OpenCV-Python提取图像中的ROI

本文主要是介绍OpenCV-Python提取图像中的ROI，对大家解决编程问题具有一定的参考价值，需要的程序猿们随着小编来一起学习吧！

参考文章：

OpenCV数字图像处理之ROI区域的提取_xiaoheizi_du的博客-CSDN博客_roi区域提取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.c...https://blog.csdn.net/xiaoheizi_du/article/details/88072871?ops_request_misc=&request_id=&biz_id=102&utm_term=python%20opencv%E6%8A%8AROI%E6%8F%90%E5%8F%96&utm_medium=distribute.pc_search_result.none-task-blog-2~all~sobaiduweb~default-1-88072871.first_rank_v2_pc_rank_v29&spm=1018.2226.3001.4187

使用的函数

(1) cv.cvtColor(img, cv.COLOR_BGR2HSV)

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)) 

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。

实操

步骤与上面那篇文章相同，将背景换为了红色

中间过程生成图像如下

原图

高斯滤波去除噪声点

BGR2HSV 

第一次mask，这种是把绿色和青色位置的区域识别出来了，但我们想要的是人物的区域，所以得进行一次取反操作 

取反，得到mask 

按位与操作，结合mask，取出doctor人物

新建一张新的背景图，这里用红色的 

得把背景中doctor位置的像素抠出来，以便后续的cv2.add()操作 

doctor占坑，成功！ 

代码如下

import cv2 as cv
import numpy as np


# 主要使用的函数：
# cv.cvtColor(img, cv.COLOR_BGR2HSV)
# cv.inRange(hsv, (h_min, s_min, v_min), (h_max, s_max, v_max))
# cv.bitwise_and(img1, img2, mask), cv.bitwise_or(img1, img2, mask), cv.bitwise_not(img)
# cv.add(img1, img2)

def cvshow(name, img):
    cv.imshow(name, img)
    cv.waitKey(0)
    cv.destroyAllWindows()

# 输入原始图像
src = cv.imread('test1.png')
cvshow('test1', src)

# 图像降噪预处理
src = cv.GaussianBlur(src, (5, 5), 1)
cvshow('gaussianblur', src)

# 获取mask
hsv = cv.cvtColor(src, cv.COLOR_BGR2HSV)
cvshow('hsv', hsv)
mask = cv.inRange(hsv, (35, 43, 46), (99, 255, 255))
cvshow('mask', mask)
mask = cv.bitwise_not(mask)
cvshow('mask2', mask)

# 获取人物
doctor = cv.bitwise_and(src, src, mask=mask)
cvshow('doctor', doctor)

# 新建一张与原始图一样大小的蓝色背景图
background = np.zeros(src.shape, src.dtype)
background[:, :, 2] = 255  # 红色。background[:, :, 0]蓝色，background[:, :, 1]绿色
cvshow('background', background)

# 得到红色背景的mask
mask = cv.bitwise_not(mask)
redback = cv.bitwise_and(background, background, mask=mask)
cvshow('redback', redback)

# 将人物图贴到蓝色背景上
dst = cv.add(redback, doctor)
cvshow('dst', dst)

这篇关于OpenCV-Python提取图像中的ROI的文章就介绍到这儿，希望我们推荐的文章对大家有所帮助，也希望大家多多支持为之网！