本文約1500字，閱讀需要5分鐘
關(guān)鍵詞：Python P圖 OpenCV
如果你感覺(jué)學(xué)不會(huì)？莫慌，小編推薦大家加入群，
前面960中間410后面445，群里有志同道合的小伙伴，
互幫互助，還可以拿到許多視頻教程!
本文講述了借助Python語(yǔ)言和OpenCV工具庫(kù)完成一個(gè)簡(jiǎn)單的P圖操作的過(guò)程~
作為一名可視化工程師，如果只會(huì)使用PS，那么你一定OUT了。在專(zhuān)注各種花式P圖多年，在學(xué)習(xí)PS,AI,PR,AE,XD……無(wú)數(shù)設(shè)計(jì)軟件之后，本人終于悟到了一門(mén)獨(dú)步江湖的絕技——“代碼P圖”。
今天，我就把這門(mén)P圖界的無(wú)上秘籍，傳授給你！希望你在炫技（zuo si）的道路上越走越遠(yuǎn)。
來(lái)看一下今天的素材：守望先鋒新上線(xiàn)的英雄——艾什的正面照：
然后這是一張背景圖：
今天的任務(wù)很簡(jiǎn)單，我要對(duì)第一張圖中的人物進(jìn)行摳圖，然后貼在背景圖上。
這個(gè)操作用PS并不復(fù)雜，讓我們來(lái)看一下這一過(guò)程如何用代碼來(lái)實(shí)現(xiàn)~
素材處理
首先，導(dǎo)入一些工具包
opencv(cv2)，用于圖像處理numpy，用于數(shù)據(jù)計(jì)算。matplotlib用于出圖。
import cv2
import numpy as np
import matplotlib.pyplot as plt
建立一個(gè)顯示圖片的函數(shù)，便于在P圖過(guò)程中，實(shí)時(shí)查看效果
使用的是matplotlib的功能，和制作圖表的過(guò)程一致。
#建立顯示圖片的函數(shù)
def show(image):
plt.imshow(image)
plt.axis('off')
plt.show()
然后，導(dǎo)入前景圖。
因?yàn)閛pencv的圖片默認(rèn)使用BGR圖像格式，而我們通常使用的圖片是RGB（紅，綠，藍(lán)），所以，需要再轉(zhuǎn)換一下格式，否則查看時(shí)顏色會(huì)失真。
最后打印圖片規(guī)格和圖片本身
#導(dǎo)入前景圖
img=cv2.imread('img.png') #圖片導(dǎo)入
img = cv2.cvtColor(img,cv2.COLOR_BGR2RGB) #轉(zhuǎn)換顏色模型
print(img.shape) #打印圖片規(guī)格
show(img) #顯示圖片
來(lái)看一下效果，高1054像素，長(zhǎng)703像素，3通道。
同樣的方法，導(dǎo)入背景圖
#導(dǎo)入背景圖
back_img = cv2.imread('back_img.jpg') #圖片導(dǎo)入
back_img = cv2.cvtColor(back_img,cv2.COLOR_BGR2RGB) #轉(zhuǎn)換顏色模型
print(back_img.shape) #打印圖片規(guī)格
show(back_img) #顯示圖片
效果如下，高1079，長(zhǎng)1920,3通道。
我們發(fā)現(xiàn)人物圖高度和背景高度差不多，且我們只要中間的人像即可，那么我們先來(lái)適當(dāng)?shù)夭眉粢幌聢D片
#裁剪圖片
img = img[0:1000,150:550] #裁剪圖片大小
show(img) #顯示圖片
通過(guò)切片，裁去了logo
再對(duì)圖片縮小10%，這樣大小最為合適
#縮放圖片
print(img.shape) #打印圖片規(guī)格
img=cv2.resize(img,None,fx=0.9,fy=0.9) #圖片縮小10%
print(img.shape) #打印圖片規(guī)格
打印一下圖片尺寸，發(fā)現(xiàn)裁剪成功
圖片在計(jì)算機(jī)中是用數(shù)字矩陣形式保存的，紅、綠、藍(lán)三個(gè)顏色通道每種色各分為256階，分別由0-255這256個(gè)數(shù)表示。比如900*360的圖片，可以理解為900行360列的像素矩陣，而每個(gè)像素又是由R，G，B三個(gè)數(shù)字確認(rèn)其顏色的。于是，我們先把圖片的行，列數(shù)記錄下來(lái)，稍后可以用諸如遍歷的方法讀取每個(gè)像素，再對(duì)其進(jìn)行矩陣計(jì)算。
#拆分圖片信息
rows,cols,channels = img.shape #拆分圖片信息
摳圖：三種效果
摳圖的方法雷同PS，我們要先建立個(gè)蒙版。在開(kāi)始之前，我們先需要把圖片轉(zhuǎn)換成HSV格式，這是一種比較直觀(guān)的顏色模型，可以更好的數(shù)字化處理顏色。
#轉(zhuǎn)換格式
img_hsv = cv2.cvtColor(img,cv2.COLOR_RGB2HSV) #把圖片轉(zhuǎn)換成HSV格式，用于摳圖
show(img_hsv) #顯示圖片
看下效果：
雖然不能直視，但做法顯而易見(jiàn)，只要把非藍(lán)色的部分提取出來(lái)。我們?cè)O(shè)定一個(gè)閾值，在最小閾值以下和最大閾值以上，圖像變?yōu)?，而在閾值之間的變?yōu)?55。
#摳圖
lower_blue=np.array([0,0,0]) #獲取最小閾值
upper_blue=np.array([0,255,255]) #獲取最大閾值
mask = cv2.inRange(img_hsv, lower_blue, upper_blue) #創(chuàng)建遮罩
show(mask) #顯示遮罩
然后，遮罩就這么給整了出來(lái)。
不過(guò)，我們發(fā)現(xiàn)，人物中間有那么多小點(diǎn)點(diǎn)，我需要把它們?nèi)サ簟＿@里使用形態(tài)學(xué)圖像處理的基本方法，先腐蝕后膨脹。其原理是在原圖的小區(qū)域內(nèi)取局部最小值和最大值，背后的邏輯為深度學(xué)習(xí)中的卷積神經(jīng)網(wǎng)絡(luò)。
通過(guò)嘗試，我發(fā)現(xiàn)還可以使用開(kāi)運(yùn)算（先腐蝕后膨脹的整合運(yùn)算）直接完成這一過(guò)程，且效果相對(duì)較好。
erode=cv2.erode(mask,None,iterations=3) #圖像腐蝕
show(erode) #顯示圖片
dilate=cv2.dilate(erode,None,iterations=1) #圖像膨脹
show(dilate) #顯示圖片
opening = cv2.morphologyEx(mask, cv2.MORPH_OPEN, cv2.getStructuringElement(cv2.MORPH_ELLIPSE, (8,8))) #開(kāi)運(yùn)算
show(opening) #顯示圖片
大家可以自行比較下腐蝕，腐蝕后膨脹和開(kāi)運(yùn)算的效果：
圖像合并
最后，終于到了圖像合并環(huán)節(jié)。先設(shè)定人物在背景圖中的起始位置。再遍歷遮罩中的每個(gè)像素，如果是0（代表黑色），則把人物圖像上的顏色賦值到背景圖像上。
center = [70,240] #設(shè)置前景圖開(kāi)始位置
for i in range(rows):
for j in range(cols):
if opening[i,j]==0: #代表黑色
back_img[center[0]+i,center[1]+j] =img[i,j] #賦值顏色
show(back_img) #顯示圖片
運(yùn)行完畢，顯示結(jié)果：
聯(lián)系客服
