OpenCV图像无缝融合-seamlessClone使用(Python/C++源码)

2023-10-14 17:20

本文主要是介绍OpenCV图像无缝融合-seamlessClone使用(Python/C++源码),希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

导读

本期将介绍并演示OpenCV使用seamlessClone实现图像无缝融合效果。

介绍

seamlessClone是OpenCV3后添加的函数,使用此函数可以轻松将一幅图像中的指定目标复制后粘贴到另一幅图像中,并自然的融合。函数说明:

参数:

src

输入8位3通道图像(截取目标的大图)

dst

输入8位3通道图像(待粘贴融合的目标背景图标)

mask

输入8位1或3通道图像(目标掩码区域图像)

p

对象被放置在目标图像dst中的位置

blend

输出图像,与dst具有相同大小和类型。

flags

克隆方法可以是cv :: NORMAL_CLONE,cv :: MIXED_CLONE或cv :: MONOCHROME_TRANSFER

-NORMAL_CLONE: 不保留dst 图像的texture细节。目标区域的梯度只由源图像决定。

-MIXED_CLONE: 保留dest图像的texture 细节。目标区域的梯度是由原图像和目的图像的组合计算出来(计算dominat gradient)。

-MONOCHROME_TRANSFER: 不保留src图像的颜色细节,只有src图像的质地,颜色和目标图像一样,可以用来进行皮肤质地填充。

效果展示

手动框选左图中的花灯,然后自动粘贴融合到右图背景中:

下图展示了使用OpenCV图像融合的一个示例,其中的src图(飞机)是通过图像融合的方式合成到dsc 目标背景图像上。与src图(飞机)直接贴图到dsc 目标背景上想比,不难发现图像融合的神奇之处。

参数对比演示与实现步骤

src图:

框选ROI区域设定mask:

dst背景图:

NORMAL_CLONE:

MIXED_CLONE:

MONOCHROME_TRANSFER:

实验总结:

对比发现第二种MIXED_CLONE参数效果融合最自然,不会覆盖背景图信息。

放花灯程序实现步骤:

(1) 使用OpenCV鼠标事件绘制矩形截取Rect设置mask(不会的话看我B站的视频教程有详细讲解);

(2) 使用seamlessClone完成图像融合。

效果见开头效果视频,源码如下:

(1) Python版本:

import cv2
import numpy as npflag = False
x1=y1=0def gen_light(rect):global temp2,result,dst,temptemp2 = temp.copy() #原图备份mask1 = np.zeros(temp2.shape, temp2.dtype)cv2.rectangle(mask1,rect,(255,255,255),-1)result = cv2.seamlessClone(temp2, dst, mask1, (400,200), cv2.MONOCHROME_TRANSFER)cv2.imshow('result',result)
def screenShot(event,x,y,flags,param):global x1,y1,flag,img,tempif event==cv2.EVENT_LBUTTONDOWN: #鼠标左键按下flag = True #表示当前鼠标左键是按下的x1 = xy1 = yelif event==cv2.EVENT_MOUSEMOVE: #鼠标移动if(flag):img = temp.copy()#原图复制(把绘制的矩形清空)cv2.rectangle(img,(x1,y1),(x,y),(0,255,0),2)elif event==cv2.EVENT_LBUTTONUP: #鼠标左键弹起flag = FalseROI = temp[y1:y,x1:x] #---y1:y2, x1:x2gen_light((x1,y1,x-x1,y-y1))img = cv2.imread('light.jpg') #读取图像
dst = cv2.imread("./2.jpg")
temp = img.copy() #原图备份cv2.imshow("result", dst)cv2.namedWindow('selectROI')cv2.setMouseCallback('selectROI',screenShot)while(1):cv2.imshow('selectROI',img)if cv2.waitKey(1)&0xFF==27: #Esc按下退出breakcv2.destroyAllWindows()

(2) C++版本核心代码:

//鼠标事件绘制矩形代码看B站视频,地址:
//https://www.bilibili.com/video/BV1sa4y1s7FR?p=10
Mat src = imread("light.jpg");
Mat dst = imread("2.jpg");Mat mask = Mat::zeros(src.rows, src.cols, src.depth());
rectangle() //绘制mask自己添加
Point center(400,200);
Mat output;
seamlessClone(src, dst, mask, center, output, NORMAL_CLONE);

OpenCV例程:

这篇关于OpenCV图像无缝融合-seamlessClone使用(Python/C++源码)的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/211967

相关文章

中文分词jieba库的使用与实景应用(一)

知识星球:https://articles.zsxq.com/id_fxvgc803qmr2.html 目录 一.定义: 精确模式(默认模式): 全模式: 搜索引擎模式: paddle 模式(基于深度学习的分词模式): 二 自定义词典 三.文本解析   调整词出现的频率 四. 关键词提取 A. 基于TF-IDF算法的关键词提取 B. 基于TextRank算法的关键词提取

基于人工智能的图像分类系统

目录 引言项目背景环境准备 硬件要求软件安装与配置系统设计 系统架构关键技术代码示例 数据预处理模型训练模型预测应用场景结论 1. 引言 图像分类是计算机视觉中的一个重要任务,目标是自动识别图像中的对象类别。通过卷积神经网络(CNN)等深度学习技术,我们可以构建高效的图像分类系统,广泛应用于自动驾驶、医疗影像诊断、监控分析等领域。本文将介绍如何构建一个基于人工智能的图像分类系统,包括环境

python: 多模块(.py)中全局变量的导入

文章目录 global关键字可变类型和不可变类型数据的内存地址单模块(单个py文件)的全局变量示例总结 多模块(多个py文件)的全局变量from x import x导入全局变量示例 import x导入全局变量示例 总结 global关键字 global 的作用范围是模块(.py)级别: 当你在一个模块(文件)中使用 global 声明变量时,这个变量只在该模块的全局命名空

使用SecondaryNameNode恢复NameNode的数据

1)需求: NameNode进程挂了并且存储的数据也丢失了,如何恢复NameNode 此种方式恢复的数据可能存在小部分数据的丢失。 2)故障模拟 (1)kill -9 NameNode进程 [lytfly@hadoop102 current]$ kill -9 19886 (2)删除NameNode存储的数据(/opt/module/hadoop-3.1.4/data/tmp/dfs/na

Hadoop数据压缩使用介绍

一、压缩原则 (1)运算密集型的Job,少用压缩 (2)IO密集型的Job,多用压缩 二、压缩算法比较 三、压缩位置选择 四、压缩参数配置 1)为了支持多种压缩/解压缩算法,Hadoop引入了编码/解码器 2)要在Hadoop中启用压缩,可以配置如下参数

Makefile简明使用教程

文章目录 规则makefile文件的基本语法:加在命令前的特殊符号:.PHONY伪目标: Makefilev1 直观写法v2 加上中间过程v3 伪目标v4 变量 make 选项-f-n-C Make 是一种流行的构建工具,常用于将源代码转换成可执行文件或者其他形式的输出文件(如库文件、文档等)。Make 可以自动化地执行编译、链接等一系列操作。 规则 makefile文件

【C++ Primer Plus习题】13.4

大家好,这里是国中之林! ❥前些天发现了一个巨牛的人工智能学习网站,通俗易懂,风趣幽默,忍不住分享一下给大家。点击跳转到网站。有兴趣的可以点点进去看看← 问题: 解答: main.cpp #include <iostream>#include "port.h"int main() {Port p1;Port p2("Abc", "Bcc", 30);std::cout <<

使用opencv优化图片(画面变清晰)

文章目录 需求影响照片清晰度的因素 实现降噪测试代码 锐化空间锐化Unsharp Masking频率域锐化对比测试 对比度增强常用算法对比测试 需求 对图像进行优化,使其看起来更清晰,同时保持尺寸不变,通常涉及到图像处理技术如锐化、降噪、对比度增强等 影响照片清晰度的因素 影响照片清晰度的因素有很多,主要可以从以下几个方面来分析 1. 拍摄设备 相机传感器:相机传

C++包装器

包装器 在 C++ 中,“包装器”通常指的是一种设计模式或编程技巧,用于封装其他代码或对象,使其更易于使用、管理或扩展。包装器的概念在编程中非常普遍,可以用于函数、类、库等多个方面。下面是几个常见的 “包装器” 类型: 1. 函数包装器 函数包装器用于封装一个或多个函数,使其接口更统一或更便于调用。例如,std::function 是一个通用的函数包装器,它可以存储任意可调用对象(函数、函数

C++11第三弹:lambda表达式 | 新的类功能 | 模板的可变参数

🌈个人主页: 南桥几晴秋 🌈C++专栏: 南桥谈C++ 🌈C语言专栏: C语言学习系列 🌈Linux学习专栏: 南桥谈Linux 🌈数据结构学习专栏: 数据结构杂谈 🌈数据库学习专栏: 南桥谈MySQL 🌈Qt学习专栏: 南桥谈Qt 🌈菜鸡代码练习: 练习随想记录 🌈git学习: 南桥谈Git 🌈🌈🌈🌈🌈🌈🌈🌈🌈🌈🌈🌈🌈�