drfengyu : WebSource


风凌的在线资源导航平台

使用 OpenCV 和 NumPy 进行图像处理：HSV 范围筛选示例实现PS抠图效果

  • ~2.83K 字
  1. 1. 使用 OpenCV 和 NumPy 进行图像处理：HSV 范围筛选示例实现PS抠图效果
    1. 1.1. 1. 创建虚拟环境
    2. 1.2. 2. 激活虚拟环境
    3. 1.3. 3. 安装依赖
    4. 1.4. 4. 代码实现
      1. 1.4.1. 1. 将图像从 BGR 转换为 HSV
      2. 1.4.2. 2. 创建 HSV 范围的掩膜
      3. 1.4.3. 3. 创建黑色背景
      4. 1.4.4. 4. 反转掩膜
      5. 1.4.5. 5. 确保掩膜是三通道
      6. 1.4.6. 6. 应用掩膜并显示结果
      7. 1.4.7. 示例用法
      8. 1.4.8. 图像素材
      9. 1.4.9. 实现效果
    5. 1.5. 总结
    6. 1.6. 扩展
      1. 1.6.1. 使用白色背景显示图像特定区域
      2. 1.6.2. 实现效果
    7. 1.7. HSV 颜色取值范围

使用 OpenCV 和 NumPy 进行图像处理：HSV 范围筛选示例实现PS抠图效果

在计算机视觉和图像处理领域，OpenCV 是一个非常强大的库，能够帮助我们执行各种图像操作。在这篇博客中，我们将通过一个简单的示例演示如何使用 OpenCV 和 NumPy 来进行 HSV（色相、饱和度、明度）范围筛选，以提取图像中的特定颜色区域。

1. 创建虚拟环境

新建文件夹, 并在文件夹中创建虚拟环境,可以使用Vscode打开文件夹, 然后在终端中输入以下命令:

1
python -m venv venv

2. 激活虚拟环境

在终端中输入以下命令:

1
venv\Scripts\activate

3. 安装依赖

在终端中输入以下命令:

1
pip install opencv-python

4. 代码实现

首先，我们需要导入所需的库：

1
2
import cv2
import numpy as np

接下来，我们定义一个函数 inrange_demo，该函数接收一幅图像作为参数，并执行以下步骤：

1. 将图像从 BGR 转换为 HSV

OpenCV 默认使用 BGR（蓝、绿、红）颜色空间，因此我们首先需要将图像转换为 HSV 颜色空间，以便更容易地进行颜色范围筛选。

1
2
3
hsv = cv2.cvtColor(image, cv2.COLOR_BGR2HSV)
cv2.imshow("hsv", hsv)
cv2.waitKey(0)

2. 创建 HSV 范围的掩膜

我们使用 cv2.inRange 函数来创建一个掩膜，该掩膜只保留在指定 HSV 范围内的像素。这里的范围是 (35, 43, 46) 到 (77, 255, 255)，这通常对应于绿色的颜色范围。

1
2
3
mask = cv2.inRange(hsv, (35, 43, 46), (77, 255, 255))
cv2.imshow("mask", mask)
cv2.waitKey(0)

3. 创建黑色背景

我们创建一个与原始图像相同大小的黑色背景，以便后续操作。

1
redback = np.zeros(image.shape, image.dtype)

4. 反转掩膜

通过 cv2.bitwise_not 函数，我们可以反转掩膜，以便选择不在指定颜色范围内的区域。

1
2
3
mask_inv = cv2.bitwise_not(mask)
cv2.imshow("inverted mask", mask_inv)
cv2.waitKey(0)

5. 确保掩膜是三通道

为了将掩膜应用于原始图像，我们需要将反转后的掩膜扩展到三通道。

1
mask_inv_3d = mask_inv[:, :, np.newaxis]

6. 应用掩膜并显示结果

最后，我们使用 np.where 函数将原始图像与黑色背景结合，显示出感兴趣区域。

1
2
redback[:] = np.where(mask_inv_3d == 255, image, redback)
cv2.imshow("roi区域", redback)

示例用法

在函数定义之后，我们可以通过以下代码读取一幅图像并调用 inrange_demo 函数：

1
2
3
4
image = cv2.imread("D:\\images\\1.png")
inrange_demo(image)
cv2.waitKey(0)
cv2.destroyAllWindows()

图像素材

1.png

实现效果

在运行代码后，你将看到以下图像：

image.png

image-1.png

image-2.png

image-3.png

总结

以上代码演示了如何使用 OpenCV 和 NumPy 进行基本的图像处理，特别是 HSV 范围筛选。通过这种方法，我们可以提取图像中感兴趣的颜色区域，并在黑色背景上显示它们。这种技术在物体检测和识别、图像分割等应用中非常有用。

扩展

使用白色背景显示图像特定区域

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
import cv2
import numpy as np

def inrange_demo(image):
    # Convert the image from BGR to HSV
    hsv = cv2.cvtColor(image, cv2.COLOR_BGR2HSV)
    cv2.imshow("hsv", hsv)
    cv2.waitKey(0)
    # Create a mask for the specified HSV range
    mask = cv2.inRange(hsv, (35, 43, 46), (77, 255, 255))
    cv2.imshow("mask", mask)
    cv2.waitKey(0)
    # Create a white background
    redback = np.zeros(image.shape, dtype=image.dtype)
    whiteback=redback+255
    # Invert the mask
    mask_inv = cv2.bitwise_not(mask)

    # Show the inverted mask
    cv2.imshow("inverted mask", mask_inv)
    cv2.waitKey(0)
    # Ensure mask_inv is 3-channel by expanding its dimensions
    mask_inv_3d = mask_inv[:, :, np.newaxis]

    # Copy the original image to the background where the mask is applied
    whiteback[:] = np.where(mask_inv_3d == 255, image, whiteback)

    # Show the region of interest
    cv2.imshow("roi区域", whiteback)

# Example usage:
image = cv2.imread("D:\\images\\1.png")
inrange_demo(image)
cv2.waitKey(0)
cv2.destroyAllWindows()

实现效果

image-4.png

这里特别提供一下HSV颜色范围,建议收藏一下:

HSV 颜色取值范围

HSV 颜色取值范围

希望这篇博客对你理解图像处理有所帮助！

本作品采用 知识共享署名-相同方式共享 4.0 国际许可协议 进行许可
赞助喵
非常感谢您的喜欢！
赞助喵
分享这一刻
让朋友们也来瞅瞅！