使用opencvpython移除图像的背景

Z时代
2024-01-10
分类：问答

我有两个图像，一个只有背景，另一个有背景+可探测物体（在我的例子中是一辆汽车）

我正试图去掉背景，这样我的车就只能停在车里了生成的图像。下面是我试图获取

期望的结果

import numpy as np
import cv2
original_image = cv2.imread('IMG1.jpg', cv2.IMREAD_COLOR)
gray_original = cv2.cvtColor(original_image, cv2.COLOR_BGR2GRAY)
background_image = cv2.imread('IMG2.jpg', cv2.IMREAD_COLOR)
gray_background = cv2.cvtColor(background_image, cv2.COLOR_BGR2GRAY)
foreground = np.absolute(gray_original - gray_background)
foreground[foreground > 0] = 255
cv2.imshow('Original Image', foreground)
cv2.waitKey(0)

将两个图像相减得到的图像为

问题来了。预期的结果图像应该只是一辆汽车。也，如果你仔细看看这两张照片，你会发现它们不是

完全相同的是，相机移动了一点，所以背景被改变了有点不安。我的问题是，有了这两张照片，我怎么能

减去背景。我不想使用grabCut或背景减法ORMOG算法因为我现在不知道这些算法里面发生了什么。

另外，如果可能的话，请指导我这样做的一般方法不仅在这个具体的例子就是，我在一张图片中有一个背景背景+第二个图像中的对象。最好的解决办法是什么这样做。抱歉问了这么长时间。

回答：

我用OpenCV解决了你的问题

[分水岭](http://docs.opencv.org/3.1.0/d7/d1b/group\uu imgproc\uu misc.html\ga3267243e4d3f95165d55a618c65ac6e1

“分水岭”算法。你可以找到分水岭的理论和例子

这里.

首先，我选择了几个点（标记）来指示对象I的位置

想保留，背景在哪里。此步骤是手动的，可以改变

从一张图片到另一张图片。而且，它需要一些重复，直到你得到正确的答案

期望的结果。我建议使用一个工具来获得像素坐标。然后我

创建了一个零的空整数数组，大小与汽车图像相同。以及

然后我将一些值（1:background，[255192128,64]：car\u parts）赋给

标记位置的像素。

当我下载你的图片时，我不得不裁剪它以得到一个

那辆车。裁剪后，图像的大小为400x601。这可能不是什么

你拥有的图像的大小，所以标记将被关闭。

之后我使用了分水岭算法。第一个输入是图像，第二个输入是

输入是标记图像（除标记位置外，所有位置均为零）。这个

结果如下图所示。

我将值大于1的所有像素设置为255（汽车），其余的设置为255

（背景）归零。然后我用一个3x3的内核将得到的图像放大到

避免丢失有关汽车轮廓的信息。最后，我用了

放大图像作为原始图像的遮罩，使用cv2.bitwise和（）函数，

这是我的密码：

import cv2
import numpy as np
import matplotlib.pyplot as plt
# Load the image
img = cv2.imread("/path/to/image.png", 3)
# Create a blank image of zeros (same dimension as img)
# It should be grayscale (1 color channel)
marker = np.zeros_like(img[:,:,0]).astype(np.int32)
# This step is manual. The goal is to find the points
# which create the result we want. I suggest using a
# tool to get the pixel coordinates.
# Dictate the background and set the markers to 1
marker[204][95] = 1
marker[240][137] = 1
marker[245][444] = 1
marker[260][427] = 1
marker[257][378] = 1
marker[217][466] = 1
# Dictate the area of interest
# I used different values for each part of the car (for visibility)
marker[235][370] = 255    # car body
marker[135][294] = 64     # rooftop
marker[190][454] = 64     # rear light
marker[167][458] = 64     # rear wing
marker[205][103] = 128    # front bumper
# rear bumper
marker[225][456] = 128
marker[224][461] = 128
marker[216][461] = 128
# front wheel
marker[225][189] = 192
marker[240][147] = 192
# rear wheel
marker[258][409] = 192
marker[257][391] = 192
marker[254][421] = 192
# Now we have set the markers, we use the watershed
# algorithm to generate a marked image
marked = cv2.watershed(img, marker)
# Plot this one. If it does what we want, proceed;
# otherwise edit your markers and repeat
plt.imshow(marked, cmap='gray')
plt.show()
# Make the background black, and what we want to keep white
marked[marked == 1] = 0
marked[marked > 1] = 255
# Use a kernel to dilate the image, to not lose any detail on the outline
# I used a kernel of 3x3 pixels
kernel = np.ones((3,3),np.uint8)
dilation = cv2.dilate(marked.astype(np.float32), kernel, iterations = 1)
# Plot again to check whether the dilation is according to our needs
# If not, repeat by using a smaller/bigger kernel, or more/less iterations
plt.imshow(dilation, cmap='gray')
plt.show()
# Now apply the mask we created on the initial image
final_img = cv2.bitwise_and(img, img, mask=dilation.astype(np.uint8))
# cv2.imread reads the image as BGR, but matplotlib uses RGB
# BGR to RGB so we can plot the image with accurate colors
b, g, r = cv2.split(final_img)
final_img = cv2.merge([r, g, b])
# Plot the final result
plt.imshow(final_img)
plt.show()