本文将基于Python、OpenCV和Numpy实现图像的覆盖，即小图像覆盖在大图像上。文中的示例代码讲解详细，感兴趣的小伙伴可以了解一下
前言
在本文中，我将展示如何将对象从一个图像添加到另一个图像。为此，我们需要:
1.背景图像;
2.对象
3.对象的mask(mask为黑色，其他空间为白色)。
在我们的例子中，背景是一张大海的照片，对象是一杯咖啡。在这里,他们是:
1.导入相关库
现在，使用jupiter notebook创建一个新文件。首先，我们需要导入必要的模块:
import cv2 # OpenCV import numpy as np import matplotlib.pyplot as plt
2.使用OpenCV读取和显示图像
让我们在cv2.imread()函数的帮助下打开图像并显示它们。
注意!
由于某些原因，OpenCV以BGR格式读取图像(蓝色和红色被交换)。我们需要借助cv2.cvtColor()函数将BGR转换为RGB格式。
# Original image, which is the background background = cv2.imread('background.jpg-600') background = cv2.cvtColor(background, cv2.COLOR_BGR2RGB) # Image of the object img = cv2.imread('cup.png-600') img = cv2.cvtColor(img, cv2.COLOR_BGR2RGB) # Image the object's mask mask = cv2.imread('cup_mask.png-600') mask = cv2.cvtColor(mask, cv2.COLOR_BGR2RGB) print("Background shape:", background.shape) print("Image shape:", img.shape) print("Mask shape:", img.shape) # Background shape: (1280, 1920, 3) # Image shape: (860, 1151, 3) # Mask shape: (860, 1151, 3)我们看到背景图像的高度为1280，宽度为1920，目标图像的高度为860，宽度为1151。
让我们看看这些图片:
plt.figure(figsize=(16,16)) plt.title("Background", fontsize=18) plt.imshow(background); fig, ax = plt.subplots(1, 2, figsize=(16, 7)) ax[0].imshow(img) ax[0].set_title('Object', fontsize=18) ax[1].imshow(mask) ax[1].set_title('Mask', fontsize=18);
3.从物体的图像中去除背景
现在我们将定义一个函数，它将对象的mask转换为布尔数组。
在原始mask上，对象区域填充黑色，背景区域填充白色。
布尔数组具有与原始mask相同的高度和宽度，但只有一个通道。如果一个像素属于对象区域，它的值为True，否则为False。
布尔mask将帮助我们删除所有的背景像素。
def remove_obj_background(img_path, mask_path): ''' Function returns: - image of the object with removed background in CV2 RGB format (numpy array with dimensions (width, height, 3)) - boolean mask of the object (numpy array with dimensions (width, height)) ''' img = cv2.imread(img_path) img = cv2.cvtColor(img, cv2.COLOR_BGR2RGB) mask = cv2.imread(mask_path) mask = cv2.cvtColor(mask, cv2.COLOR_BGR2RGB) h, w = mask.shape[0], mask.shape[1] # Boolean mask is a numpy array with two dimensions: width and height. # On the original mask, object area is filled with black color, background area is filled with white color. # On the boolean mask, object area is filled with True, background area is filled with False. mask_boolean = mask[:,:,0] == 0 img_with_removed_background = img * np.stack([mask_boolean, mask_boolean, mask_boolean], axis=2) return img_with_removed_background, mask_boolean img_with_removed_background, mask_boolean = remove_obj_background('cup.png-600', 'cup_mask.png-600') print("Shape of the image of the object:", img_with_removed_background.shape) print("Shape of the boolean mask:", mask_boolean.shape) print("\n") # Image with removed background shape: (860, 1151, 3) # Boolean mask shape: (860, 1151) fig, ax = plt.subplots(1, 2, figsize=(16, 7)) ax[0].imshow(img_with_removed_background) ax[0].set_title('Object with removed background', fontsize=18) ax[1].imshow(mask_boolean) ax[1].set_title('Boolean mask', fontsize=18);
4.添加对象到背景图像
在我们定义向背景图像添加对象的函数之前，我需要解释和可视化几个图像重叠的情况。
比如说，背景图像的高度是h_background，宽度是w_background，而目标图像的高度是h，宽度是w。
h应该小于h_background, w应该小于w_background。
case1) 如果我们将物体放置在背景的中间，那么一切都很简单:大小为h x w的背景区域部分应该被物体替换掉。
case2) 如果我们将物体放置在背景的左上角，那么物体的一部分可能在背景区域之外。在这种情况下，背景区域的大小(h - y) x (w - x)的部分应该被替换为对象。
这里-x和-y是对象图像左上角的坐标。符号' - '在这里是因为背景图像的左上角坐标x=0和y=0。从背景图像的左上角到对象左上角的所有区域的x坐标都是负的，高于背景图像的左上角的所有区域的y坐标都是负的。
case3) 如果我们将物体放置在背景的左下角，那么物体的一部分可能在背景区域之外。在这种情况下，背景区域大小为(h_background - y) x (w - x)的部分应该被替换为对象。
一般,面积可以计算为(h - max (0, y + h - h_background)) x (w - x),因为如果目标图像的最低边界在背景图像的最低边界之上，那么h x (w - x)区域应该被替换为目标。
case4) 如果我们将物体放在背景的右上角，那么物体的一部分可能会在背景区域之外。在这种情况下，大小为 (h - y) x (w_background - x) 的背景区域部分应替换为对象。
一般来说，面积可以计算为 (h - y) x (w - max(0, x + w - w_background))，因为如果物体图像的右边界在背景图像右边界的左侧，则 (h - y) x w 区域应替换为对象。
case5) 如果我们将物体放在背景的右下角，那么物体的一部分可能会在背景区域之外。在这种情况下，大小为 (h_background - y) x (w_background - x) 的背景区域部分应替换为对象。
一般来说，面积可以计算为 (h - max(0, y + h - h_background)) x (w - max(0, x + w - w_background))，因为如果物体图像的右侧部分在背景图像的右部分的左边，如果对象图像的最低部分高于背景图像的最低部分，则应将h x w区域替换为对象。
现在，考虑到上述所有情况，让我们定义函数:
def add_obj(background, img, mask, x, y): ''' Arguments: background - background image in CV2 RGB format img - image of object in CV2 RGB format mask - mask of object in CV2 RGB format x, y - coordinates of the center of the object image 0= 0 and y >= 0: h_part = h - max(0, y+h-h_bg) # h_part - part of the image which overlaps background along y-axis w_part = w - max(0, x+w-w_bg) # w_part - part of the image which overlaps background along x-axis bg[y:y+h_part, x:x+w_part, :] = bg[y:y+h_part, x:x+w_part, :] * ~mask_rgb_boolean[0:h_part, 0:w_part, :] + (img * mask_rgb_boolean)[0:h_part, 0:w_part, :] elif x <0 and y < 0: h_part=h + w_part=w x bg[0:0+h_part, 0:0+w_part, :] * ~mask_rgb_boolean[h-h_part:h, w-w_part:w, (img mask_rgb_boolean)[h-h_part:h, elif 0>= 0: h_part = h - max(0, y+h-h_bg) w_part = w + x bg[y:y+h_part, 0:0+w_part, :] = bg[y:y+h_part, 0:0+w_part, :] * ~mask_rgb_boolean[0:h_part, w-w_part:w, :] + (img * mask_rgb_boolean)[0:h_part, w-w_part:w, :] elif x >= 0 and y <0: h_part=h + y w_part=w - max(0, x+w-w_bg) bg[0:0+h_part, x:x+w_part, :] * ~mask_rgb_boolean[h-h_part:h, 0:w_part, (img mask_rgb_boolean)[h-h_part:h, return bg < pre>
除了将背景、对象和mask图像传递给函数外，我们还将传递坐标x和y，它们定义了对象的中心位置。
坐标(0,0)是背景的左上角。
w_bg和h_bg是背景的宽度和高度。
x和y应满足以下条件:0 让我们看看这个函数是如何工作的。 例1). 让我们把杯子放在背景的中央。背景的宽度是1920，高度是1280，所以对象的中心坐标是x=1920/2=960和y=1280/2=640。 例2). 让我们把杯子放在背景的左下角。这一次，对象的中心坐标是x=200和y=1100。 例 3). 让我们把杯子放在背景的右下角。这次对象中心的坐标是 x=1800 和 y=1100。 例 4). 让我们把杯子放在背景的左上角。这次对象中心的坐标是 x=200 和 y=200。 例5). 让我们把杯子放在背景的右上角。这一次，对象的中心坐标是x=1800和y=200。 以上就是基于Python OpenCV实现图像的覆盖的详细内容，更多关于Python OpenCV图像覆盖的资料请关注0133技术站其它相关文章！5.结果展示
composition_1 = add_obj(background, img, mask, 960, 640) plt.figure(figsize=(15,15)) plt.imshow(composition_1);
composition_2 = add_obj(composition_1, img, mask, 200, 1100) plt.figure(figsize=(15,15)) plt.imshow(composition_2);
composition_3 = add_obj(composition_2, img, mask, 1800, 1100) plt.figure(figsize=(15,15)) plt.imshow(composition_3);
composition_4 = add_obj(composition_3, img, mask, 200, 200) plt.figure(figsize=(15,15)) plt.imshow(composition_4);
composition_5 = add_obj(composition_4, img, mask, 1800, 200) plt.figure(figsize=(15,15)) plt.imshow(composition_5);
以上就是基于Python OpenCV实现图像的覆盖的详细内容，更多请关注0133技术站其它相关文章！
