
  • PIL: Python图像库,用于处理图像文件和EXIF数据。
  • glob: 文件名模式匹配库,用于查找符合特定模式的文件路径名。
  • os: 操作系统接口,用于文件和目录操作。
  • Path: pathlib库的一部分,用于处理文件路径。
  • tqdm: 进度条库,用于显示处理进度。

设置文件夹路径和创建输出文件夹

python 复制代码
folder_path = r'C:\Users\cdh96\Desktop\iphone11\*.jpg'
output_folder = r'D:\lab\paper\img_preproccess\extrat_foreground\1\images'

if not os.path.isdir(output_folder):
    os.mkdir(output_folder)
  • folder_path: 输入图像文件夹路径。
  • output_folder: 输出图像文件夹路径。如果输出文件夹不存在,则创建它。

处理图像

python 复制代码
for image_path in tqdm.tqdm(glob.glob(folder_path)):
    path_obj  = Path(image_path)
    image_path = path_obj.as_posix()

    img_original = cv2.imread(image_path)
    
    if img_original is None:
        break
    
    img_original = cv2.cvtColor(img_original, cv2.COLOR_RGB2BGR)
    img_gray = cv2.imread(image_path, 0)
  • 使用glob库获取所有符合条件的图像路径,并使用tqdm显示进度条。
  • 使用cv2.imread读取图像,如果图像为空,退出循环。
  • 将图像转换为BGR格式,并读取灰度图像。

前景提取和处理

python 复制代码
    output_path = os.path.join(output_folder, path_obj.name)

    retval, img_global = cv2.threshold(img_gray, 30, 255, cv2.THRESH_BINARY)
    img_global[img_global > 0] = 1

    kernel = np.ones((3, 3), dtype=np.uint8)
    img_global = cv2.morphologyEx(img_global, cv2.MORPH_OPEN, kernel, iterations=4)
    
    num_labels, labels, stats, centroids = cv2.connectedComponentsWithStats(img_global, connectivity=8)
    
    sorted_indices = np.argsort(stats[:, -1])

    labels[labels != sorted_indices[-2]] = 0
    labels[labels == sorted_indices[-2]] = 1

    img_original = img_original * np.repeat(labels[:, :, np.newaxis], 3, axis=-1)
    img_original = cv2.convertScaleAbs(img_original)

    image_rgb = cv2.cvtColor(img_original, cv2.COLOR_BGR2RGB)
  • 使用全局阈值法提取前景。
  • 使用形态学操作去除噪点。
  • 使用连通组件分析提取主要前景区域。
  • 根据连通组件的面积排序,选取面积第二大的组件作为主要前景。
  • 生成前景掩码并应用到原始图像。

保存处理后的图像并保留EXIF数据

python 复制代码
    cv2.imwrite(output_path, image_rgb)

    with Image.open(r'D:\lab\paper\img_preproccess\extrat_foreground\1\DSC00421.JPG') as img:
        exif_data = img.info.get('exif')

    with Image.open(output_path) as img:
        img.save(output_path, 'JPEG', exif=exif_data)
  • 保存处理后的图像。
  • 从示例图像中提取EXIF数据,并应用到处理后的图像中。

这个过程确保了前景的提取和处理,同时保留了原始图像的EXIF元数据,使得图像在保存时保留原始的拍摄信息。

整体代码

python 复制代码
import cv2
import numpy as np
from PIL import Image
import glob
import os
from pathlib import Path
import tqdm

folder_path = r'C:\Users\cdh96\Desktop\iphone11\*.jpg'
output_folder = r'D:\lab\paper\img_preproccess\extrat_foreground\1\images'

if not os.path.isdir(output_folder):
    os.mkdir(output_folder)

for image_path in tqdm.tqdm(glob.glob(folder_path)):
    path_obj  = Path(image_path)
    image_path = path_obj.as_posix()

    img_original = cv2.imread(image_path)
    
    if img_original is None:
        break
    
    img_original = cv2.cvtColor(img_original, cv2.COLOR_RGB2BGR)
    img_gray = cv2.imread(image_path, 0)


    output_path = os.path.join(output_folder,path_obj.name)

    # 分割
    retval, img_global = cv2.threshold(img_gray, 30, 255, cv2.THRESH_BINARY)
    img_global[img_global > 0] = 1

    # 处理毛刺
    kernel = np.ones((3, 3), dtype=np.uint8)
    img_global = cv2.morphologyEx(img_global, cv2.MORPH_OPEN, kernel, iterations=4)
    
    # 根据面积选取主体
    num_labels, labels, stats, centroids = cv2.connectedComponentsWithStats(
        img_global, connectivity=8)

    
    sorted_indices = np.argsort(stats[:, -1])

    # 使用mask
    labels[labels != sorted_indices[-2]] = 0
    labels[labels == sorted_indices[-2]] = 1

    img_original = img_original * np.repeat(labels[:, :, np.newaxis], 3, axis=-1)
    img_original = cv2.convertScaleAbs(img_original)

    image_rgb = cv2.cvtColor(img_original, cv2.COLOR_BGR2RGB)

    cv2.imwrite(output_path, image_rgb)

    # # 存储原始的图像信息
    with Image.open(r'D:\lab\paper\img_preproccess\extrat_foreground\1\DSC00421.JPG') as img:
        exif_data = img.info.get('exif')

    with Image.open(output_path) as img:
        img.save(output_path, 'JPEG', exif=exif_data)
        
相关推荐
吉小雨3 分钟前
PyTorch经典模型
人工智能·pytorch·python
可愛小吉14 分钟前
Python 课程10-单元测试
开发语言·python·单元测试·tdd·unittest
student.J21 分钟前
傅里叶变换
python·算法·傅里叶
Freak嵌入式1 小时前
全网最适合入门的面向对象编程教程:50 Python函数方法与接口-接口和抽象基类
java·开发语言·数据结构·python·接口·抽象基类
crownyouyou1 小时前
最简单的一文安装Pytorch+CUDA
人工智能·pytorch·python
鸽芷咕1 小时前
【Python报错已解决】libpng warning: iccp: known incorrect sRGB profile
开发语言·python·机器学习·bug
WenGyyyL1 小时前
变脸大师:基于OpenCV与Dlib的人脸换脸技术实现
人工智能·python·opencv
laofashi20151 小时前
AirTest 基本操作范例和参数解释(一)
python·自动化·automation
XyLin.1 小时前
Msf之Python分离免杀
开发语言·python·网络安全·系统安全
Snowbowღ2 小时前
OpenAI / GPT-4o:Python 返回结构化 / JSON 输出
python·json·openai·api·gpt-4o·pydantic·结构化输出