一、简述ROI及mask(掩模)技术 1、ROI(region of interest)——感兴趣区域
用途:这个区域是图像分析所关注的重点。圈定这个区域,以便进行进一步的处理。而且,使用ROI指定想读入的目标,可以减少处理时间,增加精度,给图像处理带来不小的便利。
2、利用mask(掩模)技术提取纯色背景图像ROI区域中的人和物,并将提取出来的人或物添加在其他图像上。
二、实现原理 先通过cvtColor函数,将原RGB彩色图像转换成hsv色彩风格,然后通过inRange()函数获得ROI区域的mask,接着利用bitwise_not()函数将mask图像取反,最后利用copyTo函数将取反后的图像拷贝到新的图像上。
三、函数原型
1、cvtColor函数
2、inRange函数
文章图片
注:HSV即Hue(色调),Saturation(饱和度)和Value(亮度)
- image为要进行色彩空间转换的原图
- hsv为转换后的图片
- COLOR_BGR2HSV为转换类型,即将原图RGB色彩空间转换为HSV色彩空间
作用:inRange函数可实现二值化功能,更关键的是可以同时针对多通道进行操作,使用起来非常方便
c++原型:
文章图片
注意:该函数输出的dst是一幅二值化之后的图像
- 参数一:输入要处理的图像,可以为单通道或多通道
- 参数二:包含下边界的数组或标量
- 参数三:包含上边界数组或标量
- 参数四:输出图像,与输入图像src 尺寸相同且为CV_8U 类型
inRange函数通过设置不同的h、s、v的min和max阈值可以获取不同色彩的一个二值的mask图,下图为各颜色的阈值表:
文章图片
inRange函数补充:3、copyTo函数
1、针对单通道图像
dst(I) = lowerb(I)0 ≤ src(I)0 < upperb(I)0
即,如果一幅灰度图像的某个像素的灰度值在指定的高、低阈值范围之内,则在dst图像中令该像素值为255,否则令其为0,这样就生成了一幅二值化的输出图像。
2、针对三通道图像
dst(I) = lowerb(I)0 ≤ src(I)0 < upperb(I)0 ∧ lowerb(I)1 ≤ src(I)1 < upperb(I)1 ∧lowerb(I)2 ≤ src(I)2 < upperb(I)2
即,每个通道的像素值都必须在规定的阈值范围内!
3、inRange函数类似threshold()函数【去掉噪,例如过滤很小或很大像素值的图像点】
OpenCV中image.copyTo()有两种形式:四、实现效果 1、二值化之后的图像mask
1、image.copyTo(image_roi),作用是把image的内容复制到imageROI;
2、image.copyTo(image_roi,mask),作用是把原图(image)和掩膜(mask)与运算后得到ROI区域(image_roi)。
文章图片
mask就是位图,如果mask像素的值是非0的,我就拷贝它,否则不拷贝。(非零的位置就是原图中的那些需要拷贝的部分)
文章图片
2、图像取反
文章图片
3、将掩膜(提取到的ROI区域)拷贝到新图像上
文章图片
五、代码
void test1::inRange_demo(Mat &image)
{
Mat hsv;
cvtColor(image,hsv,COLOR_BGR2HSV);
//将原图RGB色彩空间转换为HSV色彩空间//提取mask
Mat mask;
inRange(hsv,Scalar(35,43,46),Scalar(77,255,255),mask);
//二值化之后的图像mask
imshow("mask1",mask);
Mat blueBack = Mat::zeros(image.size(),image.type());
blueBack = Scalar(211,35,35);
bitwise_not(mask,mask);
imshow("mask2",mask);
//只有那些像素在mask上面不为0的像素点才会被提取到新图像上,也就是图像取反之后的白色部分(人物),为0的就不要了(黑色背景部分)
image.copyTo(blueBack,mask);
//将掩膜(提取到的ROI区域)拷贝到新图像blueBack上
imshow("ROI eara",blueBack);
}
补充:
为什么取反色?
因为现在提取的背景是绿色,绿色是1,代表背景在这个遮罩上面是1 的像素的可变形,可以被拷贝,而人的区域是黑色,就不可以被拷贝,所以先给他取反,取反之后就可以拷贝人的部分(黑变白),然后把抠出来的人贴到另一张图上去。
【Qt实战|Qt+OpenCV联合开发(十四)--图像感兴趣区域(ROI)的提取】为什么放绿幕?
为什么网红主播在播一个东西的时候,后面放一个绿幕,然后背景就可以任意切换,这是非常简单的,如果再加上融合技术就会达到一个很好的效果。 当然现在用深度学习做出来的就会有更好的像素融合,精度更高。在RGB色彩空间,我们很难准确去提取这些像素值,因为分布的颜色太广,所以放到HSV像素空间只有HS控制颜色,就很容易进行提取。所以当你看到一个单一颜色的时候,你第一反应应该是把他转到色彩辨识度的色彩空间里面去,比如HSV LAB HSI,处理完之后再返回RGB。
推荐阅读
- 人脸识别|【人脸识别系列】| 实现自动化妆
- OpenCV|OpenCV-Python实战(18)——深度学习简介与入门示例
- c/c++|有感 Visual Studio 2015 RTM 简介 - 八年后回归 Dot Net,终于迎来了 Mvc 时代,盼走了 Web 窗体时代...
- C/C++|C/C++ basis 02
- opencv|图像处理之椒盐噪声的添加与去除
- 人脸识别|【人脸识别系列】| 实现人脸截图保存并编写128维特征向量
- opencv|网络爬虫入门练习
- OpenCV|【OpenCV 完整例程】89. 带阻滤波器的传递函数
- OpenCV|【OpenCV 完整例程】90. 频率域陷波滤波器
- OpenCV|【OpenCV 完整例程】22. 图像添加非中文文字