OpenCV4 新特性 - 图像无缝克隆函数演示

OpenCV学堂

发布于 2022-06-06 16:11:11

7830

发布于 2022-06-06 16:11:11

文章被收录于专栏：贾志刚-OpenCV学堂贾志刚-OpenCV学堂

点击上方蓝字关注我们

微信公众号：OpenCV学堂 关注获取更多计算机视觉与深度学习知识

一：API函数介绍

OpenCV3.x的图像计算模块多了新算法API-无缝克隆(Seamless Cloning)，主要是针对图像编辑，局部修改等应用场景实现迁移对象与原图像场景的无缝克隆。相关函数与参数说明如下：

seamlessClone(InputArray src, // 输入的待克隆的图像，三通道InputArray dst, // 输入的克隆目标图像，三通道InputArray mask, // 遮罩层，大小跟src图像一样大Point p, // 克隆图像在dst图像上的中心位置OutputArray blend, // 克隆完成输出图像int flags // 克隆方法选择)

支持的克隆方法有三种分别如下

- NORMAL_CLONE

把待克隆的src对象完整的插入到dst目标图像图像中去，不改变其轮廓特征与结构

- MIXED_CLONE

混合克隆跟正常克隆相比，它会把背景颜色与纹理考虑进去，对轮廓特征与背景实现透明通道混合。

- MONOCHROME_TRANSFER

基于特征的迁移融合，只会把特征融合到背景图像当中。

二：代码演示

一般我们使用无缝克隆时候最常用设置就是正常克隆，都是想无缝替换或者融合特定对象到场景中去。演示程序主要是基于图像二值化实现自动遮罩层提取生成，然后基于遮罩图像，原图像、目标图像使用无缝克隆算法生成混合之后的输出图像。

案例一：文字融合

文字信息

目标图像

融合效果

遮罩层

演示源码

#include <opencv2/opencv.hpp>#include <iostream>using namespace cv;using namespace std;int main(int argc, char** argv) {    Mat dst = imread("D:/javaopencv/test.png");    Mat image = imread("D:/javaopencv/text_opencv.png");    if (dst.empty() || image.empty()) {        printf("could not load image...\n");        return -1;    }    Mat gray, mask;    cvtColor(image, gray, COLOR_BGR2GRAY);    threshold(gray, mask, 0, 255, THRESH_BINARY | THRESH_OTSU);    Mat k = getStructuringElement(MORPH_RECT, Size(10, 10), Point(-1, -1));    dilate(mask, mask, k);    imshow("mask", mask);    imshow("input", image);    imshow("target", dst);    imwrite("D:/mask.png", mask);    Mat blend;    seamlessClone(image, dst, mask, Point(dst.cols/2, dst.rows/2), blend, NORMAL_CLONE);    imshow("blend-image", blend);    imwrite("D:/blend.png", blend);    waitKey(0);    return 0;}

案例二：对象融合

对象信息

目标图像

融合效果

遮罩层

演示源码

#include <opencv2/opencv.hpp>#include <iostream>using namespace cv;using namespace std;int main(int argc, char** argv) {    Mat dst = imread("D:/javaopencv/landscape.png");    Mat image = imread("D:/javaopencv/myapple.png");    if (dst.empty() || image.empty()) {        printf("could not load image...\n");        return -1;    }    Mat gray, mask;    cvtColor(image, gray, COLOR_BGR2GRAY);    threshold(gray, mask, 0, 255, THRESH_BINARY_INV | THRESH_OTSU);    Mat k = getStructuringElement(MORPH_RECT, Size(10, 10), Point(-1, -1));    dilate(mask, mask, k);    imshow("mask", mask);    imshow("input", image);    imshow("target", dst);    imwrite("D:/mask.png", mask);    add(image, Scalar(100, 100, 100), image, mask);    Mat blend;    seamlessClone(image, dst, mask, Point(dst.cols*0.7, dst.rows/2), blend, NORMAL_CLONE);    imshow("blend-image", blend);    imwrite("D:/blend.png", blend);    waitKey(0);    return 0;}

注意点：

上述代码中，我使用了add来提升输入图像的亮度，这样做的好处是可以让融合之后的图像跟原图更加相似，感兴趣可以尝试注释掉看看会出来什么结果。另外还可以尝试本文中提到另外两种融合方法，这里就不再一一举例说明。

扫码查看OpenCV+OpenVIO+Pytorch系统化学习路线图