通過背景建模的方法，對源圖像中的動態人物前景進行分割，再將目標圖像作為背景，進行合成操作，獲得一個可用的合成影像。

實現步驟如下。

BackgroundSubtractorMOG2是一個以高斯混合模型為基礎的背景前景分割算法，

混合高斯模型

分布概率是K個高斯分布的和，每個高斯分布有屬于自己的 μμ 和 σσ 參數，以及對應的權重參數，權重值必須為正數，所有權重的和必須等于1，以確保公式給出數值是合理的概率密度值。換句話說如果我們把該公式對應的輸入空間合并起來，結果將等于1。

回到原算法，它的一個特點是它為每一個像素選擇一個合適數目的高斯分布。基于高斯模型的期望和標準差來判斷混合高斯模型模型中的哪個高斯模型更有可能對應這個像素點，如果不符合就會被判定為前景。

創建級聯分類器

face_cascade = cv2.CascadeClassifier()face_cascade.load( ’/usr/local/anaconda3/envs/OpenCV/lib/python3.8/site-packages/cv2/data/haarcascade_frontalface_default.xml’)

使用OpenCV自帶的級聯分類器，加載OpenCV的基礎人像識別數據。

識別源圖像中的人像

faces = face_cascade.detectMultiScale(gray, 1.3, 5)使用形態學填充分割出來的前景

# 形態學開運算去噪點fgmask = cv2.morphologyEx(fgmask, cv2.MORPH_OPEN, kernel)for i in range(15): fgmask = cv2.dilate(fgmask, kernel, iterations=1)

通過開操作去掉前景圖像數組中的噪點，然后重復進行膨脹，填充前景輪廓。

def resolve(o_img, mask, faces): if len(faces) == 0: return (x, y, w, h) = faces[0] rgb_mask_front = cv2.cvtColor(mask, cv2.COLOR_GRAY2BGR) rgb_mask_front = cv2.bitwise_not(rgb_mask_front) cv2.circle(rgb_mask_front, (int(x + w / 2), int(y + h / 2)), int((w + h) / 4), (0, 0, 0), thickness=-1) o_img = cv2.subtract(o_img, rgb_mask_front) return o_img

將分割出來的部分取反再與源圖像進行減操作，相當于用一個Mask從原圖中摳出一部分。

再與背景進行加操作

out = resolve(frame, fgmask, faces)out = cv2.add(out, c_frame)代碼實現

import numpy as npimport cv2import os# 經典的測試視頻camera = cv2.VideoCapture(’./source/background_test2.avi’)cap = cv2.VideoCapture(’./source/camera_test2.avi’)face_cascade = cv2.CascadeClassifier()face_cascade.load( os.getcwd()+’/source/haarcascade_frontalface_default.xml’)# 形態學操作需要使用kernel = cv2.getStructuringElement(cv2.MORPH_ELLIPSE, (3, 3))# 創建混合高斯模型用于背景建模fgbg = cv2.createBackgroundSubtractorMOG2(detectShadows=False)def resolve(o_img, mask, faces): if len(faces) == 0: return (x, y, w, h) = faces[0] rgb_mask_front = cv2.cvtColor(mask, cv2.COLOR_GRAY2BGR) rgb_mask_front = cv2.bitwise_not(rgb_mask_front) cv2.circle(rgb_mask_front, (int(x + w / 2), int(y + h / 2)), int((w + h) / 4), (0, 0, 0), thickness=-1) o_img = cv2.subtract(o_img, rgb_mask_front) return o_imgwhile True: ret, frame = cap.read() c_ret, c_frame = camera.read() gray = cv2.cvtColor(frame, cv2.COLOR_BGR2GRAY) fgmask = fgbg.apply(frame) # 形態學開運算去噪點 fgmask = cv2.morphologyEx(fgmask, cv2.MORPH_OPEN, kernel) gray_camera = cv2.cvtColor(c_frame, cv2.COLOR_BGR2GRAY) for i in range(15): fgmask = cv2.dilate(fgmask, kernel, iterations=1) faces = face_cascade.detectMultiScale(gray, 1.3, 5) out = resolve(frame, fgmask, faces) out = cv2.add(out, c_frame) cv2.imshow(’Result’, out) cv2.imshow(’Mask’, fgmask) k = cv2.waitKey(150) & 0xff if k == 27: breakout.release()camera.release()cap.release()cv2.destroyAllWindows()

以上就是python 使用OpenCV進行簡單的人像分割與合成的詳細內容，更多關于python opencv人像分割與合成的資料請關注好吧啦網其它相關文章！