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
全干engineer8 分钟前
Flask 入门教程:用 Python 快速搭建你的第一个 Web 应用
后端·python·flask·web
nightunderblackcat12 分钟前
新手向:Python网络编程,搭建简易HTTP服务器
网络·python·http
李昊哲小课15 分钟前
pandas销售数据分析
人工智能·python·数据挖掘·数据分析·pandas
C嘎嘎嵌入式开发36 分钟前
python之set详谈
开发语言·python
之歆1 小时前
Python-正则表达式-信息提取-滑动窗口-数据分发-文件加载及分析器-浏览器分析-学习笔记
python·学习·正则表达式
往日情怀酿做酒 V17639296381 小时前
pytorch的介绍以及张量的创建
人工智能·pytorch·python
豌豆花下猫2 小时前
Python 潮流周刊#110:JIT 编译器两年回顾,AI 智能体工具大爆发(摘要)
后端·python·ai
June bug3 小时前
【Python基础】变量、运算与内存管理全解析
开发语言·python·职场和发展·测试
蹦蹦跳跳真可爱5893 小时前
Python----OpenCV(几何变换--图像平移、图像旋转、放射变换、图像缩放、透视变换)
开发语言·人工智能·python·opencv·计算机视觉
蹦蹦跳跳真可爱5893 小时前
Python----循环神经网络(Transformer ----Layer-Normalization(层归一化))
人工智能·python·rnn·transformer