OpenCV的全稱是：Open Source Computer Vision Library。OpenCV是一個基于BSD許可（開源）發(fā)行的跨平臺計算機視覺庫，可以運行在Linux、Windows和Mac OS操作系統(tǒng)上。它輕量級而且高效——由一系列 C 函數(shù)和少量 C++ 類構(gòu)成，同時提供了Python、Ruby、MATLAB等語言的接口，實現(xiàn)了圖像處理和計算機視覺方面的很多通用算法。相比于PIL庫來說OpenCV更加強大， 可以做更多更復(fù)雜的應(yīng)用，比如人臉識別等。

1. 讀入并顯示圖片

import cv2# 讀入圖片img = cv2.imread(r’D:testtest_001.jpg’, 1)# 顯示圖像cv2.imshow(’img’, img)# 窗口等待命令 0表示無限等待cv2.waitKey(0)

運行效果如下：

2. 縮放圖片

import cv2# 讀入圖片img = cv2.imread(r’D:testtest_001.jpg’, 1)rows, cols, channels = img.shapeprint(rows, cols, channels)new_img = cv2.resize(img, None, fx=0.5, fy=0.5)rows, cols, channels = new_img.shapeprint(rows, cols, channels)# 顯示圖像cv2.imshow(’new_img’, new_img)# 窗口等待命令 0表示無限等待cv2.waitKey(0)

將圖片尺寸按比例縮小一半，運行效果如下：

3. 彩色圖像轉(zhuǎn)換為灰度圖像

彩色圖片有RGB三個顏色通道，無法進行腐蝕和膨脹的操作。這個就需要我們將彩色圖片轉(zhuǎn)換為hsv灰度圖像后，再進行腐蝕和膨脹的操作。

import cv2img = cv2.imread(r’D:testtest_001.jpg’, 1)new_img = cv2.resize(img, None, fx=0.5, fy=0.5)rows, cols, channels = new_img.shapeprint(rows, cols, channels)# 顯示圖像cv2.imshow(’new_img’, new_img)# 將圖片轉(zhuǎn)換為灰度圖片gray_img = cv2.cvtColor(new_img, cv2.COLOR_BGR2HSV)cv2.imshow(’hsv’, gray_img)cv2.waitKey(0)

運行效果如下：

4. 圖片二值化處理

二值化處理是為了將圖片轉(zhuǎn)換為黑白圖片，目的是濾除太大或太小值像素、消除噪聲，從而從灰度圖中獲取二值圖像（將圖像的灰度值設(shè)置為0或255），實現(xiàn)增強整個圖像呈現(xiàn)更為明顯的黑白效果，同時也大大減少了數(shù)據(jù)量。

import cv2import numpy as npimg = cv2.imread(r’D:testtest_001.jpg’, 1)new_img = cv2.resize(img, None, fx=0.5, fy=0.5)rows, cols, channels = new_img.shapeprint(rows, cols, channels)# 顯示圖像cv2.imshow(’new_img’, new_img)# 將圖片轉(zhuǎn)換為灰度圖片gray_img = cv2.cvtColor(new_img, cv2.COLOR_BGR2HSV)cv2.imshow(’hsv’, gray_img)# 圖片二值化處理low_value = np.array([90, 70, 70])high_value = np.array([110, 255, 255])binary_img = cv2.inRange(gray_img, low_value, high_value)cv2.imshow(’binary_img’, binary_img)cv2.waitKey(0)

運行效果如下：

5. 圖像的腐蝕和膨脹

圖像的膨脹（Dilation）和腐蝕（Erosion）是兩種基本的形態(tài)學運算，主要用來尋找圖像中的極大區(qū)域和極小區(qū)域。其中膨脹類似于“領(lǐng)域擴張”，將圖像中的高亮區(qū)域或白色部分進行擴張，其運行結(jié)果圖比原圖的高亮區(qū)域更大；腐蝕類似于“領(lǐng)域被蠶食”，將圖像中的高亮區(qū)域或白色部分進行縮減細化，其運行結(jié)果圖比原圖的高亮區(qū)域更小。

# 腐蝕膨脹erode = cv2.erode(binary_img, None, iterations=1)dilate = cv2.dilate(erode, None, iterations=1)cv2.imshow(’dilate’, dilate)

6. 遍歷像素點進行顏色替換

圖像是由每一個像素點組成的，找到腐蝕后得到圖片的白色底色處的像素點，然后將原圖中對應(yīng)位置處的像素點，替換為紅色或者白色，即可實現(xiàn)給照片換底色。

import cv2import numpy as npimg = cv2.imread(r’D:testtest_001.jpg’, 1)new_img = cv2.resize(img, None, fx=0.5, fy=0.5)rows, cols, channels = new_img.shapeprint(rows, cols, channels)# 顯示圖像cv2.imshow(’new_img’, new_img)# 將圖片轉(zhuǎn)換為灰度圖片gray_img = cv2.cvtColor(new_img, cv2.COLOR_BGR2HSV)# 圖片二值化處理low_value = np.array([90, 70, 70])high_value = np.array([110, 255, 255])binary_img = cv2.inRange(gray_img, low_value, high_value)# 腐蝕膨脹erode = cv2.erode(binary_img, None, iterations=1)dilate = cv2.dilate(erode, None, iterations=1)# cv2.imshow(’dilate’, dilate)# 遍歷替換for i in range(rows): for j in range(cols): if dilate[i, j] == 255: # 此處替換顏色，為BGR通道 new_img[i, j] = (0, 0, 255) # (0, 0, 255)替換為紅底 (255, 255, 255)替換為白底cv2.imshow(’red_bg_img’, new_img)# 窗口等待命令 0表示無限等待cv2.waitKey(0)cv2.destroyAllWindows()

運行效果如下：

程序運行成功，可以將照片的藍底換為紅底或者白底，成功利用opencv實現(xiàn)給照片換底色。

7. 其他說明

測試所用圖片來源于百度圖片搜索，圖片僅用于圖像處理知識交流和學習，如有侵權(quán)請聯(lián)系我刪除！

到此這篇關(guān)于Python 利用OpenCV給照片換底色的示例代碼的文章就介紹到這了,更多相關(guān)python照片換底色內(nèi)容請搜索好吧啦網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持好吧啦網(wǎng)！