历史类网站策划简述网络营销的含义
使用 OpenCV 和 NumPy 进行图像处理：HSV 范围筛选实现PS抠图效果
在计算机视觉和图像处理领域，OpenCV 是一个非常强大的库，能够帮助我们执行各种图像操作。在这篇博客中，我们将通过一个简单的示例演示如何使用 OpenCV 和 NumPy 来进行 HSV（色相、饱和度、明度）范围筛选，以提取图像中的特定颜色区域。
1. 创建虚拟环境
新建文件夹, 并在文件夹中创建虚拟环境,可以使用Vscode打开文件夹, 然后在终端中输入以下命令:
python -m venv venv
2. 激活虚拟环境
在终端中输入以下命令:
venv\Scripts\activate
3. 安装依赖
在终端中输入以下命令:
pip install opencv-python
4. 代码实现
首先，我们需要导入所需的库：
import cv2
import numpy as np
接下来，我们定义一个函数 inrange_demo，该函数接收一幅图像作为参数，并执行以下步骤：
1. 将图像从 BGR 转换为 HSV
OpenCV 默认使用 BGR（蓝、绿、红）颜色空间，因此我们首先需要将图像转换为 HSV 颜色空间，以便更容易地进行颜色范围筛选。
hsv = cv2.cvtColor(image, cv2.COLOR_BGR2HSV)
cv2.imshow("hsv", hsv)
cv2.waitKey(0)
2. 创建 HSV 范围的掩膜
我们使用 cv2.inRange 函数来创建一个掩膜，该掩膜只保留在指定 HSV 范围内的像素。这里的范围是 (35, 43, 46) 到 (77, 255, 255)，这通常对应于绿色的颜色范围。
mask = cv2.inRange(hsv, (35, 43, 46), (77, 255, 255))
cv2.imshow("mask", mask)
cv2.waitKey(0)
3. 创建黑色背景
我们创建一个与原始图像相同大小的黑色背景，以便后续操作。
redback = np.zeros(image.shape, image.dtype)
4. 反转掩膜
通过 cv2.bitwise_not 函数，我们可以反转掩膜，以便选择不在指定颜色范围内的区域。
mask_inv = cv2.bitwise_not(mask)
cv2.imshow("inverted mask", mask_inv)
cv2.waitKey(0)
5. 确保掩膜是三通道
为了将掩膜应用于原始图像，我们需要将反转后的掩膜扩展到三通道。
mask_inv_3d = mask_inv[:, :, np.newaxis]
6. 应用掩膜并显示结果
最后，我们使用 np.where 函数将原始图像与黑色背景结合，显示出感兴趣区域。
redback[:] = np.where(mask_inv_3d == 255, image, redback)
cv2.imshow("roi区域", redback)
示例用法
在函数定义之后，我们可以通过以下代码读取一幅图像并调用 inrange_demo 函数：
image = cv2.imread("D:\\images\\1.png")
inrange_demo(image)
cv2.waitKey(0)
cv2.destroyAllWindows()
图像素材
实现效果
在运行代码后，你将看到以下图像：
总结
以上代码演示了如何使用 OpenCV 和 NumPy 进行基本的图像处理，特别是 HSV 范围筛选。通过这种方法，我们可以提取图像中感兴趣的颜色区域，并在黑色背景上显示它们。这种技术在物体检测和识别、图像分割等应用中非常有用。
扩展
使用白色背景显示图像特定区域
import cv2
import numpy as npdef inrange_demo(image):# Convert the image from BGR to HSVhsv = cv2.cvtColor(image, cv2.COLOR_BGR2HSV)cv2.imshow("hsv", hsv)cv2.waitKey(0)# Create a mask for the specified HSV rangemask = cv2.inRange(hsv, (35, 43, 46), (77, 255, 255))cv2.imshow("mask", mask)cv2.waitKey(0)# Create a white backgroundredback = np.zeros(image.shape, dtype=image.dtype)whiteback=redback+255# Invert the maskmask_inv = cv2.bitwise_not(mask)# Show the inverted maskcv2.imshow("inverted mask", mask_inv)cv2.waitKey(0)# Ensure mask_inv is 3-channel by expanding its dimensionsmask_inv_3d = mask_inv[:, :, np.newaxis]# Copy the original image to the background where the mask is appliedwhiteback[:] = np.where(mask_inv_3d == 255, image, whiteback)# Show the region of interestcv2.imshow("roi区域", whiteback)# Example usage:
image = cv2.imread("D:\\images\\1.png")
inrange_demo(image)
cv2.waitKey(0)
cv2.destroyAllWindows()实现效果
这里特别提供一下HSV颜色取值范围,建议收藏一下:
HSV 颜色取值范围
希望这篇博客对你理解图像处理有所帮助！