本文主要介紹了OpenCV實現背景分離(證件照背景替換)，具有一定的參考價值，感興趣的可以了解一下
實現原理
圖像背景分離是常見的圖像處理方法之一，屬于圖像分割范疇。如何較優地提取背景區域，難點在于兩個：
- 背景和前景的分割。針對該難點，通過人機交互等方法獲取背景色作為參考值，結合差值均方根設定合理閾值，實現前景的提取，PS上稱為蒙版；提取過程中，可能會遇到前景像素丟失的情況，對此可通過開閉運算或者提取外部輪廓線的方式，將前景內部填充完畢。
- 前景邊緣輪廓區域的融合。如果不能很好地融合，就能看出明顯的摳圖痕跡，所以融合是很關鍵的一步。首先，對蒙版區（掩膜）進行均值濾波，其邊緣區會生成介于0-255之間的緩存區；其次，通過比例分配的方式對緩存區的像素點上色，我固定的比例為前景0.3背景0.7，因為背景為單色區，背景比例高，可以使得緩存區顏色傾向于背景區，且實現較好地過渡；最后，蒙版為0的區域上背景色，蒙版為255的區域不變。
至此，圖像實現了分割，完成背景分離。C++實現代碼如下。
功能函數代碼
// 背景分離
cv::Mat BackgroundSeparation(cv::Mat src, Inputparama input)
{
cv::Mat bgra, mask;
// 轉化為BGRA格式，帶透明度，4通道
cvtColor(src, bgra, COLOR_BGR2BGRA);
mask = cv::Mat::zeros(bgra.size(), CV_8UC1);
int row = src.rows;
int col = src.cols;
// 異常數值修正
input.p.x = max(0, min(col, input.p.x));
input.p.y = max(0, min(row, input.p.y));
input.thresh = max(5, min(100, input.thresh));
input.transparency = max(0, min(255, input.transparency));
input.size = max(0, min(30, input.size));
// 確定背景色
uchar ref_b = src.atVec3b>(input.p.y, input.p.x)[0];
uchar ref_g = src.atVec3b>(input.p.y, input.p.x)[1];
uchar ref_r = src.atVec3b>(input.p.y, input.p.x)[2];
// 計算蒙版區域（掩膜）
for (int i = 0; i row; ++i)
{
uchar *m = mask.ptruchar>(i);
uchar *b = src.ptruchar>(i);
for (int j = 0; j col; ++j)
{
if ((geiDiff(b[3*j],b[3*j+1],b[3*j+2],ref_b,ref_g,ref_r)) >input.thresh)
{
m[j] = 255;
}
}
}
// 尋找輪廓，作用是填充輪廓內黑洞
vectorvectorPoint>> contour;
vectorVec4i> hierarchy;
// RETR_TREE以網狀結構提取所有輪廓，CHAIN_APPROX_NONE獲取輪廓的每個像素
findContours(mask, contour, hierarchy, RETR_EXTERNAL, CHAIN_APPROX_NONE);
drawContours(mask, contour, -1, Scalar(255), FILLED,4);
// 閉運算
cv::Mat element = getStructuringElement(MORPH_ELLIPSE, Size(5, 5));
cv::morphologyEx(mask, mask, MORPH_CLOSE, element);
// 掩膜濾波，是為了邊緣虛化
cv::blur(mask, mask, Size(2 * input.size+1, 2 * input.size + 1));
// 改色
for (int i = 0; i row; ++i)
{
uchar *r = bgra.ptruchar>(i);
uchar *m = mask.ptruchar>(i);
for (int j = 0; j col; ++j)
{
// 蒙版為0的區域就是標準背景區
if (m[j] == 0)
{
r[4 * j] = uchar(input.color[0]);
r[4 * j + 1] = uchar(input.color[1]);
r[4 * j + 2] = uchar(input.color[2]);
r[4 * j + 3] = uchar(input.transparency);
}
// 不為0且不為255的區域是輪廓區域（邊緣區），需要虛化處理
else if (m[j] != 255)
{
// 邊緣處按比例上色
int newb = (r[4 * j] * m[j] * 0.3 + input.color[0] * (255 - m[j])*0.7) / ((255 - m[j])*0.7+ m[j] * 0.3);
int newg = (r[4 * j+1] * m[j] * 0.3 + input.color[1] * (255 - m[j])*0.7) / ((255 - m[j])*0.7 + m[j] * 0.3);
int newr = (r[4 * j + 2] * m[j] * 0.3 + input.color[2] * (255 - m[j])*0.7) / ((255 - m[j])*0.7 + m[j] * 0.3);
int newt = (r[4 * j + 3] * m[j] * 0.3 + input.transparency * (255 - m[j])*0.7) / ((255 - m[j])*0.7 + m[j] * 0.3);
newb = max(0, min(255, newb));
newg = max(0, min(255, newg));
newr = max(0, min(255, newr));
newt = max(0, min(255, newt));
r[4 * j] = newb;
r[4 * j + 1] = newg;
r[4 * j + 2] = newr;
r[4 * j + 3] = newt;
}
}
}
return bgra;
}
C++測試代碼
#include opencv2/opencv.hpp>
#include iostream>
#include algorithm>
#include time.h>
using namespace cv;
using namespace std;
// 輸入參數
struct Inputparama {
int thresh = 30; // 背景識別閾值，該值越小，則識別非背景區面積越大，需有合適范圍，目前為5-60
int transparency = 255; // 背景替換色透明度，255為實，0為透明
int size = 7; // 非背景區邊緣虛化參數，該值越大，則邊緣虛化程度越明顯
cv::Point p = cv::Point(0, 0); // 背景色采樣點，可通過人機交互獲取，也可用默認(0,0)點顏色作為背景色
cv::Scalar color = cv::Scalar(255, 255, 255); // 背景色
};
cv::Mat BackgroundSeparation(cv::Mat src, Inputparama input);
// 計算差值均方根
int geiDiff(uchar b,uchar g,uchar r,uchar tb,uchar tg,uchar tr)
{
return int(sqrt(((b - tb)*(b - tb) + (g - tg)*(g - tg) + (r - tr)*(r - tr))/3));
}
int main()
{
cv::Mat src = imread("111.jpg");
Inputparama input;
input.thresh = 100;
input.transparency = 255;
input.size = 6;
input.color = cv::Scalar(0, 0, 255);
clock_t s, e;
s = clock();
cv::Mat result = BackgroundSeparation(src, input);
e = clock();
double dif = e - s;
cout "time:" dif endl;
imshow("original", src);
imshow("result", result);
imwrite("result1.png", result);
waitKey(0);
return 0;
}
// 背景分離
cv::Mat BackgroundSeparation(cv::Mat src, Inputparama input)
{
cv::Mat bgra, mask;
// 轉化為BGRA格式，帶透明度，4通道
cvtColor(src, bgra, COLOR_BGR2BGRA);
mask = cv::Mat::zeros(bgra.size(), CV_8UC1);
int row = src.rows;
int col = src.cols;
// 異常數值修正
input.p.x = max(0, min(col, input.p.x));
input.p.y = max(0, min(row, input.p.y));
input.thresh = max(5, min(100, input.thresh));
input.transparency = max(0, min(255, input.transparency));
input.size = max(0, min(30, input.size));
// 確定背景色
uchar ref_b = src.atVec3b>(input.p.y, input.p.x)[0];
uchar ref_g = src.atVec3b>(input.p.y, input.p.x)[1];
uchar ref_r = src.atVec3b>(input.p.y, input.p.x)[2];
// 計算蒙版區域（掩膜）
for (int i = 0; i row; ++i)
{
uchar *m = mask.ptruchar>(i);
uchar *b = src.ptruchar>(i);
for (int j = 0; j col; ++j)
{
if ((geiDiff(b[3*j],b[3*j+1],b[3*j+2],ref_b,ref_g,ref_r)) >input.thresh)
{
m[j] = 255;
}
}
}
// 尋找輪廓，作用是填充輪廓內黑洞
vectorvectorPoint>> contour;
vectorVec4i> hierarchy;
// RETR_TREE以網狀結構提取所有輪廓，CHAIN_APPROX_NONE獲取輪廓的每個像素
findContours(mask, contour, hierarchy, RETR_EXTERNAL, CHAIN_APPROX_NONE);
drawContours(mask, contour, -1, Scalar(255), FILLED,4);
// 閉運算
cv::Mat element = getStructuringElement(MORPH_ELLIPSE, Size(5, 5));
cv::morphologyEx(mask, mask, MORPH_CLOSE, element);
// 掩膜濾波，是為了邊緣虛化
cv::blur(mask, mask, Size(2 * input.size+1, 2 * input.size + 1));
// 改色
for (int i = 0; i row; ++i)
{
uchar *r = bgra.ptruchar>(i);
uchar *m = mask.ptruchar>(i);
for (int j = 0; j col; ++j)
{
// 蒙版為0的區域就是標準背景區
if (m[j] == 0)
{
r[4 * j] = uchar(input.color[0]);
r[4 * j + 1] = uchar(input.color[1]);
r[4 * j + 2] = uchar(input.color[2]);
r[4 * j + 3] = uchar(input.transparency);
}
// 不為0且不為255的區域是輪廓區域（邊緣區），需要虛化處理
else if (m[j] != 255)
{
// 邊緣處按比例上色
int newb = (r[4 * j] * m[j] * 0.3 + input.color[0] * (255 - m[j])*0.7) / ((255 - m[j])*0.7+ m[j] * 0.3);
int newg = (r[4 * j+1] * m[j] * 0.3 + input.color[1] * (255 - m[j])*0.7) / ((255 - m[j])*0.7 + m[j] * 0.3);
int newr = (r[4 * j + 2] * m[j] * 0.3 + input.color[2] * (255 - m[j])*0.7) / ((255 - m[j])*0.7 + m[j] * 0.3);
int newt = (r[4 * j + 3] * m[j] * 0.3 + input.transparency * (255 - m[j])*0.7) / ((255 - m[j])*0.7 + m[j] * 0.3);
newb = max(0, min(255, newb));
newg = max(0, min(255, newg));
newr = max(0, min(255, newr));
newt = max(0, min(255, newt));
r[4 * j] = newb;
r[4 * j + 1] = newg;
r[4 * j + 2] = newr;
r[4 * j + 3] = newt;
}
}
}
return bgra;
}
測試效果
圖1 原圖和紅底色效果圖對比
圖2 原圖和藍底色效果圖對比
圖3 原圖和透明底色效果圖對比
如源碼所示，函數輸入參數共有5項，其說明如下：
- thresh為背景識別閾值，該值范圍為5-100，用來區分背景區和前景區，合理設置，不然可能出現前景區大片面積丟失的情況。
- p為背景色采樣點，可通過人機交互的方式人為選中背景區顏色，默認為圖像原點的顏色。
- color為重繪背景色。
- transparency為重繪背景色的透明度，255為實色，0為全透明。
- size為邊緣虛化參數，控制均值濾波的窗口尺寸，范圍為0-30。
我對比了百度搜索證件照一鍵改色網站的效果，基本一致，它們處理一次4塊錢，我們這是免費的，授人以魚不如授人以漁對吧，學到就是賺到。當然人家的功能肯定更強大，估計集成了深度學習一類的框架，我們還需要調參。美中不足的地方就由兄弟們一起改進了。
細心的biliy發現了我貼圖的問題，如圖1圖2圖3所示，領口處被當做背景色了，這樣當然不行，接下來開始改進功能。
1）首先分析原因，之所以領口被當做背景色，是因為領口為白色，同背景色一致，且連接圖像邊緣處，進行輪廓分析時，錯將這個領口識別為輪廓外，如圖4所示。
圖4 識別失敗
2）正如圖4所示，僅僅用閉運算是無法有效補償的，如果將窗口尺寸加大還可能使其他位置過度填充，接下來考慮如何只填充這類大洞。先將處理圖像的寬高各擴展50個pixel，這樣做的好處是令輪廓的識別更精準和清晰，并且避免了頭頂處因貼近圖像邊緣，而導致的過度膨脹現象。
cv::Mat tmask = cv::Mat::zeros(row + 50, col + 50, CV_8UC1);
mask.copyTo(tmask(cv::Range(25, 25 + mask.rows), cv::Range(25, 25 + mask.cols)));
3）之后進行黑帽運算，即閉運算減原圖，得到圖5。
圖5 黑帽運算
4）用Clear_MicroConnected_Area函數清除小面積連通區，得到圖6。
（該函數介紹見：https://www.jb51.net/article/221904.htm）
圖6 清除小面積連通區
5）黑帽運算結果加至原輪廓圖，并截取實際圖像尺寸。
// 黑帽運算獲取同背景色類似的區域，識別后填充
cv::Mat hat;
cv::Mat element = getStructuringElement(MORPH_ELLIPSE, Size(31, 31));
cv::morphologyEx(tmask, hat, MORPH_BLACKHAT, element);
hat.setTo(255, hat > 0);
cv::Mat hatd;
// 清除小面積區域
Clear_MicroConnected_Areas(hat, hatd, 450);
tmask = tmask + hatd;
// 截取實際尺寸
mask = tmask(cv::Range(25, 25 + mask.rows), cv::Range(25, 25 + mask.cols)).clone();
6）至此，就得到完整的輪廓了，如圖7所示，完整代碼見后方。
圖7 完整輪廓圖
完整改進代碼
#include opencv2/opencv.hpp>
#include iostream>
#include algorithm>
#include time.h>
using namespace cv;
using namespace std;
// 輸入參數
struct Inputparama {
int thresh = 30; // 背景識別閾值，該值越小，則識別非背景區面積越大，需有合適范圍，目前為5-60
int transparency = 255; // 背景替換色透明度，255為實，0為透明
int size = 7; // 非背景區邊緣虛化參數，該值越大，則邊緣虛化程度越明顯
cv::Point p = cv::Point(0, 0); // 背景色采樣點，可通過人機交互獲取，也可用默認(0,0)點顏色作為背景色
cv::Scalar color = cv::Scalar(255, 255, 255); // 背景色
};
cv::Mat BackgroundSeparation(cv::Mat src, Inputparama input);
void Clear_MicroConnected_Areas(cv::Mat src, cv::Mat dst, double min_area);
// 計算差值均方根
int geiDiff(uchar b,uchar g,uchar r,uchar tb,uchar tg,uchar tr)
{
return int(sqrt(((b - tb)*(b - tb) + (g - tg)*(g - tg) + (r - tr)*(r - tr))/3));
}
int main()
{
cv::Mat src = imread("111.jpg");
Inputparama input;
input.thresh = 100;
input.transparency = 255;
input.size = 6;
input.color = cv::Scalar(0, 0, 255);
clock_t s, e;
s = clock();
cv::Mat result = BackgroundSeparation(src, input);
e = clock();
double dif = e - s;
cout "time:" dif endl;
imshow("original", src);
imshow("result", result);
imwrite("result1.png", result);
waitKey(0);
return 0;
}
// 背景分離
cv::Mat BackgroundSeparation(cv::Mat src, Inputparama input)
{
cv::Mat bgra, mask;
// 轉化為BGRA格式，帶透明度，4通道
cvtColor(src, bgra, COLOR_BGR2BGRA);
mask = cv::Mat::zeros(bgra.size(), CV_8UC1);
int row = src.rows;
int col = src.cols;
// 異常數值修正
input.p.x = max(0, min(col, input.p.x));
input.p.y = max(0, min(row, input.p.y));
input.thresh = max(5, min(200, input.thresh));
input.transparency = max(0, min(255, input.transparency));
input.size = max(0, min(30, input.size));
// 確定背景色
uchar ref_b = src.atVec3b>(input.p.y, input.p.x)[0];
uchar ref_g = src.atVec3b>(input.p.y, input.p.x)[1];
uchar ref_r = src.atVec3b>(input.p.y, input.p.x)[2];
// 計算蒙版區域（掩膜）
for (int i = 0; i row; ++i)
{
uchar *m = mask.ptruchar>(i);
uchar *b = src.ptruchar>(i);
for (int j = 0; j col; ++j)
{
if ((geiDiff(b[3*j],b[3*j+1],b[3*j+2],ref_b,ref_g,ref_r)) >input.thresh)
{
m[j] = 255;
}
}
}
cv::Mat tmask = cv::Mat::zeros(row + 50, col + 50, CV_8UC1);
mask.copyTo(tmask(cv::Range(25, 25 + mask.rows), cv::Range(25, 25 + mask.cols)));
// 尋找輪廓，作用是填充輪廓內黑洞
vectorvectorPoint>> contour;
vectorVec4i> hierarchy;
// RETR_TREE以網狀結構提取所有輪廓，CHAIN_APPROX_NONE獲取輪廓的每個像素
findContours(tmask, contour, hierarchy, RETR_EXTERNAL, CHAIN_APPROX_NONE);
drawContours(tmask, contour, -1, Scalar(255), FILLED,16);
// 黑帽運算獲取同背景色類似的區域，識別后填充
cv::Mat hat;
cv::Mat element = getStructuringElement(MORPH_ELLIPSE, Size(31, 31));
cv::morphologyEx(tmask, hat, MORPH_BLACKHAT, element);
hat.setTo(255, hat > 0);
cv::Mat hatd;
Clear_MicroConnected_Areas(hat, hatd, 450);
tmask = tmask + hatd;
mask = tmask(cv::Range(25, 25 + mask.rows), cv::Range(25, 25 + mask.cols)).clone();
// 掩膜濾波，是為了邊緣虛化
cv::blur(mask, mask, Size(2 * input.size+1, 2 * input.size + 1));
// 改色
for (int i = 0; i row; ++i)
{
uchar *r = bgra.ptruchar>(i);
uchar *m = mask.ptruchar>(i);
for (int j = 0; j col; ++j)
{
// 蒙版為0的區域就是標準背景區
if (m[j] == 0)
{
r[4 * j] = uchar(input.color[0]);
r[4 * j + 1] = uchar(input.color[1]);
r[4 * j + 2] = uchar(input.color[2]);
r[4 * j + 3] = uchar(input.transparency);
}
// 不為0且不為255的區域是輪廓區域（邊緣區），需要虛化處理
else if (m[j] != 255)
{
// 邊緣處按比例上色
int newb = (r[4 * j] * m[j] * 0.3 + input.color[0] * (255 - m[j])*0.7) / ((255 - m[j])*0.7+ m[j] * 0.3);
int newg = (r[4 * j+1] * m[j] * 0.3 + input.color[1] * (255 - m[j])*0.7) / ((255 - m[j])*0.7 + m[j] * 0.3);
int newr = (r[4 * j + 2] * m[j] * 0.3 + input.color[2] * (255 - m[j])*0.7) / ((255 - m[j])*0.7 + m[j] * 0.3);
int newt = (r[4 * j + 3] * m[j] * 0.3 + input.transparency * (255 - m[j])*0.7) / ((255 - m[j])*0.7 + m[j] * 0.3);
newb = max(0, min(255, newb));
newg = max(0, min(255, newg));
newr = max(0, min(255, newr));
newt = max(0, min(255, newt));
r[4 * j] = newb;
r[4 * j + 1] = newg;
r[4 * j + 2] = newr;
r[4 * j + 3] = newt;
}
}
}
return bgra;
}
void Clear_MicroConnected_Areas(cv::Mat src, cv::Mat dst, double min_area)
{
// 備份復制
dst = src.clone();
std::vectorstd::vectorcv::Point> > contours; // 創建輪廓容器
std::vectorcv::Vec4i> hierarchy;
// 尋找輪廓的函數
// 第四個參數CV_RETR_EXTERNAL，表示尋找最外圍輪廓
// 第五個參數CV_CHAIN_APPROX_NONE，表示保存物體邊界上所有連續的輪廓點到contours向量內
cv::findContours(src, contours, hierarchy, cv::RETR_EXTERNAL, cv::CHAIN_APPROX_NONE, cv::Point());
if (!contours.empty() !hierarchy.empty())
{
std::vectorstd::vectorcv::Point> >::const_iterator itc = contours.begin();
// 遍歷所有輪廓
while (itc != contours.end())
{
// 定位當前輪廓所在位置
cv::Rect rect = cv::boundingRect(cv::Mat(*itc));
// contourArea函數計算連通區面積
double area = contourArea(*itc);
// 若面積小于設置的閾值
if (area min_area)
{
// 遍歷輪廓所在位置所有像素點
for (int i = rect.y; i rect.y + rect.height; i++)
{
uchar *output_data = dst.ptruchar>(i);
for (int j = rect.x; j rect.x + rect.width; j++)
{
// 將連通區的值置0
if (output_data[j] == 255)
{
output_data[j] = 0;
}
}
}
}
itc++;
}
}
}
改進效果
圖8 原圖與紅底對比圖
圖9 原圖與藍底對比圖
圖10 原圖與透明底對比圖
到此這篇關于OpenCV實現背景分離(證件照背景替換)的文章就介紹到這了,更多相關OpenCV 背景分離內容請搜索腳本之家以前的文章或繼續瀏覽下面的相關文章希望大家以后多多支持腳本之家！
您可能感興趣的文章:- Opencv實現摳圖背景圖替換功能
- 基于OpenCV python3實現證件照換背景的方法
- Python + opencv對拍照得到的圖片進行背景去除的實現方法
- python3基于OpenCV實現證件照背景替換
- opencv3/C++實現視頻背景去除建模(BSM)
- 用opencv給圖片換背景色的示例代碼
