OpenCV實現背景分離(證件照背景替換)
本文主要介紹瞭OpenCV實現背景分離(證件照背景替換),具有一定的參考價值,感興趣的可以瞭解一下
實現原理
圖像背景分離是常見的圖像處理方法之一,屬於圖像分割范疇。如何較優地提取背景區域,難點在於兩個:
- 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,其邊緣區會生成介於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於背景區,且實現較好地過渡;最後,蒙版為0的區域上背景色,蒙版為255的區域不變。
至此,圖像實現瞭分割,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.at<Vec3b>(input.p.y, input.p.x)[0]; uchar ref_g = src.at<Vec3b>(input.p.y, input.p.x)[1]; uchar ref_r = src.at<Vec3b>(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.ptr<uchar>(i); uchar *b = src.ptr<uchar>(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 vector<vector<Point>> contour; vector<Vec4i> 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,是為瞭邊緣虛化 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.ptr<uchar>(i); uchar *m = mask.ptr<uchar>(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.at<Vec3b>(input.p.y, input.p.x)[0]; uchar ref_g = src.at<Vec3b>(input.p.y, input.p.x)[1]; uchar ref_r = src.at<Vec3b>(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.ptr<uchar>(i); uchar *b = src.ptr<uchar>(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 vector<vector<Point>> contour; vector<Vec4i> 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,是為瞭邊緣虛化 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.ptr<uchar>(i); uchar *m = mask.ptr<uchar>(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。
我對比瞭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。當然人傢的功能肯定更強大,估計集成瞭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瞭。
細心的biliy發現瞭我貼圖的問題,如圖1圖2圖3所示,領口處被當做背景色瞭,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,接下來考慮如何隻填充這類大洞。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,並且避免瞭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)之後進行黑帽運算,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,並截取實際圖像尺寸。
// 黑帽運算獲取同背景色類似的區域,識別後填充 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,就得到完整的輪廓瞭,如圖7所示,完整代碼見後方。
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.at<Vec3b>(input.p.y, input.p.x)[0]; uchar ref_g = src.at<Vec3b>(input.p.y, input.p.x)[1]; uchar ref_r = src.at<Vec3b>(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.ptr<uchar>(i); uchar *b = src.ptr<uchar>(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 vector<vector<Point>> contour; vector<Vec4i> 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,識別後填充 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,是為瞭邊緣虛化 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.ptr<uchar>(i); uchar *m = mask.ptr<uchar>(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::vector<std::vector<cv::Point> > contours; // 創建輪廓容器 std::vector<cv::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::vector<std::vector<cv::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); // 若面積小於設置的閾值 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.ptr<uchar>(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
到此這篇關於OpenCV實現背景分離(證件照背景替換)的文章就介紹到這瞭,更多相關OpenCV 背景分離內容請搜索WalkonNet以前的文章或繼續瀏覽下面的相關文章希望大傢以後多多支持WalkonNet!
推薦閱讀:
- OpenCV 圖像對比度的實踐
- C++ OpenCV實戰之車道檢測
- OpenCV輪廓檢測之boundingRect繪制矩形邊框
- C++ OpenCV實現二維碼檢測功能
- 使用c++實現OpenCV繪制圓端矩形