脚本之家 服务器常用软件
快捷导航
您的位置：首页 → 脚本专栏 → python → python照片换底色

Python 利用OpenCV给照片换底色的示例代码

 更新时间：2020年08月03日 09:47:01   作者：叶庭云  
这篇文章主要介绍了Python 利用OpenCV给照片换底色,本文通过实例代码给大家介绍的非常详细，对大家的学习或工作具有一定的参考借鉴价值，需要的朋友可以参考下

OpenCV的全称是：Open Source Computer Vision Library。OpenCV是一个基于BSD许可（开源）发行的跨平台计算机视觉库，可以运行在Linux、Windows和Mac OS操作系统上。它轻量级而且高效——由一系列 C 函数和少量 C++ 类构成，同时提供了Python、Ruby、MATLAB等语言的接口，实现了图像处理和计算机视觉方面的很多通用算法。相比于PIL库来说OpenCV更加强大， 可以做更多更复杂的应用，比如人脸识别等。

1. 读入并显示图片

import cv2

# 读入图片
img = cv2.imread(r'D:\test\test_001.jpg', 1)

# 显示图像
cv2.imshow('img', img)

# 窗口等待命令 0表示无限等待
cv2.waitKey(0)

运行效果如下：

在这里插入图片描述

2. 缩放图片

import cv2
# 读入图片
img = cv2.imread(r'D:\test\test_001.jpg', 1)
rows, cols, channels = img.shape
print(rows, cols, channels)

new_img = cv2.resize(img, None, fx=0.5, fy=0.5)

rows, cols, channels = new_img.shape
print(rows, cols, channels)

# 显示图像
cv2.imshow('new_img', new_img)

# 窗口等待命令 0表示无限等待
cv2.waitKey(0)

将图片尺寸按比例缩小一半，运行效果如下：

在这里插入图片描述

3. 彩色图像转换为灰度图像

彩色图片有RGB三个颜色通道，无法进行腐蚀和膨胀的操作。这个就需要我们将彩色图片转换为hsv灰度图像后，再进行腐蚀和膨胀的操作。

import cv2

img = cv2.imread(r'D:\test\test_001.jpg', 1)
new_img = cv2.resize(img, None, fx=0.5, fy=0.5)

rows, cols, channels = new_img.shape
print(rows, cols, channels)

# 显示图像
cv2.imshow('new_img', new_img)

# 将图片转换为灰度图片
gray_img = cv2.cvtColor(new_img, cv2.COLOR_BGR2HSV)
cv2.imshow('hsv', gray_img)
cv2.waitKey(0)

运行效果如下：

在这里插入图片描述

4. 图片二值化处理

二值化处理是为了将图片转换为黑白图片，目的是滤除太大或太小值像素、消除噪声，从而从灰度图中获取二值图像（将图像的灰度值设置为0或255），实现增强整个图像呈现更为明显的黑白效果，同时也大大减少了数据量。

import cv2
import numpy as np

img = cv2.imread(r'D:\test\test_001.jpg', 1)
new_img = cv2.resize(img, None, fx=0.5, fy=0.5)

rows, cols, channels = new_img.shape
print(rows, cols, channels)

# 显示图像
cv2.imshow('new_img', new_img)

# 将图片转换为灰度图片
gray_img = cv2.cvtColor(new_img, cv2.COLOR_BGR2HSV)
cv2.imshow('hsv', gray_img)

# 图片二值化处理
low_value = np.array([90, 70, 70])
high_value = np.array([110, 255, 255])
binary_img = cv2.inRange(gray_img, low_value, high_value)
cv2.imshow('binary_img', binary_img)

cv2.waitKey(0)

运行效果如下：

在这里插入图片描述

5. 图像的腐蚀和膨胀

图像的膨胀（Dilation）和腐蚀（Erosion）是两种基本的形态学运算，主要用来寻找图像中的极大区域和极小区域。其中膨胀类似于“领域扩张”，将图像中的高亮区域或白色部分进行扩张，其运行结果图比原图的高亮区域更大；腐蚀类似于“领域被蚕食”，将图像中的高亮区域或白色部分进行缩减细化，其运行结果图比原图的高亮区域更小。

  • 图像被腐蚀后，去除了噪声，但是会压缩图像。
  • 对腐蚀过的图像，进行膨胀处理，可以去除噪声，并且保持原有形状。
# 腐蚀膨胀
erode = cv2.erode(binary_img, None, iterations=1)
dilate = cv2.dilate(erode, None, iterations=1)
cv2.imshow('dilate', dilate)

6. 遍历像素点进行颜色替换

图像是由每一个像素点组成的，找到腐蚀后得到图片的白色底色处的像素点，然后将原图中对应位置处的像素点，替换为红色或者白色，即可实现给照片换底色。

import cv2
import numpy as np

img = cv2.imread(r'D:\test\test_001.jpg', 1)
new_img = cv2.resize(img, None, fx=0.5, fy=0.5)

rows, cols, channels = new_img.shape
print(rows, cols, channels)

# 显示图像
cv2.imshow('new_img', new_img)

# 将图片转换为灰度图片
gray_img = cv2.cvtColor(new_img, cv2.COLOR_BGR2HSV)

# 图片二值化处理
low_value = np.array([90, 70, 70])
high_value = np.array([110, 255, 255])
binary_img = cv2.inRange(gray_img, low_value, high_value)

# 腐蚀膨胀
erode = cv2.erode(binary_img, None, iterations=1)
dilate = cv2.dilate(erode, None, iterations=1)
# cv2.imshow('dilate', dilate)

# 遍历替换
for i in range(rows):
 for j in range(cols):
  if dilate[i, j] == 255:
  	# 此处替换颜色，为BGR通道
   new_img[i, j] = (0, 0, 255) # (0, 0, 255)替换为红底 (255, 255, 255)替换为白底

cv2.imshow('red_bg_img', new_img)
# 窗口等待命令 0表示无限等待
cv2.waitKey(0)
cv2.destroyAllWindows()

运行效果如下：

在这里插入图片描述
在这里插入图片描述

程序运行成功，可以将照片的蓝底换为红底或者白底，成功利用opencv实现给照片换底色。

7. 其他说明

测试所用图片来源于百度图片搜索，图片仅用于图像处理知识交流和学习，如有侵权请联系我删除！

到此这篇关于Python 利用OpenCV给照片换底色的示例代码的文章就介绍到这了,更多相关python照片换底色内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家！

您可能感兴趣的文章:

相关文章

  • django实现用户注册实例讲解

    django实现用户注册实例讲解

    在本篇文章里小编给大家整理的是关于django用户注册的相关实例内容，有兴趣的朋友们学习下。
    2019-10-10
  • Python+Pygame实战之炫舞小游戏的实现

    Python+Pygame实战之炫舞小游戏的实现

    提到QQ炫舞，可能很多人想到的第一个词是“青春”。恍然间，这个承载了无数人回忆与时光的游戏品牌，已经走到了第十几个年头。今天小编就来给大家尝试做一款简单的简陋版的小游戏——《舞动青春*炫舞》，感兴趣的可以了解一下
    2022-12-12
  • pyqt5 实现工具栏文字图片同时显示

    pyqt5 实现工具栏文字图片同时显示

    今天小编就为大家分享一篇pyqt5 实现工具栏文字图片同时显示的方法，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
    2019-06-06
  • Python装饰器如何实现修复过程解析

    Python装饰器如何实现修复过程解析

    这篇文章主要介绍了Python装饰器如何实现修复过程解析,文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下
    2020-09-09
  • matlab、python中矩阵的互相导入导出方式

    matlab、python中矩阵的互相导入导出方式

    这篇文章主要介绍了matlab、python中矩阵的互相导入导出方式，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
    2020-06-06
  • numpy 数组拷贝地址所引起的同步替换问题

    numpy 数组拷贝地址所引起的同步替换问题

    本文主要介绍了numpy 数组拷贝地址所引起的同步替换问题，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧
    2023-02-02
  • Python ndarray 数组的变形详情

    Python ndarray 数组的变形详情

    这篇文章主要介绍了Python ndarray数组的变形详情，文章围绕主题展开详细的内容介绍，具有一定的参考价值，需要的小伙伴可以参考一下
    2022-09-09
  • 解决Python 写文件报错TypeError的问题

    解决Python 写文件报错TypeError的问题

    这篇文章主要介绍了解决Python 写文件报错TypeError的问题，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
    2020-10-10
  • python SQLAlchemy的Mapping与Declarative详解

    python SQLAlchemy的Mapping与Declarative详解

    这篇文章主要介绍了python SQLAlchemy的Mapping与Declarative详解,文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下
    2019-07-07
  • matplotlib图形整合之多个子图绘制的实例代码

    matplotlib图形整合之多个子图绘制的实例代码

    matplotlib绘制多个子图的时候，我们可以根据自己的想法去排列子图的顺序，也可以生成不同的子图数量，本文就详细的介绍了matplotlib 多子图绘制，具有一定的参考价值，感兴趣的可以了解一下
    2022-04-04

最新评论