ITPub博客

首页 > 应用开发 > Python > 教你如何用python把玩守望先锋新英雄

教你如何用python把玩守望先锋新英雄

原创 Python 作者:数据团学社 时间:2018-11-29 12:00:09 0 删除 编辑

本文约1500字,阅读需要5分钟

关键词:Python P图  OpenCV

本文讲述了借助Python语言和OpenCV工具库完成一个简单的P图操作的过程~

作为一名可视化工程师,如果只会使用PS,那么你一定OUT了。在专注各种花式P图多年,在学习PS,AI,PR,AE,XD……无数设计软件之后,本人终于悟到了一门独步江湖的绝技——“代码P图”。

今天,我就把这门P图界的无上秘籍,传授给你!希望你在炫技(zuo si)的道路上越走越远。

来看一下今天的素材:守望先锋新上线的英雄——艾什的正面照:

然后这是一张背景图:

今天的任务很简单,我要对第一张图中的人物进行抠图,然后贴在背景图上

这个操作用PS并不复杂,让我们来看一下这一过程如何用代码来实现~

 素材处理 


首先,导入一些工具包

opencv(cv2),用于图像处理

numpy,用于数据计算。

matplotlib用于出图。

import cv2
import numpy as np
import matplotlib.pyplot as plt

 建立一个显示图片的函数,便于在P图过程中,实时查看效果

使用的是matplotlib的功能,和制作图表的过程一致。

#建立显示图片的函数
def show(image):
    plt.imshow(image)
    plt.axis('off')
    plt.show()

 然后,导入前景图

因为opencv的图片默认使用BGR图像格式,而我们通常使用的图片是RGB(红,绿,蓝),所以,需要再转换一下格式,否则查看时颜色会失真。

最后打印图片规格和图片本身

#导入前景图
img=cv2.imread('img.png'#图片导入
img = cv2.cvtColor(img,cv2.COLOR_BGR2RGB) #转换颜色模型
print(img.shape) #打印图片规格
show(img) #显示图片

 来看一下效果,高1054像素,长703像素,3通道。

 

同样的方法,导入背景图

#导入背景图
back_img = cv2.imread('back_img.jpg'#图片导入
back_img = cv2.cvtColor(back_img,cv2.COLOR_BGR2RGB) #转换颜色模型
print(back_img.shape) #打印图片规格
show(back_img) #显示图片

 

效果如下,高1079,长1920,3通道。

我们发现人物图高度和背景高度差不多,且我们只要中间的人像即可,那么我们先来适当地裁剪一下图片

#裁剪图片
img = img[0:1000,150:550#裁剪图片大小
show(img) #显示图片


通过切片,裁去了logo

 

再对图片缩小10%,这样大小最为合适

#缩放图片
print(img.shape) #打印图片规格
img=cv2.resize(img,None,fx=0.9,fy=0.9#图片缩小10%
print(img.shape) #打印图片规格

 打印一下图片尺寸,发现裁剪成功

图片在计算机中是用数字矩阵形式保存的,红、绿、蓝三个颜色通道每种色各分为256阶,分别由0-255这256个数表示。比如900*360的图片,可以理解为900行360列的像素矩阵,而每个像素又是由R,G,B三个数字确认其颜色的。于是,我们先把图片的行,列数记录下来,稍后可以用诸如遍历的方法读取每个像素,再对其进行矩阵计算。

#拆分图片信息
rows,cols,channels = img.shape #拆分图片信息

 抠图:三种效果 


抠图的方法雷同PS,我们要先建立个蒙版。在开始之前,我们先需要把图片转换成HSV格式,这是一种比较直观的颜色模型,可以更好的数字化处理颜色。

#转换格式
img_hsv = cv2.cvtColor(img,cv2.COLOR_RGB2HSV) #把图片转换成HSV格式,用于抠图
show(img_hsv) #显示图片

 看下效果:

 

虽然不能直视,但做法显而易见,只要把非蓝色的部分提取出来。我们设定一个阈值,在最小阈值以下和最大阈值以上,图像变为0,而在阈值之间的变为255。

#抠图
lower_blue=np.array([0,0,0]) #获取最小阈值
upper_blue=np.array([0,255,255]) #获取最大阈值
mask = cv2.inRange(img_hsv, lower_blue, upper_blue) #创建遮罩
show(mask) #显示遮罩

 然后,遮罩就这么给整了出来。

 

不过,我们发现,人物中间有那么多小点点,我需要把它们去掉。这里使用形态学图像处理的基本方法,先腐蚀后膨胀。其原理是在原图的小区域内取局部最小值和最大值,背后的逻辑为深度学习中的卷积神经网络。

通过尝试,我发现还可以使用开运算(先腐蚀后膨胀的整合运算)直接完成这一过程,且效果相对较好。

erode=cv2.erode(mask,None,iterations=3#图像腐蚀
show(erode) #显示图片
dilate=cv2.dilate(erode,None,iterations=1#图像膨胀
show(dilate) #显示图片

opening = cv2.morphologyEx(mask, cv2.MORPH_OPEN, cv2.getStructuringElement(cv2.MORPH_ELLIPSE, (8,8))) #开运算
show(opening) #显示图片

 大家可以自行比较下腐蚀腐蚀后膨胀开运算的效果:

 图像合并 


最后,终于到了图像合并环节。先设定人物在背景图中的起始位置。再遍历遮罩中的每个像素,如果是0(代表黑色),则把人物图像上的颜色赋值到背景图像上。

center = [70,240#设置前景图开始位置
for i in range(rows):
    for j in range(cols):
        if opening[i,j]==0#代表黑色
            back_img[center[0]+i,center[1]+j] =img[i,j] #赋值颜色
show(back_img) #显示图片

 运行完毕,显示结果:

受限于图片质量和简化代码,略显粗糙,但大体已经达到功能~

最后,调整图片格式,并保存。

back_img = cv2.cvtColor(back_img,cv2.COLOR_RGB2BGR) #图像格式转换
back_img=cv2.resize(back_img,None,fx=0.8,fy=0.8#图像缩放20%
cv2.imwrite('result.png',back_img) #保存图像

来自 “ ITPUB博客 ” ,链接:http://blog.itpub.net/31558017/viewspace-2222099/,如需转载,请注明出处,否则将追究法律责任。

请登录后发表评论 登录
全部评论

注册时间:2018-10-12

  • 博文量
    8
  • 访问量
    5545