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