PS是大多數(shù)人都會(huì)實(shí)用的電腦p圖軟件，但是，在我學(xué)會(huì)了python之后，我發(fā)現(xiàn)代碼p圖實(shí)在是再方便不過了。

來看一下今天案例的素材：守望先鋒上的英雄，艾什的正面照

然后這是一張背景圖：

?

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，讓我們來看一下這一過程如何用代碼來實(shí)現(xiàn)~

素材處理

對(duì)python爬蟲感興趣，想學(xué)習(xí)，更多python入門資料，實(shí)操案例都會(huì)不定期分享給大家，喜歡python的，可以關(guān)注我哦。有整理的系統(tǒng)入門到項(xiàng)目的實(shí)戰(zhàn)資料，點(diǎn)擊我的主頁領(lǐng)取

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。

建立一個(gè)顯示圖片的函數(shù)，便于在p圖過程中，實(shí)時(shí)查看效果

使用的是matplotlib功能

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

來看一下效果，高1054像素，長(zhǎng)703像素，3通道

同樣的方法，導(dǎo)入背景圖

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，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，只要把非藍(lán)色的部分提取出來。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。

?

不過，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)。

通過嘗試，我發(fā)現(xiàn)還可以使用開運(yùn)算（先腐蝕后膨脹的整合運(yùn)算）直接完成這一過程，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：

受限于圖片質(zhì)量和簡(jiǎn)化代碼，略顯粗糙，但大體已經(jīng)達(dá)到功能~

最后，調(diào)整圖片格式，并保存。

back_img =?CV2.cvtColor(back_img,CV2.COLOR_RGB2BGR) #圖像格式轉(zhuǎn)換

back_img=CV2.resize(back_img,None,fx=0.8,fy=0.8) #圖像縮放20%

CV2.imwrite('result.png',back_img) #保存圖像

今天的案例就結(jié)束啦，對(duì)python爬蟲感興趣，想學(xué)習(xí)，更多python入門資料，實(shí)操案例都會(huì)不定期分享給大家，喜歡python的，可以關(guān)注我哦。有整理的系統(tǒng)入門到項(xiàng)目的實(shí)戰(zhàn)資料

獲取方式：點(diǎn)贊+評(píng)論資料