免費(fèi)AI編程助手
Python 和 OpenCV 庫使處理圖像或視頻等視覺輸入變得非常容易。在本篇文章中，我將討論有關(guān)圖像混合的內(nèi)容并提出一種合并兩個(gè)圖像的像素信息的方法。為了實(shí)現(xiàn)這一點(diǎn)，我使用了第三張圖像（所謂的蒙版），作為混合過程的模板。因?yàn)檫@個(gè)模板是一個(gè)加權(quán)因子矩陣，所以有可能產(chǎn)生結(jié)果，這是通常在網(wǎng)上找到的混合方法無法獲得的（或者至少我沒有找到）。
簡介
Photoshop 和其他圖像處理程序（例如，GIMP 或 Paint.net 等免費(fèi)軟件替代品）提供了廣泛的可能性來編輯和處理圖像和照片。然而，有時(shí)，人們希望執(zhí)行標(biāo)準(zhǔn)軟件中沒有的操作，或者只是想了解一下具體的照片編輯程序是如何工作的。這兩個(gè)目標(biāo)都可以通過嘗試將照片編輯程序轉(zhuǎn)換為編程代碼來實(shí)現(xiàn)。在這里，在這段文字中，我將這樣做并提供用于將圖像的部分（或整個(gè)圖像）與另一個(gè)圖像合并的代碼。
要理解本教程的內(nèi)容，您應(yīng)該具備 Python (Python 3) 的基本知識以及圖像在計(jì)算機(jī)上的表示方式（即 RGB 或 BGR 模型）。但是，由于代碼并不過分復(fù)雜，因此具有其他編程語言背景的人也應(yīng)該可以訪問它。如果您打算執(zhí)行或使用我加載的代碼，則需要在您的機(jī)器上安裝 OpenCv 和 NumPy（使用?pip?命令或?Anaconda Navigator?這樣做）當(dāng)然還有 Python。OpenCV 是一個(gè)免費(fèi)提供的圖像處理庫（接口可用于 C++、Python 等），包含許多有助于處理視頻和圖像等視覺輸入的功能。這里，在這段代碼中，我只使用了一些基本的方法。我使用命令在屏幕上加載和顯示圖像，并設(shè)置一個(gè) while 循環(huán)來啟用與程序的一些交互（但這也非常實(shí)際）。如前所述，還需要 NumPy。NumPy 是 Python 處理數(shù)字、數(shù)組和矩陣的第一大庫，它非常方便，可以使用 NumPy 方法操作和修改 OpenCv 圖像數(shù)據(jù)。
背景
混合圖像
關(guān)于如何使用 OpenCV 將存儲在一個(gè)圖像中的信息與第二個(gè)圖像的信息合并的示例代碼在網(wǎng)絡(luò)上廣泛可用。例如，?cv2.addWeighted(image1, weighting_factor1, image2, weighting_factor2)?OpenCV 函數(shù)是一種單線函數(shù)，能夠以簡單的方式執(zhí)行圖像混合。如果兩個(gè)加權(quán)因子都選擇 0.5，則該函數(shù)返回兩個(gè)圖像的等權(quán)重（或均值）混合。選擇 0.7 和 0.3 作為輸入權(quán)重，將導(dǎo)致圖像由第一幅圖像的 70% 像素顏色和第二幅圖像的 30% 像素顏色組成。再舉一個(gè)例子，選擇 1 和 0 將返回圖像一的未更改版本，而 0 和 1 將返回圖像二的未更改版本。我提到這一點(diǎn)，因?yàn)樗谙旅孀兊煤苤匾?，?dāng)我進(jìn)入我編寫的代碼的細(xì)節(jié)時(shí)。
使用掩碼插入圖像
該? cv2.addWeighted()?當(dāng)兩個(gè)相同大小的圖像的信息（或更準(zhǔn)確地說，感興趣的區(qū)域）的信息被組合并且相同的加權(quán)因子應(yīng)用于所有像素時(shí)，該函數(shù)特別有用。然而，有時(shí)人們計(jì)劃將特定區(qū)域從一張圖像轉(zhuǎn)移到另一張圖像。這可以通過不同的方式完成，但一種常見的方法是使用面具。掩碼通常是一個(gè)二進(jìn)制圖像（僅包含黑色和白色像素），用作包圍插入或混合區(qū)域的模板。為了澄清這一點(diǎn)，我舉了一個(gè)例子。如果希望將圖像的天空替換為第二張圖像的背景，則蒙版（或二值圖像）需要有一個(gè)黑色區(qū)域代表圖像一的天空，以便程序“知道”該放在哪里圖二的背景。換句話說，其中像素顏色為黑色（8 位圖像中的 0；[0,0,
使用加權(quán)因子矩陣進(jìn)行圖像疊加
在我在這里展示的示例代碼中，我將圖像混合方法與基于掩碼的圖像插入方法結(jié)合起來。與“標(biāo)準(zhǔn)”方法相比，我使用非二進(jìn)制掩碼（可以保存 0 到 255 之間的所有值），其中每個(gè)像素都用作單獨(dú)的權(quán)重。因此，我沒有定義圖像一的整體加權(quán)因子（例如，0.7）和圖像二的整體加權(quán)因子（例如，0.3），而是使用掩碼的每個(gè)像素作為加權(quán)因子（參見下圖）。例如，如果掩碼中位于 [X, Y] 位置的像素的值為 0（即黑色），則圖像 1 的像素將放置在該位置。如果掩碼的一個(gè)像素保持值 255（白色），則圖像 2 的相應(yīng)像素將占據(jù)該位置。如果它介于兩者之間（例如，170），則會混合圖像一和圖像二。使用掩碼作為由權(quán)重因子組成的地圖在疊加兩個(gè)圖像時(shí)提供了更大的靈活性。它可以產(chǎn)生過渡或“軟”邊界（甚至更多）。
使用代碼
我將您可以在存儲庫中找到的代碼示例分為四個(gè)部分。下面，我只展示了兩個(gè)內(nèi)部部分的代碼，因?yàn)樗鼈兒w了本教程的主要主題。為完整起見，我在下面簡要評論第 1 節(jié)和第 4 節(jié)，然后以要點(diǎn)的形式提供第 2 節(jié)和第 3 節(jié)的基本信息。
在第 1 節(jié)中，您可以找到用于加載所需圖像（即?cv2.imread(“X.jpg”,cv2.IMREAD_UNCHANGED)?）的OpenCV 代碼。有三個(gè)圖像：image 1 是在其上的內(nèi)容的表面image 2 粘貼，并且image 3 是限定用于混合操作條件的掩?；蚰０?。還有一些附加功能，但我留給您去了解它們的用途（我上傳的示例代碼中有信息豐富的注釋）。
在第 4 節(jié)中，您會發(fā)現(xiàn)一個(gè)“?while?循環(huán)”，它允許與程序進(jìn)行一種基本的交互。循環(huán)正在等待關(guān)鍵事件。按“ ?q?”退出程序，按“ ?s?”保存混合操作結(jié)果后退出程序。
第 2 節(jié)和第 3 節(jié)包含用于根據(jù)掩碼提供的加權(quán)因子混合兩個(gè)圖像信息的代碼。
- 該函數(shù) ?
mix_pixel(pix_1, pix_2, perc)?以類似的方式處理輸入?cv2.addWeighted()?。它根據(jù)在第三個(gè)參數(shù)（即，給定的權(quán)重需要從兩個(gè)圖像和共混物像素信息?perc?的功能的）（例如，當(dāng)?perc?在0和255的中間，它給出了一個(gè)50-50混合像素1和像素 2；另請參見混合圖像部分）。當(dāng)參數(shù)為?NumPy?數(shù)組時(shí)（注意：所有數(shù)組需要具有相同的維度），操作將應(yīng)用于圖像的所有對應(yīng)像素。第三個(gè)參數(shù)是一個(gè)數(shù)組（掩碼），其中包含每個(gè)像素的單獨(dú)加權(quán)因子。 - 該?
blend_images_using_mask(img_orig, img_for_overlay,img_mask)?功能是相當(dāng)簡單的。它獲取三張圖像，檢查掩碼是否為 3 通道灰度圖像（否則，它不會與其他圖像具有相同的維度），調(diào)用該mix_pixel()函數(shù)，然后將結(jié)果作為 3 通道 8 位無符號整數(shù)返回（否則用于顯示圖像的 OpenCV 命令將失敗）。 - 您在下面的示例中找到的最終命令用于顯示不同類型的圖像，以使過程的結(jié)果可見并可用于評估。還有一些代碼行用于使圖像變小，因?yàn)檎掌脑汲叽鐚τ跇?biāo)準(zhǔn)屏幕來說通常太大。
# code skeleton
import numpy as np
import cv2
# .......omitted code
# functions for blending operations
# takes a pixel from image 1 (pix_1) and blends it with a pixel from image 2 (pix_2)
# depending on the value given in perc (percentage);
# if perc = 0 or 255 (or 0,0,0 or 255,255,255) it will perform no blending at all
# and return the value of image 1 or image 2;
# by contrast, all values in between (e.g., 140) will give a weighted blend of the two images
# function can be used with scalars or numpy arrays (perc will be greyscale numpy array then)
def mix_pixel(pix_1, pix_2, perc):
return (perc/255 * pix_1) + ((255 - perc)/255 * pix_2)
# function for blending images depending on values given in mask
def blend_images_using_mask(img_orig, img_for_overlay, img_mask):
# turn mask into 24 bit greyscale image if necessary
# because mix_pixel() requires numpy arrays having the same dimension
# if image is 24-bit BGR, the image has 3 dimensions, if 8 bit greyscale 2 dimensions
if len(img_mask.shape) != 3:
img_mask = cv2.cvtColor(img_mask, cv2.COLOR_GRAY2BGR)
# interpolate between two images (img_orig and img_to_insert)
# using the values in img_mask (each pixel serves as individual weight)
# as weighting factors (ranging from [0,0,0] to [255,255,255] or 0 to 100 percent);
# because all three images are numpy arrays standard operators
# for multiplication etc. will be applied to all values in arrays
img_res = mix_pixel(img_orig, img_for_overlay, img_mask)
return img_res.astype(np.uint8)
# blend images and display results
# call function above to perform blending with mask (containing weights for interpolation)
img_blended = blend_images_using_mask(img, img_insert, img_insert_mask)
#print(img_blended.shape)
# rf -> resizing factor; used to make images smaller, so they can be displayed on screen;
# blending operations, however, will be performed on original sized images
rf = 0.4
wi = img.shape[1] # width and
hi = img.shape[0] # height of images
# call OpenCV resize
img_sm = cv2.resize(img, (int(wi * rf), int(hi * rf)),
interpolation=cv2.INTER_CUBIC)
img_insert_sm = cv2.resize(
img_insert, (int(wi * rf), int(hi * rf)), interpolation=cv2.INTER_CUBIC)
img_blended_sm = cv2.resize(
img_blended, (int(wi * rf), int(hi * rf)), interpolation=cv2.INTER_CUBIC)
# display images
cv2.imshow("Original Image", img_sm)
cv2.imshow("Insert This Image", img_insert_sm)
cv2.imshow("Blended Images", img_blended_sm)
# .......omitted code如果您想要了解更多關(guān)于Python OpenCV的內(nèi)容，推薦大家可以系統(tǒng)地學(xué)習(xí)一下OpenCV相關(guān)教程。
