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。