Opencv之掩码实现图片抠图

掩码实现图片抠图

目录

1 掩码


1.1 概念

掩码(Mask)是一种用于指定图像处理操作区域的工具掩码通常是一个与图像尺寸相同的二值图像,其中像素值为0表示不处理,像素值为255(或1)表示处理。掩码可以用于多种操作,如图像滤波、图像合成、图像分割等。掩码的尺寸必须与图像的尺寸相同。掩码的像素值通常为0或255(或1),但也可以是其他值,具体取决于应用场景。通过使用掩码,可以更精确地控制图像处理操作的范围,从而实现更复杂的效果。

1.2 创建掩码

  • mask = np.zeros((height, width), dtype=np.uint8),创建一个全黑的掩码
    • (height, width), 高宽
    • dtype=np.uint8 ,数据类型
  • cv2.rectangle(mask, (x1, y1), (x2, y2), 255, -1),在掩码上绘制矩形
    • (x1, y1), (x2, y2)起点和对角线坐标 ,
    • 255颜色, -1表全填充
python 复制代码
import cv2
import numpy as np
# 创建一个全黑的掩码
mask = np.zeros((300, 300), dtype=np.uint8)
# 在掩码上绘制一个白色矩形
cv2.rectangle(mask, (50, 50), (100, 100), 255, -1)
cv2.imshow('mask',mask)
cv2.waitKey(0)

运行如下

1.3抠图思路

  • 图像读取与预处理

    读取图像并转换为灰度图 ,进行高斯滤波以减少噪声。

  • 边缘检测

    使用Canny算法检测图像中的边缘。

  • 轮廓检测与排序

    查找图像中的轮廓,并根据面积进行排序

  • 二值化处理

    对灰度图进行二值化处理,确定阈值。

  • 轮廓筛选

    根据轮廓的宽度、高度和宽高比筛选出符合条件的轮廓。

  • 掩码操作

    在掩码上绘制筛选后的轮廓,并对原图像和掩码进行与操作,以提取区域。

2 代码测试

原图

代码展示:

python 复制代码
import numpy as np
import cv2

# 定义一个函数用于显示图像,并等待用户按下任意键关闭窗口
def cv_chow(name, img):
    cv2.imshow(name, img)
    cv2.waitKey(0)

# 定义一个函数用于对四个点进行排序,返回一个有序的矩形顶点列表
def order_points(pts):
    rect = np.zeros((4, 2), dtype="float32")
    s = pts.sum(axis=1)  # 计算每个点的x和y坐标之和
    rect[0] = pts[np.argmin(s)]  # 最小的和为左上角
    rect[2] = pts[np.argmax(s)]  # 最大的和为右下角
    diff = np.diff(pts, axis=1)  # 计算每个点的x和y坐标之差
    rect[1] = pts[np.argmin(diff)]  # 最小的差为右上角
    rect[3] = pts[np.argmax(diff)]  # 最大的差为左下角
    return rect

# 定义一个函数用于对轮廓进行排序,支持从左到右、从右到左、从上到下、从下到上四种排序方式
def sort_contours(cons, method='left-to-right'):
    reverse = False
    i = 0
    if method == 'right-to-left' or method == 'bottom-to-top':
        reverse = True
    if method == 'top-to-bottom' or method == 'bottom-to-top':
        i = 1
    boundingBoxes = [cv2.boundingRect(c) for c in cons]  # 获取每个轮廓的边界框
    (cons, boundingBoxes) = zip(*sorted(zip(cons, boundingBoxes),
                                       key=lambda b: b[1][i], reverse=reverse))
    return cons, boundingBoxes

# 读取图像
img = cv2.imread('img_3.png')

# 复制图像用于绘制轮廓
cont_img = img.copy()

# 将图像转换为灰度图
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

# 对灰度图进行高斯滤波,以减少噪声
blurred = cv2.GaussianBlur(gray, (5, 5), 0)
cv_chow('blurred', blurred)

# 使用Canny边缘检测算法检测图像中的边缘
edg = cv2.Canny(blurred, 75, 200)
cv_chow('edg', edg)

# 查找图像中的轮廓
cnts = cv2.findContours(edg.copy(), cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)[-2]

# 在图像上绘制所有轮廓
cv2.drawContours(cont_img, cnts, -1, (0, 0, 255), 3)
cv_chow('cont_img', cont_img)

# 根据轮廓面积对轮廓进行排序,从大到小
cnts = sorted(cnts, key=cv2.contourArea, reverse=True)

# 对灰度图进行二值化处理,使用Otsu's方法自动确定阈值
thresh = cv2.threshold(gray, 0, 255, cv2.THRESH_BINARY_INV | cv2.THRESH_OTSU)[1]
cv_chow('thresh', thresh)

# 在二值化图像中查找轮廓
thresh_cnt = cv2.findContours(thresh, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)[1]

# 初始化一个列表用于存储符合条件的轮廓
qus_cnts = []

# 初始化一个列表用于存储所有的掩码
mask_all = []

# 创建一个与二值化图像大小相同的黑色掩码
mask = np.zeros(thresh.shape, dtype='uint8')

# 遍历所有轮廓,筛选出符合条件的轮廓
for c in thresh_cnt:
    (x, y, w, h) = cv2.boundingRect(c)  # 获取轮廓的边界框
    ar = w / float(h)  # 计算边界框的宽高比
    if w >= 8 and h >= 10 and 0.5 <= ar <= 2:  # 根据宽度、高度和宽高比筛选轮廓
        qus_cnts.append(c)

# 遍历筛选后的轮廓,绘制掩码并进行与操作
for i in qus_cnts:
    cv2.drawContours(mask, [i], -1, 255, -1)  # 在掩码上绘制轮廓
    cv_chow('mask', mask)
    img_mask_and = cv2.bitwise_and(img, img, mask=mask)  # 对原图像和掩码进行与操作
    cv_chow('img_mask_and', img_mask_and)

运行结果:

相关推荐
孔令飞1 分钟前
01 | Go 项目开发极速入门课介绍
开发语言·人工智能·后端·云原生·golang·kubernetes
szxinmai主板定制专家10 分钟前
基于DSP+ARM+FPGA轨道交通6U机箱结构牵引控制单元(Pcle)
大数据·arm开发·人工智能·fpga开发·架构
yuanpan21 分钟前
机器学习神经网络中的损失函数表达的是什么意思
人工智能·神经网络·机器学习
月亮月亮要去太阳23 分钟前
python画图文字显示不全+VScode新建jupyter文件
开发语言·python
YoloMari24 分钟前
Leetcode刷题-枚举右,维护左
python·算法·leetcode
邪恶的贝利亚1 小时前
prompt工程起步
开发语言·python·prompt
小青龙emmm1 小时前
机器学习(七)
人工智能·机器学习
数字供应链安全产品选型1 小时前
安全左移动赋能:灵脉IAST交互式应用安全测试平台
网络·人工智能·安全·开源·开源软件
山居秋暝LS1 小时前
目标跟踪之DeepSort算法(4)
pytorch·python
Mountain and sea2 小时前
焊接机器人与线激光视觉系统搭配的详细教程
人工智能·opencv·机器人