Python+OpenCV数字图像处理中如何进行ROI区域的提取

本篇文章给大家分享的是有关Python+OpenCV数字图像处理中如何进行ROI区域的提取，小编觉得挺实用的，因此分享给大家学习，希望大家阅读完这篇文章后可以有所收获，话不多说，跟着小编一起来看看吧。

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maskcv.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 cvimport numpy as npclass="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maskcv.imshow('mask1', mask)cv.imwrite('mask1.jpg', mask)# 获取maskmask = 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数字图像处理中如何进行ROI区域的提取，小编相信有部分知识点可能是我们日常工作会见到或用到的。希望你能通过这篇文章学到更多知识。更多详情敬请关注编程网行业资讯频道。