OpenCV实现背景分离(证件照背景替换)

第OpenCV实现背景分离(证件照背景替换)我对比了百度搜索证件照一键改色网站的效果，基本一致，它们处理一次4块钱，我们这是免费的，授人以鱼不如授人以渔对吧，学到就是赚到。当然人家的功能肯定更强大，估计集成了深度学习一类的框架，我们还需要调参。美中不足的地方就由兄弟们一起改进了。

细心的biliy发现了我贴图的问题，如图1图2图3所示，领口处被当做背景色了，这样当然不行，接下来开始改进功能。

1）首先分析原因，之所以领口被当做背景色，是因为领口为白色，同背景色一致，且连接图像边缘处，进行轮廓分析时，错将这个领口识别为轮廓外，如图4所示。

图4识别失败

2）正如图4所示，仅仅用闭运算是无法有效补偿的，如果将窗口尺寸加大还可能使其他位置过度填充，接下来考虑如何只填充这类大洞。先将处理图像的宽高各扩展50个pixel，这样做的好处是令轮廓的识别更精准和清晰，并且避免了头顶处因贴近图像边缘，而导致的过度膨胀现象。

cv::Mattmask=cv::Mat::zeros(row+50,col+50,CV_8UC1);

mask.copyTo(tmask(cv::Range(25,25+mask.rows),cv::Range(25,25+mask.cols)));

3）之后进行黑帽运算，即闭运算减原图，得到图5。

图5黑帽运算

4）用Clear_MicroConnected_Area函数清除小面积连通区，得到图6。

（该函数介绍见：/article/221904.htm）

图6清除小面积连通区

5）黑帽运算结果加至原轮廓图，并截取实际图像尺寸。

//黑帽运算获取同背景色类似的区域，识别后填充

cv::Mathat;

cv::Matelement=getStructuringElement(MORPH_ELLIPSE,Size(31,31));

cv::morphologyEx(tmask,hat,MORPH_BLACKHAT,element);

hat.setTo(255,hat

cv::Mathatd;

//清除小面积区域

Clear_MicroConnected_Areas(hat,hatd,450);

tmask=tmask+hatd;

//截取实际尺寸

mask=tmask(cv::Range(25,25+mask.rows),cv::Range(25,25+mask.cols)).clone();

6）至此，就得到完整的轮廓了，如图7所示，完整代码见后方。

图7完整轮廓图

完整改进代码

#includeopencv2/opencv.hpp

#includeiostream

#includealgorithm

#includetime.h

usingnamespacecv;

usingnamespacestd;

//输入参数

structInputparama{

intthresh=30;//背景识别阈值，该值越小，则识别非背景区面积越大，需有合适范围，目前为5-60

inttransparency=255;//背景替换色透明度，255为实，0为透明

intsize=7;//非背景区边缘虚化参数，该值越大，则边缘虚化程度越明显

cv::Pointp=cv::Point(0,0);//背景色采样点，可通过人机交互获取，也可用默认(0,0)点颜色作为背景色

cv::Scalarcolor=cv::Scalar(255,255,255);//背景色

cv::MatBackgroundSeparation(cv::Matsrc,Inputparamainput);

voidClear_MicroConnected_Areas(cv::Matsrc,cv::Matdst,doublemin_area);

//计算差值均方根

intgeiDiff(ucharb,ucharg,ucharr,uchartb,uchartg,uchartr)

returnint(sqrt(((b-tb)*(b-tb)+(g-tg)*(g-tg)+(r-tr)*(r-tr))/3));

intmain()

cv::Matsrc=imread("111.jpg");

Inputparamainput;

input.thresh=100;

input.transparency=255;

input.size=6;

input.color=cv::Scalar(0,0,255);

clock_ts,e;

s=clock();

cv::Matresult=BackgroundSeparation(src,input);

e=clock();

doubledif=e-s;

cout"time:"difendl;

imshow("original",src);

imshow("result",result);

imwrite("result1.png",result);

waitKey(0);

return0;

//背景分离

cv::MatBackgroundSeparation(cv::Matsrc,Inputparamainput)

cv::Matbgra,mask;

//转化为BGRA格式，带透明度，4通道

cvtColor(src,bgra,COLOR_BGR2BGRA);

mask=cv::Mat::zeros(bgra.size(),CV_8UC1);

introw=src.rows;

intcol=src.cols;

//异常数值修正

input.p.x=max(0,min(col,input.p.x));

input.p.y=max(0,min(row,input.p.y));

input.thresh=max(5,min(200,input.thresh));

input.transparency=max(0,min(255,input.transparency));

input.size=max(0,min(30,input.size));

//确定背景色

ucharref_b=src.atVec3b(input.p.y,input.p.x)[0];

ucharref_g=src.atVec3b(input.p.y,input.p.x)[1];

ucharref_r=src.atVec3b(input.p.y,input.p.x)[2];

//计算蒙版区域（掩膜）

for(inti=0;irow;++i)

uchar*m=mask.ptruchar

uchar*b=src.ptruchar

for(intj=0;jcol;++j)

if((geiDiff(b[3*j],b[3*j+1],b[3*j+2],ref_b,ref_g,ref_r))input.thresh)

m[j]=255;

cv::Mattmask=cv::Mat::zeros(row+50,col+50,CV_8UC1);

mask.copyTo(tmask(cv::Range(25,25+mask.rows),cv::Range(25,25+mask.cols)));

//寻找轮廓，作用是填充轮廓内黑洞

vectorvectorPointcontour;

vectorVec4ihierarchy;

//RETR_TREE以网状结构提取所有轮廓，CHAIN_APPROX_NONE获取轮廓的每个像素

findContours(tmask,contour,hierarchy,RETR_EXTERNAL,CHAIN_APPROX_NONE);

drawContours(tmask,contour,-1,Scalar(255),FILLED,16);

//黑帽运算获取同背景色类似的区域，识别后填充

cv::Mathat;

cv::Matelement=getStructuringElement(MORPH_ELLIPSE,Size(31,31));

cv::morphologyEx(tmask,hat,MORPH_BLACKHAT,element);

hat.setTo(255,hat

cv::Mathatd;

Clear_MicroConnected_Areas(hat,hatd,450);

tmask=tmask+hatd;

mask=tmask(cv::Range(25,25+mask.rows),cv::Range(25,25+mask.cols)).clone();

//掩膜滤波，是为了边缘虚化

cv::blur(mask,mask,Size(2*input.size+1,2*input.size+1));

//改色

for(inti=0;irow;++i)

uchar*r=bgra.ptruchar

uchar*m=mask.ptruchar

for(intj=0;jcol;++j)

//蒙版为0的区域就是标准背景区

if(m[j]==0)

r[4*j]=uchar(input.color[0]);

r[4*j+1]=uchar(input.color[1]);

r[4*j+2]=uchar(input.color[2]);

r[4*j+3]=uchar(input.transparency);

//不为0且不为255的区域是轮廓区域（边缘区），需要虚化处理

elseif(m[j]!=255)

//边缘处按比例上色

intnewb=(r[4*j]*m[j]*0.3+input.color[0]*(255-m[j])*0.7)/((255-m[j])*0.7+m[j]*0.3);

intnewg=(r[4*j+1]*m[j]*0.3+input.color[1]*(255-m[j])*0.7)/((255-m[j])*0.7+m[j]*0.3);

intnewr=(r[4*j+2]*m[j]*0.3+input.color[2]*(255-m[j])*0.7)/((255-m[j])*0.7+m[j]*0.3);

intnewt=(r[4*j+3]*m[j]*0.3+input.transparency*(255-m[j])*0.7)/((255-m[j])*0.7+m[j]*0.3);

newb=max(0,min(255,newb));

newg=max(0,min(255,newg));

newr=max(0,min(255,newr));

newt=max(0,min(255,newt));

r[4*j]=newb;

r[4*j+1]=newg;

r[4*j+2]=newr;

r[4*j+3]=newt;

returnbgra;

voidClear_MicroConnected_Areas(cv::Matsrc,cv::Matdst,doublemin_area)

//备份复制

dst=src.clone();

std::vectorstd::vectorcv::Pointcontours;//创建轮廓容器

std::vectorcv::Vec4ihierarchy;

//寻找轮廓的函数

//第四个参数CV_RETR_EXTERNAL，表示寻找最外围轮廓

//第五个参数CV_CHAIN_APPROX_NONE，表示保存物体边界上所有连续的轮廓点到contours向量内

cv::findContours(src,contours,hierarchy,cv::RETR_EXTERNAL,cv::CHAIN_APPROX_NONE,cv::Point());

if(!contours.empty()