Python抠图黑背景

以下是Python使用OpenCV进行抠图的代码，其中使用了GrabCut算法，可以实现黑色背景的抠图效果：

import cv2
import numpy as np

# 读取图片
img = cv2.imread('input.jpg')

# 创建与图像相同大小的掩膜
mask = np.zeros(img.shape[:2], np.uint8)

# 创建以0填充的前景和背景模型
bgdModel = np.zeros((1,65), np.float64)
fgdModel = np.zeros((1,65), np.float64)

# 定义矩形区域，包含前景物体
rect = (50,50,450,290)

# 使用GrabCut算法进行抠图
cv2.grabCut(img, mask, rect, bgdModel, fgdModel, 5, cv2.GC_INIT_WITH_RECT)

# 创建一个新的掩膜图像，其中确定的前景和可能的前景被标记为1，其他区域被标记为0
mask2 = np.where((mask==2)|(mask==0), 0, 1).astype('uint8')

# 将原始图像与掩膜相乘，得到抠图结果
img = img*mask2[:,:,np.newaxis]

# 将抠图结果保存到文件
cv2.imwrite('output.png', img)

相关问题

python 复杂抠图

在Python中，可以使用许多库进行图像处理和抠图，其中最常用的是OpenCV和Pillow。

使用OpenCV进行抠图的步骤如下：

1. 读取图片并转换为灰度图像

import cv2

img = cv2.imread("image.jpg")
gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)

2. 对图像进行二值化处理，将背景变为黑色

ret, thresh = cv2.threshold(gray, 0, 255, cv2.THRESH_BINARY_INV+cv2.THRESH_OTSU)

3. 进行形态学操作，填充目标区域，使其连通

kernel = cv2.getStructuringElement(cv2.MORPH_RECT, (3, 3))
closing = cv2.morphologyEx(thresh, cv2.MORPH_CLOSE, kernel, iterations=2)

4. 找到目标区域的轮廓，并用最小矩形框将其框起来

contours, hierarchy = cv2.findContours(closing, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
for contour in contours:
    rect = cv2.minAreaRect(contour)
    box = cv2.boxPoints(rect)
    box = np.int0(box)
    cv2.drawContours(img, [box], 0, (0, 0, 255), 2)

5. 将目标区域外的部分涂为白色，即抠图完成

mask = np.zeros_like(img)
cv2.drawContours(mask, [box], 0, (255, 255, 255), -1)
result = np.bitwise_and(img, mask)

使用Pillow进行抠图的步骤如下：

1. 读取图片并将其转换为RGBA模式

from PIL import Image

img = Image.open("image.png")
img = img.convert("RGBA")

2. 获取图像中每个像素的RGBA值，并将背景像素的alpha通道值设为0

width, height = img.size
for x in range(width):
    for y in range(height):
        r, g, b, a = img.getpixel((x, y))
        if r > 200 and g > 200 and b > 200:
            a = 0
        img.putpixel((x, y), (r, g, b, a))

3. 将抠出的图像保存到文件

img.save("result.png")

Python 实现 人物抠图

人物抠图是一种常见的图像处理任务，可以使用Python中的OpenCV库来实现。下面是一个简单的示例代码：

import cv2

# 加载图像
image = cv2.imread('input.jpg')

# 创建一个与输入图像相同大小的掩码（mask），将其初始化为全黑
mask = np.zeros(image.shape[:2], dtype=np.uint8)

# 定义前景和背景模型
bgdModel = np.zeros((1, 65), dtype=np.float64)
fgdModel = np.zeros((1, 65), dtype=np.float64)

# 定义矩形区域，包含要抠图的人物
rect = (x, y, w, h)  # 根据实际情况修改坐标和宽高

# 使用GrabCut算法进行图像分割
cv2.grabCut(image, mask, rect, bgdModel, fgdModel, 5, cv2.GC_INIT_WITH_RECT)

# 创建一个掩码，将前景标记为可能的前景（可能是人物）
mask2 = np.where((mask == 2) | (mask == 0), 0, 1).astype('uint8')

# 将图像与掩码相乘，提取前景
result = image * mask2[:, :, np.newaxis]

# 显示结果
cv2.imshow('result', result)
cv2.waitKey(0)
cv2.destroyAllWindows()

请注意，这只是一个简单的示例代码，实际应用中可能需要根据具体情况进行调整和优化。