python+opencv图像处理,python opencv图像识别
本文将涵盖基于Python、OpenCV和Numpy的图像,即小图像将涵盖大图像。文中的样例代码讲解的很详细,感兴趣的朋友可以看看。
00-1010前言1。导入相关库2。用OpenCV 3读取和显示图像。从物体4的图像中去除背景。将对象添加到背景图像5。显示结果。
目录
在本文中,我将展示如何将对象从一个图像添加到另一个图像。为此,我们需要3360。
1.背景图像;
2.目标
3.对象的蒙版(蒙版(蒙版黑色,其他空间为白色)。
在我们的例子中,背景是一张以一杯咖啡为对象的海的照片。在这里,他们是:
前言
现在,使用jupiter笔记本创建一个新文件。首先,我们需要导入必要的模块3360。
导入cv2 # OpenCV
将numpy作为np导入
将matplotlib.pyplot作为plt导入
1.导入相关库
让我们借助cv2.imread()函数打开图像并显示它们。
立正!
出于某种原因,OpenCV读取BGR格式的图像(蓝色和红色互换)。我们需要借助cv2.cvtColor()函数将BGR转换成RGB格式。
#原始图像,即背景
background=cv2 . im read( background . jpg )
background=cv2.cvtColor(背景,cv2。COLOR_BGR2RGB)
#对象的图像
img=cv2.imread(cup.png )
img=cv2.cvtColor(img,cv2。COLOR_BGR2RGB)
#对对象的遮罩进行成像
mask=cv2.imread(cup_mask.png )
mask=cv2.cvtColor(mask,cv2。COLOR_BGR2RGB)
打印(背景形状: ,background.shape)
打印(图像形状: ,img.shape)
print(Mask shape: ,img.shape)
#背景形状: (1280,1920,3)
#图像形状: (860,1151,3)
#遮罩形状: (860,1151,3)
我们看到背景图像的高度是1280,宽度是1920,目标图像的高度是860,宽度是1151。
让我们来看看这些图片3360
plt.figure(figsize=(16,16))
plt.title(背景,fontsize=18)
plt.imshow(后台);
fig,ax=plt.subplots(1,2,figsize=(16,7))
ax[0]。imshow(img)
ax[0]。set_title(Object ,fontsize=18)
ax[1]。imshow(遮罩)
ax[1]。set_title(Mask ,font size=18);
2.使用OpenCV读取和显示图像
现在我们将定义一个函数,将一个对象的掩码转换成一个布尔数组。
在原始蒙版上,对象区域用黑色填充,背景区域用白色填充。
布尔数组具有与原始遮罩相同的高度和宽度,但只有一个通道。如果一个像素属于对象区域,其值为真;否则就是假的。
布尔遮罩将帮助我们删除所有的背景像素。
def remove _ obj _ background(img _ path,mask_path):
函数返回:
CV2 RGB格式的去除背景的物体图像(nu
mpy array with dimensions (width, height, 3))
- boolean mask of the object (numpy array with dimensions (width, height))
img = cv2.imread(img_path)
img = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)
mask = cv2.imread(mask_path)
mask = cv2.cvtColor(mask, cv2.COLOR_BGR2RGB)
h, w = mask.shape[0], mask.shape[1]
# Boolean mask is a numpy array with two dimensions: width and height.
# On the original mask, object area is filled with black color, background area is filled with white color.
# On the boolean mask, object area is filled with True, background area is filled with False.
mask_boolean = mask[:,:,0] == 0
img_with_removed_background = img * np.stack([mask_boolean, mask_boolean, mask_boolean], axis=2)
return img_with_removed_background, mask_boolean
img_with_removed_background, mask_boolean = remove_obj_background(cup.png, cup_mask.png)
print("Shape of the image of the object:", img_with_removed_background.shape)
print("Shape of the boolean mask:", mask_boolean.shape)
print("\n")
# Image with removed background shape: (860, 1151, 3)
# Boolean mask shape: (860, 1151)
fig, ax = plt.subplots(1, 2, figsize=(16, 7))
ax[0].imshow(img_with_removed_background)
ax[0].set_title(Object with removed background, fontsize=18)
ax[1].imshow(mask_boolean)
ax[1].set_title(Boolean mask, fontsize=18);
4.添加对象到背景图像
在我们定义向背景图像添加对象的函数之前,我需要解释和可视化几个图像重叠的情况。
比如说,背景图像的高度是h_background,宽度是w_background,而目标图像的高度是h,宽度是w。
h应该小于h_background, w应该小于w_background。
case1) 如果我们将物体放置在背景的中间,那么一切都很简单:大小为h x w的背景区域部分应该被物体替换掉。
case2) 如果我们将物体放置在背景的左上角,那么物体的一部分可能在背景区域之外。在这种情况下,背景区域的大小(h - y) x (w - x)的部分应该被替换为对象。
这里-x和-y是对象图像左上角的坐标。符号' - '在这里是因为背景图像的左上角坐标x=0和y=0。从背景图像的左上角到对象左上角的所有区域的x坐标都是负的,高于背景图像的左上角的所有区域的y坐标都是负的。
case3) 如果我们将物体放置在背景的左下角,那么物体的一部分可能在背景区域之外。在这种情况下,背景区域大小为(h_background - y) x (w - x)的部分应该被替换为对象。
一般,面积可以计算为(h - max (0, y + h - h_background)) x (w - x),因为如果目标图像的最低边界在背景图像的最低边界之上,那么h x (w - x)区域应该被替换为目标。
case4) 如果我们将物体放在背景的右上角,那么物体的一部分可能会在背景区域之外。在这种情况下,大小为 (h - y) x (w_background - x) 的背景区域部分应替换为对象。
一般来说,面积可以计算为 (h - y) x (w - max(0, x + w - w_background)),因为如果物体图像的右边界在背景图像右边界的左侧,则 (h - y) x w 区域应替换为对象。
case5) 如果我们将物体放在背景的右下角,那么物体的一部分可能会在背景区域之外。在这种情况下,大小为 (h_background - y) x (w_background - x) 的背景区域部分应替换为对象。
一般来说,面积可以计算为 (h - max(0, y + h - h_background)) x (w - max(0, x + w - w_background)),因为如果物体图像的右侧部分在背景图像的右部分的左边,如果对象图像的最低部分高于背景图像的最低部分,则应将h x w区域替换为对象。
现在,考虑到上述所有情况,让我们定义函数:
def add_obj(background, img, mask, x, y):Arguments:
background - background image in CV2 RGB format
img - image of object in CV2 RGB format
mask - mask of object in CV2 RGB format
x, y - coordinates of the center of the object image
0 < x < width of background
0 < y < height of background
Function returns background with added object in CV2 RGB format
CV2 RGB format is a numpy array with dimensions width x height x 3
bg = background.copy()
h_bg, w_bg = bg.shape[0], bg.shape[1]
h, w = img.shape[0], img.shape[1]
# Calculating coordinates of the top left corner of the object image
x = x - int(w/2)
y = y - int(h/2)
mask_boolean = mask[:,:,0] == 0
mask_rgb_boolean = np.stack([mask_boolean, mask_boolean, mask_boolean], axis=2)
if x >= 0 and y >= 0:
h_part = h - max(0, y+h-h_bg) # h_part - part of the image which overlaps background along y-axis
w_part = w - max(0, x+w-w_bg) # w_part - part of the image which overlaps background along x-axis
bg[y:y+h_part, x:x+w_part, :] = bg[y:y+h_part, x:x+w_part, :] * ~mask_rgb_boolean[0:h_part, 0:w_part, :] + (img * mask_rgb_boolean)[0:h_part, 0:w_part, :]
elif x < 0 and y < 0:
h_part = h + y
w_part = w + x
bg[0:0+h_part, 0:0+w_part, :] = bg[0:0+h_part, 0:0+w_part, :] * ~mask_rgb_boolean[h-h_part:h, w-w_part:w, :] + (img * mask_rgb_boolean)[h-h_part:h, w-w_part:w, :]
elif x < 0 and y >= 0:
h_part = h - max(0, y+h-h_bg)
w_part = w + x
bg[y:y+h_part, 0:0+w_part, :] = bg[y:y+h_part, 0:0+w_part, :] * ~mask_rgb_boolean[0:h_part, w-w_part:w, :] + (img * mask_rgb_boolean)[0:h_part, w-w_part:w, :]
elif x >= 0 and y < 0:
h_part = h + y
w_part = w - max(0, x+w-w_bg)
bg[0:0+h_part, x:x+w_part, :] = bg[0:0+h_part, x:x+w_part, :] * ~mask_rgb_boolean[h-h_part:h, 0:w_part, :] + (img * mask_rgb_boolean)[h-h_part:h, 0:w_part, :]
return bg
除了将背景、对象和mask图像传递给函数外,我们还将传递坐标x和y,它们定义了对象的中心位置。
坐标(0,0)是背景的左上角。
w_bg和h_bg是背景的宽度和高度。
x和y应满足以下条件:0 < x < w_bg和0 < y < h_bg。
5.结果展示
让我们看看这个函数是如何工作的。
例1). 让我们把杯子放在背景的中央。背景的宽度是1920,高度是1280,所以对象的中心坐标是x=1920/2=960和y=1280/2=640。
composition_1 = add_obj(background, img, mask, 960, 640)plt.figure(figsize=(15,15))
plt.imshow(composition_1);
例2). 让我们把杯子放在背景的左下角。这一次,对象的中心坐标是x=200和y=1100。
composition_2 = add_obj(composition_1, img, mask, 200, 1100)plt.figure(figsize=(15,15))
plt.imshow(composition_2);
例 3). 让我们把杯子放在背景的右下角。这次对象中心的坐标是 x=1800 和 y=1100。
composition_3 = add_obj(composition_2, img, mask, 1800, 1100)plt.figure(figsize=(15,15))
plt.imshow(composition_3);
例 4). 让我们把杯子放在背景的左上角。这次对象中心的坐标是 x=200 和 y=200。
composition_4 = add_obj(composition_3, img, mask, 200, 200)plt.figure(figsize=(15,15))
plt.imshow(composition_4);
例5). 让我们把杯子放在背景的右上角。这一次,对象的中心坐标是x=1800和y=200。
composition_5 = add_obj(composition_4, img, mask, 1800, 200)plt.figure(figsize=(15,15))
plt.imshow(composition_5);
以上就是基于Python OpenCV实现图像的覆盖的详细内容,更多关于Python OpenCV图像覆盖的资料请关注盛行IT软件开发工作室其它相关文章!
郑重声明:本文由网友发布,不代表盛行IT的观点,版权归原作者所有,仅为传播更多信息之目的,如有侵权请联系,我们将第一时间修改或删除,多谢。