Python+OpenCV数字图像处理之ROI区域的提取
利用mask(掩模)技术提取纯色背景图像ROI区域中的人和物，并将提取出来的人或物添加在其他图像上。
1、实现原理
先通过cv.cvtColor()函数，将原RGB彩色图像转换为hsv色彩空间的图像，然后通过cv.inRange()函数获得ROI区域的Mask，最后利用cv.bitwise()函数提取得到ROI区域。
2、使用的函数简述
(1) cv.cvtColor(img, cv.COLOR_BGR2HSV)函数
img为要进行色彩空间转换的原图
cv.COLOR_BGR2HSV即将原图RGB色彩空间转换为HSV色彩空间
(2) cv.inRange(hsv, (h_min, s_min, v_min), (h_max, s_max, v_max))函数
cv.inRange函数通过设置不同的h、s、v的min和max阈值可以获取不同色彩的一个二值的mask图，下图为各颜色的阈值表：
(3)cv.bitwise_and(img1, img2, mask)，cv.bitwise_or(img1, img2, mask)和cv.bitwise_not(img)
第一个函数为按位与操作函数，将img1和img2在mask的区域内，R,G,B三个分量分别进行按位与操作。第二个函数为按位或操作函数，将img1和img2在mask的区域内，R,G,B三个分量分别进行按位或操作。第三个函数为按位取反操作函数，将img在R,G,B三个分量分别进行按位取反操作。
(4)cv.add(img1, img2)函数
将img1和img2 进行相加操作，img1和img2的尺寸必须要相同。
3、代码实现过程
原图如下：
如图，要从图中提取出卡通人物，并将其贴在其他背景上。
(1)读入原始图像
class="lazy" data-src = cv.imread('person.jpg')
cv.imshow('class="lazy" data-src', class="lazy" data-src)
(2)获取mask
hsv = cv.cvtColor(class="lazy" data-src, cv.COLOR_BGR2HSV) # 转换成hsv色彩风格
mask = cv.inRange(hsv, (35, 43, 46), (99, 255, 255)) # 利用inRange产生mask
cv.imshow('mask1', mask)
由于背景为绿色，可以提取绿色背景的mask，由上表可以查出绿色和青色的值，设置好参数后，就可以获得mask(白色区域才是mask区域)：
注意：这里获取的mask为背景的mask，我们要获得人物的mask。
(3)获取人物mask
通过逻辑非操作取反，即可获得人物的mask区域(白色区域)：
mask = cv.bitwise_not(mask)
cv.imshow('mask2', mask)
(4)获取人物
将原始图像与原始图像在mask区域进行逻辑与操作，即可获取
timg1 = cv.bitwise_and(class="lazy" data-src, class="lazy" data-src, mask=mask)
cv.imshow('timg1', timg1)
以上操作即提取了图像中的ROI(卡通人)区域，下面介绍将介绍将提取出来的图贴到其他背景上。
(5)新建一张与原始图一样大小的蓝色的背景图
background = np.zeros(class="lazy" data-src.shape, class="lazy" data-src.dtype)
background[:,:,0] = 255(6)得到蓝色背景的mask
mask = cv.bitwise_not(mask)
dst = cv.bitwise_or(timg1, background, mask=mask)
cv.imshow('dst1', dst)
(7)将人物图贴到蓝色背景上
dst = cv.add(dst, timg1)
cv.imshow('dst2', dst)
4、整体代码
import cv2 as cv
import numpy as np
class="lazy" data-src = cv.imread('person.jpg')
cv.imshow('class="lazy" data-src', class="lazy" data-src)
hsv = cv.cvtColor(class="lazy" data-src, cv.COLOR_BGR2HSV) # 转换成hsv色彩风格
mask = cv.inRange(hsv, (35, 43, 46), (99, 255, 255)) # 利用inRange产生mask
cv.imshow('mask1', mask)
cv.imwrite('mask1.jpg', mask)
# 获取mask
mask = cv.bitwise_not(mask)
cv.imshow('mask2', mask)
cv.imwrite('mask2.jpg', mask)
timg1 = cv.bitwise_and(class="lazy" data-src, class="lazy" data-src, mask=mask)
cv.imshow('timg1', timg1)
cv.imwrite('timg1.jpg', timg1)
# 生成背景
background = np.zeros(class="lazy" data-src.shape, class="lazy" data-src.dtype)
background[:,:,0] = 255
# 将人物贴到背景中
mask = cv.bitwise_not(mask)
dst = cv.bitwise_or(timg1, background, mask=mask)
cv.imshow('dst1', dst)
cv.imwrite('dst1.jpg', dst)
dst = cv.add(dst, timg1)
cv.imshow('dst2', dst)
cv.imwrite('dst2.jpg', dst)
cv.waitKey(0)
cv.destroyAllWindows() 以上就是Python+OpenCV数字图像处理之ROI区域的提取的详细内容，更多关于Python OpenCV ROI区域的提取的资料请关注编程网其它相关文章！
免责声明：
① 本站未注明“稿件来源”的信息均来自网络整理。其文字、图片和音视频稿件的所属权归原作者所有。本站收集整理出于非商业性的教育和科研之目的，并不意味着本站赞同其观点或证实其内容的真实性。仅作为临时的测试数据，供内部测试之用。本站并未授权任何人以任何方式主动获取本站任何信息。
② 本站未注明“稿件来源”的临时测试数据将在测试完成后最终做删除处理。有问题或投稿请发送至: 邮箱/279061341@qq.com QQ/279061341
