python 使用OpenCV進行簡單的人像分割與合成

更新時間：2021年02月02日 09:52:51 作者：tankee

這篇文章主要介紹了python 使用OpenCV進行簡單的人像分割與合成的方法，幫助大家更好的利用python處理圖像，感興趣的朋友可以了解下

實現(xiàn)思路

通過背景建模的方法，對源圖像中的動態(tài)人物前景進行分割，再將目標圖像作為背景，進行合成操作，獲得一個可用的合成影像。

實現(xiàn)步驟如下。

使用BackgroundSubtractorMOG2進行背景分割

BackgroundSubtractorMOG2是一個以高斯混合模型為基礎的背景前景分割算法，

混合高斯模型

分布概率是K個高斯分布的和，每個高斯分布有屬于自己的 μμ 和 σσ 參數(shù)，以及對應的權(quán)重參數(shù)，權(quán)重值必須為正數(shù)，所有權(quán)重的和必須等于1，以確保公式給出數(shù)值是合理的概率密度值。換句話說如果我們把該公式對應的輸入空間合并起來，結(jié)果將等于1。

回到原算法，它的一個特點是它為每一個像素選擇一個合適數(shù)目的高斯分布?；诟咚鼓Ｐ偷钠谕蜆藴什顏砼袛嗷旌细咚鼓Ｐ湍Ｐ椭械哪膫€高斯模型更有可能對應這個像素點，如果不符合就會被判定為前景。

使用人像識別填充面部信息

創(chuàng)建級聯(lián)分類器

face_cascade = cv2.CascadeClassifier()
face_cascade.load(
  '/usr/local/anaconda3/envs/OpenCV/lib/python3.8/site-packages/cv2/data/haarcascade_frontalface_default.xml')

使用OpenCV自帶的級聯(lián)分類器，加載OpenCV的基礎人像識別數(shù)據(jù)。

識別源圖像中的人像

faces = face_cascade.detectMultiScale(gray, 1.3, 5)

使用形態(tài)學填充分割出來的前景

# 形態(tài)學開運算去噪點
fgmask = cv2.morphologyEx(fgmask, cv2.MORPH_OPEN, kernel)
for i in range(15):
  fgmask = cv2.dilate(fgmask, kernel, iterations=1)

通過開操作去掉前景圖像數(shù)組中的噪點，然后重復進行膨脹，填充前景輪廓。

將人像與目標背景進行合成

def resolve(o_img, mask, faces):
  if len(faces) == 0:
    return
  (x, y, w, h) = faces[0]
  rgb_mask_front = cv2.cvtColor(mask, cv2.COLOR_GRAY2BGR)
  rgb_mask_front = cv2.bitwise_not(rgb_mask_front)
  cv2.circle(rgb_mask_front, (int(x + w / 2), int(y + h / 2)), int((w + h) / 4), (0, 0, 0), thickness=-1)
  o_img = cv2.subtract(o_img, rgb_mask_front)
  return o_img

將分割出來的部分取反再與源圖像進行減操作，相當于用一個Mask從原圖中摳出一部分。

再與背景進行加操作

out = resolve(frame, fgmask, faces)
out = cv2.add(out, c_frame)

代碼實現(xiàn)

import numpy as np
import cv2
import os

# 經(jīng)典的測試視頻
camera = cv2.VideoCapture('./source/background_test2.avi')
cap = cv2.VideoCapture('./source/camera_test2.avi')
face_cascade = cv2.CascadeClassifier()
face_cascade.load(
   os.getcwd()+'/source/haarcascade_frontalface_default.xml')
# 形態(tài)學操作需要使用
kernel = cv2.getStructuringElement(cv2.MORPH_ELLIPSE, (3, 3))
# 創(chuàng)建混合高斯模型用于背景建模
fgbg = cv2.createBackgroundSubtractorMOG2(detectShadows=False)


def resolve(o_img, mask, faces):
  if len(faces) == 0:
    return
  (x, y, w, h) = faces[0]
  rgb_mask_front = cv2.cvtColor(mask, cv2.COLOR_GRAY2BGR)
  rgb_mask_front = cv2.bitwise_not(rgb_mask_front)
  cv2.circle(rgb_mask_front, (int(x + w / 2), int(y + h / 2)), int((w + h) / 4), (0, 0, 0), thickness=-1)
  o_img = cv2.subtract(o_img, rgb_mask_front)
  return o_img


while True:
  ret, frame = cap.read()
  c_ret, c_frame = camera.read()
  gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)

  fgmask = fgbg.apply(frame)
  # 形態(tài)學開運算去噪點
  fgmask = cv2.morphologyEx(fgmask, cv2.MORPH_OPEN, kernel)
  gray_camera = cv2.cvtColor(c_frame, cv2.COLOR_BGR2GRAY)

  for i in range(15):
    fgmask = cv2.dilate(fgmask, kernel, iterations=1)

  faces = face_cascade.detectMultiScale(gray, 1.3, 5)
  out = resolve(frame, fgmask, faces)
  out = cv2.add(out, c_frame)
  cv2.imshow('Result', out)
  cv2.imshow('Mask', fgmask)
  k = cv2.waitKey(150) & 0xff
  if k == 27:
    break
out.release()
camera.release()
cap.release()
cv2.destroyAllWindows()

以上就是python 使用OpenCV進行簡單的人像分割與合成的詳細內(nèi)容，更多關于python opencv人像分割與合成的資料請關注腳本之家其它相關文章！

您可能感興趣的文章: