计算机视觉 --基于opencv实现证件照换底色、翻转
作者：互联网
1. 原因
在实际工作生活中，需要根据各种要求，提供不同底色的证件照电子版。常见的证照件底色有红底，蓝底，白底。
但我们在大部分情况只有其中一种底色的照片，就需要通过技术手段实现证件照换底色。但因为PS技术不到位，有瑕疵，通常处理的效果不理想。
本文基于opencv-python, 通过代码的方式实现y证件照底色的替换，同时针对相关的函数如图片缩放、翻转的使用方式进行学习。
2.图片来源及换底效果展示
2.1 图片来源说明
该图片来源于百度图片，如果侵权，请联系我删除！图片仅用于知识交流学习。
2.2 换底及翻转效果展示
将证件照的底色从蓝底换成白底，下面展示了图片的左右翻转
3. 源代码及相关知识介绍
3.1 相关知识介绍
3.1.1 cvtColor 颜色空间转换函数
cvtColor函数的定义是： def cvtColor(src, code, dst=None, dstCn=None): 用于将图片的颜色空间进行转换
注意： cv2.imread读取图片，是按BGR颜色空间读取的，不是最常见的RGB格式 ，在进行证件照底色变换时，需要将图片的颜色空间转换为HSV
即hsv = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)
3.1.2 inRange
inRange函数的定义是： def inRange(src, lowerb, upperb, dst=None):， 用于将图片中介于 lower/upper 之间的为变为白色，其余的变为黑色，效果如下：
函数参数说明:
- 第一个参数：src指的是原图
- 第二个参数：lowerb指的是图像中低于这个 lower_red 的值，图像值变为 0
- 第三个参数：upperb指的是图像中高于这个 upper_red 的值，图像值变为 0
- 第四个参数：dst 指输出，一般不指定。
注意： 在 lower_red～upper_red 之间的值变成 255， 注意：不同的证件照底色，inRange的lowerb,upperb需要根据HSV色彩空间表进行设置
3.1.3 HSV颜色模型
HSV(Hue, Saturation, Value)是根据颜色的直观特性由A. R. Smith在1978年创建的一种颜色空间, 也称六角锥体模型(Hexcone Model)。
是将RGB色彩空间中的点在倒圆锥体中的表示方法，HSV即：色调（H），饱和度（S），明度（V）
色调H
用角度度量，取值范围为0°～360°，从红色开始按逆时针方向计算，红色为0°，绿色为120°,蓝色为240°。它们的补色是：黄色为60°，青色为180°,紫色为300°；
饱和度S
饱和度S表示颜色接近光谱色的程度。一种颜色，可以看成是某种光谱色与白色混合的结果。其中光谱色所占的比例愈大，颜色接近光谱色的程度就愈高，颜色的饱和度也就愈高。饱和度高，颜色则深而艳。光谱色的白光成分为0，饱和度达到最高。通常取值范围为0%～100%，值越大，颜色越饱和。
明度V
明度表示颜色明亮的程度，对于光源色，明度值与发光体的光亮度有关；对于物体色，此值和物体的透射比或反射比有关。通常取值范围为0%（黑）到100%（白）。
HSV模型的三维表示从RGB立方体演化而来。设想从RGB沿立方体对角线的白色顶点向黑色顶点观察，就可以看到立方体的六边形外形。六边形边界表示色彩，水平轴表示纯度，明度沿垂直轴测量。HSV颜色空间可以用一个圆锥空间模型来描述。
圆锥的顶点处，V=0，H和S无定义，代表黑色。圆锥的顶面中心处V=max，S=0，H无定义，代表白色。见下图：
HSV色彩空间表： 在源代码中基于HSV色彩空间表的数据，放在colorLowerB、colorUpperB，用于根据指定的颜色，产生inRange函数的lowerb，upperb参数
详见请参见：OpenCV学习笔记——HSV颜色空间超极详解&inRange函数用法及实战
3.2 源代码
证件照换底色，使用：changeImg = imageProcess.changeBackground(img1, 'blue', 'white')， 第二个参数是当前照片的底色，第三个照片是想向换成的底色
import cv2
import numpy as np
from PIL import ImageFont
class ImageProcess:
# 用于产生图片的mask遮罩,在cv2.inRange中使用, 效果是将证件底的底色变白色
colorLowerB = {
'red': np.array([156, 43, 46]),
'orange': np.array([11, 43, 46]),
'yellow': np.array([26, 43, 46]),
'green': np.array([35, 43, 46]),
'cyan': np.array([78, 43, 46]),
'blue': np.array([100, 43, 46]),
'purple': np.array([125, 43, 46]),
'black': np.array([0, 0, 0]),
'gray': np.array([0, 0, 46]),
'white': np.array([0, 0, 221]),
}
colorUpperB = {
'red': np.array([180, 255, 255]),
'orange': np.array([25, 255, 255]),
'yellow': np.array([34, 255, 255]),
'green': np.array([77, 255, 255]),
'cyan': np.array([99, 255, 255]),
'blue': np.array([124, 255, 255]),
'purple': np.array([155, 255, 255]),
'black': np.array([180, 255, 46]),
'gray': np.array([180, 43, 220]),
'white': np.array([180, 30, 255]),
}
# BGR通道
destColor = {
'red': (0, 0, 255),
'orange': (0, 165, 255),
'yellow': (0, 255, 255),
'green': (0, 128, 0),
'blue': (255, 0, 0),
'cyan': (255, 255, 0),
'purple': (128, 0, 128),
'black': (0, 0, 0),
'gray': (128, 128, 128),
'white': (255, 255, 255),
}
def __init__(self, scale=1):
self.scale = scale
def changeBackground(self, img, originColor='white', changeColor='blue'):
originImg = self.copyImg(img)
rows, cols, channels = img.shape
# 图片转换为灰度图
hsv = cv2.cvtColor(img, cv2.COLOR_BGR2HSV)
# 图片的二值化处理
lowerB = ImageProcess.colorLowerB.get(originColor)
upperB = ImageProcess.colorUpperB.get(originColor)
mask = cv2.inRange(hsv, lowerB, upperB)
# 针对图片进行腐蚀膨胀
kernel = np.ones((3, 3), np.uint8)
# kernel = None
erode = cv2.erode(mask, kernel, iterations=1)
dilate = cv2.dilate(erode, kernel, iterations=1)
# 遍历每个像素点，进行颜色的替换
print(type(ImageProcess.destColor))
tmpColor = ImageProcess.destColor.get(changeColor)
print(tmpColor)
for i in range(rows):
for j in range(cols):
if dilate[i, j] == 255: # 像素点为255表示的是白色，我们就是要将白色处的像素点，替换为红色
img[i, j] = tmpColor # 此处替换颜色，为BGR通道，不是RGB通道
return img
def copyImg(self, img):
'''
复制图像
:param img:
:return:
'''
return cv2.cvtColor(img, cv2.NORMAL_CLONE)
def flipImg(self, img):
'''
翻转图像
:param img:
:return:
'''
rows, cols = img.shape[:2]
mapx = np.zeros(img.shape[:2], np.float32)
mapy = np.zeros(img.shape[:2], np.float32)
for i in range(rows):
for j in range(cols):
mapx.itemset((i, j), cols - 1 - j)
mapy.itemset((i, j), i)
return cv2.remap(img, mapx, mapy, cv2.INTER_LINEAR)
def showMultiPics(self, imgArray):
rows = len(imgArray)
cols = len(imgArray[0])
# 第一张图片的宽高
width = imgArray[0][0].shape[1]
height = imgArray[0][0].shape[0]
for x in range(0, rows):
for y in range(0, cols):
# 遍历，如果是第一幅图像
if imgArray[x][y].shape[:2] == imgArray[0][0].shape[:2]:
imgArray[x][y] = cv2.resize(imgArray[x][y], (0, 0), None, self.scale, self.scale)
# 将其他矩阵变换为与第一幅图像相同大小，缩放比例为scale
else:
imgArray[x][y] = cv2.resize(imgArray[x][y],
(width, height), None, self.scale,
self.scale)
# 如果图像是灰度图，将其转换成彩色显示
if len(imgArray[x][y].shape) == 2:
imgArray[x][y] = cv2.cvtColor(imgArray[x][y], cv2.COLOR_GRAY2BGR)
# 创建一个空白画布，与第一张图片大小相同
imgBlank = np.zeros((height, width, 3), np.uint8)
hor = [imgBlank] * rows
for x in range(0, rows):
# 将元组里第x个列表水平排列
hor[x] = np.hstack(imgArray[x])
ver = np.vstack(hor) # 将不同列表垂直拼接
return ver
if __name__ == '__main__':
imageProcess = ImageProcess()
img1 = cv2.imread('zjz1.jpg')
img2 = cv2.imread('zjz1.jpg')
#缩放图片
img1 = cv2.resize(img1, None, fx=0.5, fy=0.5)
img2 = cv2.resize(img1, None, fx=0.5, fy=0.5)
originImg1 = imageProcess.copyImg(img1)
originImg2 = imageProcess.copyImg(img2)
flipImg = imageProcess.flipImg(img2)
changeImg = imageProcess.changeBackground(img1, 'blue', 'white')
font = cv2.FONT_HERSHEY_SIMPLEX
cv2.putText(originImg1, 'origin-pic', (0, 15), font, 0.5, (0, 0, 0), 1)
cv2.putText(originImg2, 'origin-pic', (0, 15), font, 0.5, (0, 0, 0), 1)
cv2.putText(flipImg, 'pic flip', (0, 15), font, 0.5, (0, 0, 0), 1)
cv2.putText(changeImg, 'pic change background color', (0, 15), font, 0.5, (0, 0, 0), 1)
cv2.imshow("show multi pics", imageProcess.showMultiPics(([originImg1, changeImg], [originImg2, flipImg])))
# 窗口等待的命令，0表示无限等待
cv2.waitKey(0)
cv2.destroyAllWindows()3.3 代码存在的问题
如果证件照的底色在人脸,头发或衣服等区域存在，则这些地方也会被换颜色，造成效果不好。
标签：img,--,cv2,opencv,np,array,证件照,imgArray,255 来源： https://blog.csdn.net/penriver/article/details/114436022