建站
咨詢
售后
建站咨詢
新聞中心
今天就跟大家聊聊有關(guān)怎么在python使用OpenCV進行人像分割與合成，可能很多人都不太了解，為了讓大家更加了解，小編給大家總結(jié)了以下內(nèi)容，希望大家根據(jù)這篇文章可以有所收獲。
實現(xiàn)思路
通過背景建模的方法，對源圖像中的動態(tài)人物前景進行分割，再將目標(biāo)圖像作為背景，進行合成操作，獲得一個可用的合成影像。
實現(xiàn)步驟如下。
使用BackgroundSubtractorMOG2進行背景分割
BackgroundSubtractorMOG2是一個以高斯混合模型為基礎(chǔ)的背景前景分割算法，
混合高斯模型
分布概率是K個高斯分布的和，每個高斯分布有屬于自己的 μμ 和 σσ 參數(shù)，以及對應(yīng)的權(quán)重參數(shù)，權(quán)重值必須為正數(shù)，所有權(quán)重的和必須等于1，以確保公式給出數(shù)值是合理的概率密度值。換句話說如果我們把該公式對應(yīng)的輸入空間合并起來，結(jié)果將等于1。
回到原算法，它的一個特點是它為每一個像素選擇一個合適數(shù)目的高斯分布?；诟咚鼓Ｐ偷钠谕蜆?biāo)準(zhǔn)差來判斷混合高斯模型模型中的哪個高斯模型更有可能對應(yīng)這個像素點，如果不符合就會被判定為前景。
使用人像識別填充面部信息
創(chuàng)建級聯(lián)分類器
face_cascade = cv2.CascadeClassifier() face_cascade.load( '/usr/local/anaconda3/envs/OpenCV/lib/python3.8/site-packages/cv2/data/haarcascade_frontalface_default.xml')
使用OpenCV自帶的級聯(lián)分類器，加載OpenCV的基礎(chǔ)人像識別數(shù)據(jù)。
識別源圖像中的人像
faces = face_cascade.detectMultiScale(gray, 1.3, 5)
使用形態(tài)學(xué)填充分割出來的前景
# 形態(tài)學(xué)開運算去噪點 fgmask = cv2.morphologyEx(fgmask, cv2.MORPH_OPEN, kernel) for i in range(15): fgmask = cv2.dilate(fgmask, kernel, iterations=1)
通過開操作去掉前景圖像數(shù)組中的噪點，然后重復(fù)進行膨脹，填充前景輪廓。
將人像與目標(biāo)背景進行合成
def resolve(o_img, mask, faces): if len(faces) == 0: return (x, y, w, h) = faces[0] rgb_mask_front = cv2.cvtColor(mask, cv2.COLOR_GRAY2BGR) rgb_mask_front = cv2.bitwise_not(rgb_mask_front) cv2.circle(rgb_mask_front, (int(x + w / 2), int(y + h / 2)), int((w + h) / 4), (0, 0, 0), thickness=-1) o_img = cv2.subtract(o_img, rgb_mask_front) return o_img
將分割出來的部分取反再與源圖像進行減操作，相當(dāng)于用一個Mask從原圖中摳出一部分。
再與背景進行加操作
out = resolve(frame, fgmask, faces) out = cv2.add(out, c_frame)
代碼實現(xiàn)
import numpy as np
import cv2
import os
# 經(jīng)典的測試視頻
camera = cv2.VideoCapture('./source/background_test2.avi')
cap = cv2.VideoCapture('./source/camera_test2.avi')
face_cascade = cv2.CascadeClassifier()
face_cascade.load(
os.getcwd()+'/source/haarcascade_frontalface_default.xml')
# 形態(tài)學(xué)操作需要使用
kernel = cv2.getStructuringElement(cv2.MORPH_ELLIPSE, (3, 3))
# 創(chuàng)建混合高斯模型用于背景建模
fgbg = cv2.createBackgroundSubtractorMOG2(detectShadows=False)
def resolve(o_img, mask, faces):
if len(faces) == 0:
return
(x, y, w, h) = faces[0]
rgb_mask_front = cv2.cvtColor(mask, cv2.COLOR_GRAY2BGR)
rgb_mask_front = cv2.bitwise_not(rgb_mask_front)
cv2.circle(rgb_mask_front, (int(x + w / 2), int(y + h / 2)), int((w + h) / 4), (0, 0, 0), thickness=-1)
o_img = cv2.subtract(o_img, rgb_mask_front)
return o_img
while True:
ret, frame = cap.read()
c_ret, c_frame = camera.read()
gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY)
fgmask = fgbg.apply(frame)
# 形態(tài)學(xué)開運算去噪點
fgmask = cv2.morphologyEx(fgmask, cv2.MORPH_OPEN, kernel)
gray_camera = cv2.cvtColor(c_frame, cv2.COLOR_BGR2GRAY)
for i in range(15):
fgmask = cv2.dilate(fgmask, kernel, iterations=1)
faces = face_cascade.detectMultiScale(gray, 1.3, 5)
out = resolve(frame, fgmask, faces)
out = cv2.add(out, c_frame)
cv2.imshow('Result', out)
cv2.imshow('Mask', fgmask)
k = cv2.waitKey(150) & 0xff
if k == 27:
break
out.release()
camera.release()
cap.release()
cv2.destroyAllWindows()看完上述內(nèi)容，你們對怎么在python使用OpenCV進行人像分割與合成有進一步的了解嗎？如果還想了解更多知識或者相關(guān)內(nèi)容，請關(guān)注創(chuàng)新互聯(lián)行業(yè)資訊頻道，感謝大家的支持。
本文標(biāo)題：怎么在python使用OpenCV進行人像分割與合成-創(chuàng)新互聯(lián)
網(wǎng)頁地址：http://www.dlmjj.cn/article/dpjosh.html
