文章详情

短信预约-IT技能 免费直播动态提醒

请输入下面的图形验证码

提交验证

短信预约提醒成功

怎么使用Python+OpenCV实现图像识别替换功能

2023-07-02 18:05

关注

本文小编为大家详细介绍“怎么使用Python+OpenCV实现图像识别替换功能”,内容详细,步骤清晰,细节处理妥当,希望这篇“怎么使用Python+OpenCV实现图像识别替换功能”文章能帮助大家解决疑惑,下面跟着小编的思路慢慢深入,一起来学习新知识吧。

OpenCV-Python是一个Python库,旨在解决计算机视觉问题。

OpenCV是一个开源的计算机视觉库,1999年由英特尔的Gary Bradski启动。Bradski在访学过程中注意到,在很多优秀大学的实验室中,都有非常完备的内部公开的计算机视觉接口。这些接口从一届学生传到另一届学生,对于刚入门的新人来说,使用这些接口比重复造轮子方便多了。这些接口可以让他们在之前的基础上更有效地开展工作。OpenCV正是基于为计算机视觉提供通用接口这一目标而被策划的。

安装opencv

pip3 install -i https://pypi.doubanio.com/simple/ opencv-python

思路:

首先区分三张图片:

base图片代表初始化图片;

template图片代表需要在大图中匹配的图片;

white图片为需要替换的图片。

怎么使用Python+OpenCV实现图像识别替换功能

怎么使用Python+OpenCV实现图像识别替换功能

怎么使用Python+OpenCV实现图像识别替换功能

然后template图片逐像素缩小匹配,设定阈值,匹配度到达阈值的图片,判定为在初始图片中;否则忽略掉。

匹配到最大阈值的地方,返回该区域的位置(x,y)

然后用white图片resize到相应的大小,填补到目标区域。

match函数:

"""检查模板图片中是否包含目标图片"""def make_cv2(photo1, photo2):    global x, y, w, h, num_1,flag    starttime = datetime.datetime.now()    #读取base图片    img_rgb = cv2.imread(f'{photo1}')    #读取template图片    template = cv2.imread(f'{photo2}')    h, w = template.shape[:-1]    print('初始宽高', h, w)    res = cv2.matchTemplate(img_rgb, template, cv2.TM_CCOEFF_NORMED)    print('初始最大相似度', res.max())    threshold = res.max()    """,相似度小于0.2的,不予考虑;相似度在[0.2-0.75]之间的,逐渐缩小图片"""    print(threshold)    while threshold >= 0.1 and threshold <= 0.83:        if w >= 20 and h >= 20:            w = w - 1            h = h - 1            template = cv2.resize(                template, (w, h), interpolation=cv2.INTER_CUBIC)            res = cv2.matchTemplate(img_rgb, template, cv2.TM_CCOEFF_NORMED)            threshold = res.max()            print('宽度:', w, '高度:', h, '相似度:', threshold)        else:            break    """达到0.75覆盖之前的图片"""    if threshold > 0.8:        loc = np.where(res >= threshold)        x = int(loc[1])        y = int(loc[0])        print('覆盖图片左上角坐标:', x, y)        for pt in zip(*loc[::-1]):            cv2.rectangle(                img_rgb, pt, (pt[0] + w, pt[1] + h), (255, 144, 51), 1)        num_1 += 1        endtime = datetime.datetime.now()        print("耗时:", endtime - starttime)        overlay_transparent(x, y, photo1, photo3)    else:        flag = False

replace函数:

"""将目标图片镶嵌到指定坐标位置"""def overlay_transparent(x, y, photo1, photo3):    #覆盖图片的时候上下移动的像素空间    y += 4    global w, h, num_2    background = cv2.imread(f'{photo1}')    overlay = cv2.imread(f'{photo3}')    """缩放图片大小"""    overlay = cv2.resize(overlay, (w, h), interpolation=cv2.INTER_CUBIC)    background_width = background.shape[1]    background_height = background.shape[0]    if x >= background_width or y >= background_height:        return background    h, w = overlay.shape[0], overlay.shape[1]    if x + w > background_width:        w = background_width - x        overlay = overlay[:, :w]    if y + h > background_height:        h = background_height - y        overlay = overlay[:h]    if overlay.shape[2] < 4:        overlay = np.concatenate([overlay, np.ones((overlay.shape[0], overlay.shape[1], 1), dtype=overlay.dtype) * 255],axis=2,)    overlay_image = overlay[..., :3]    mask = overlay[..., 3:] / 255.0    background[y:y + h,x:x + w] = (1.0 - mask) * background[y:y + h,x:x + w] + mask * overlay_image    # path = 'result'    path = ''    cv2.imwrite(os.path.join(path, f'1.png'), background)    num_2 += 1    print('插入成功。')    init()

每次执行需要初始化x,y(图片匹配初始位置参数),w,h(图片缩放初始宽高)

x = 0y = 0w = 0h = 0flag = Truethreshold = 0template = ''num_1 = 0num_2 = 0photo3 = ''"""参数初始化"""def init():    global x, y, w, h, threshold, template,flag    x = 0    y = 0    w = 0    h = 0    threshold = 0    template = ''

完整代码

import cv2import datetimeimport osimport numpy as npx = 0y = 0w = 0h = 0flag = Truethreshold = 0template = ''num_1 = 0num_2 = 0photo3 = ''"""参数初始化"""def init():    global x, y, w, h, threshold, template,flag    x = 0    y = 0    w = 0    h = 0    threshold = 0    template = ''"""检查模板图片中是否包含目标图片"""def make_cv2(photo1, photo2):    global x, y, w, h, num_1,flag    starttime = datetime.datetime.now()    img_rgb = cv2.imread(f'{photo1}')    template = cv2.imread(f'{photo2}')    h, w = template.shape[:-1]    print('初始宽高', h, w)    res = cv2.matchTemplate(img_rgb, template, cv2.TM_CCOEFF_NORMED)    print('初始最大相似度', res.max())    threshold = res.max()    """,相似度小于0.2的,不予考虑;相似度在[0.2-0.75]之间的,逐渐缩小图片"""    print(threshold)    while threshold >= 0.1 and threshold <= 0.83:        if w >= 20 and h >= 20:            w = w - 1            h = h - 1            template = cv2.resize(                template, (w, h), interpolation=cv2.INTER_CUBIC)            res = cv2.matchTemplate(img_rgb, template, cv2.TM_CCOEFF_NORMED)            threshold = res.max()            print('宽度:', w, '高度:', h, '相似度:', threshold)        else:            break    """达到0.75覆盖之前的图片"""    if threshold > 0.8:        loc = np.where(res >= threshold)        x = int(loc[1])        y = int(loc[0])        print('覆盖图片左上角坐标:', x, y)        for pt in zip(*loc[::-1]):            cv2.rectangle(                img_rgb, pt, (pt[0] + w, pt[1] + h), (255, 144, 51), 1)        num_1 += 1        endtime = datetime.datetime.now()        print("耗时:", endtime - starttime)        overlay_transparent(x, y, photo1, photo3)    else:        flag = False"""将目标图片镶嵌到指定坐标位置"""def overlay_transparent(x, y, photo1, photo3):    y += 0    global w, h, num_2    background = cv2.imread(f'{photo1}')    overlay = cv2.imread(f'{photo3}')    """缩放图片大小"""    overlay = cv2.resize(overlay, (w, h), interpolation=cv2.INTER_CUBIC)    background_width = background.shape[1]    background_height = background.shape[0]    if x >= background_width or y >= background_height:        return background    h, w = overlay.shape[0], overlay.shape[1]    if x + w > background_width:        w = background_width - x        overlay = overlay[:, :w]    if y + h > background_height:        h = background_height - y        overlay = overlay[:h]    if overlay.shape[2] < 4:        overlay = np.concatenate([overlay, np.ones((overlay.shape[0], overlay.shape[1], 1), dtype=overlay.dtype) * 255],axis=2,)    overlay_image = overlay[..., :3]    mask = overlay[..., 3:] / 255.0    background[y:y + h,x:x + w] = (1.0 - mask) * background[y:y + h,x:x + w] + mask * overlay_image    # path = 'result'    path = ''    cv2.imwrite(os.path.join(path, f'1.png'), background)    num_2 += 1    print('插入成功。')    init()if __name__ == "__main__":    photo1 = "1.png"    photo2 = "3.png"    photo3 = "white.png"    while flag == True:        make_cv2(photo1, photo2)        overlay_transparent(x, y, photo1, photo3)

执行结果:

怎么使用Python+OpenCV实现图像识别替换功能

读到这里,这篇“怎么使用Python+OpenCV实现图像识别替换功能”文章已经介绍完毕,想要掌握这篇文章的知识点还需要大家自己动手实践使用过才能领会,如果想了解更多相关内容的文章,欢迎关注编程网行业资讯频道。

阅读原文内容投诉

免责声明:

① 本站未注明“稿件来源”的信息均来自网络整理。其文字、图片和音视频稿件的所属权归原作者所有。本站收集整理出于非商业性的教育和科研之目的,并不意味着本站赞同其观点或证实其内容的真实性。仅作为临时的测试数据,供内部测试之用。本站并未授权任何人以任何方式主动获取本站任何信息。

② 本站未注明“稿件来源”的临时测试数据将在测试完成后最终做删除处理。有问题或投稿请发送至: 邮箱/279061341@qq.com QQ/279061341

软考中级精品资料免费领

  • 历年真题答案解析
  • 备考技巧名师总结
  • 高频考点精准押题
  • 2024年上半年信息系统项目管理师第二批次真题及答案解析(完整版)

    难度     813人已做
    查看
  • 【考后总结】2024年5月26日信息系统项目管理师第2批次考情分析

    难度     354人已做
    查看
  • 【考后总结】2024年5月25日信息系统项目管理师第1批次考情分析

    难度     318人已做
    查看
  • 2024年上半年软考高项第一、二批次真题考点汇总(完整版)

    难度     435人已做
    查看
  • 2024年上半年系统架构设计师考试综合知识真题

    难度     224人已做
    查看

相关文章

发现更多好内容

猜你喜欢

AI推送时光机
位置:首页-资讯-后端开发
咦!没有更多了?去看看其它编程学习网 内容吧
首页课程
资料下载
问答资讯