使用 Python 的图像前景提取技术

如何解决使用 Python 的图像前景提取技术

我使用 OpenCV 在 python 中准备了一段代码，用于提取图像中的前景。我的程序正在获取图像流，我需要从这些图像中提取对象。

图片包括鞋子、包包或衣服等产品。大多数图像都有白色背景，但有时我也会得到灰色渐变背景。我使用阈值将前景与背景分离并提取对象。

但问题是，即使我假设背景是白色并设置了固定的上限和下限阈值，我有时也会在对象中得到白色并且阈值无法呈现正确的输出。

我想知道计算机视觉中有哪些好的方法可以用来在此处获得最佳结果？

解决方法

你可以得到这样的结果：

使用canny边缘检测器，膨胀和腐蚀：

import cv2
import numpy as np

def process(img):
    img_gray = cv2.cvtColor(img,cv2.COLOR_BGR2GRAY)
    img_canny = cv2.Canny(img_gray,12,54)
    kernel = np.ones((3,3))
    img_dilate = cv2.dilate(img_canny,kernel,iterations=10)
    img_erode = cv2.erode(img_dilate,iterations=8)
    return img_erode

img = cv2.imread("robe.jpg")
contours,_ = cv2.findContours(process(img),cv2.RETR_EXTERNAL,cv2.CHAIN_APPROX_NONE)
cv2.drawContours(img,contours,-1,(0,255,0),2)
cv2.imshow("Image",img)
cv2.waitKey(0)

process 函数的解释：

1. 首先，将图像转换为灰度，以便在其上使用 canny 边缘检测器。然后，使用 canny 边缘检测器检测其边缘：

def process(img):
    img_gray = cv2.cvtColor(img,54)

2. 定义用于膨胀和腐蚀图像的内核：

    kernel = np.ones((3,3))

3. 最后，对图像进行多次迭代以填充间隙、去除噪声并平滑边缘的凹凸。当然，膨胀会使边缘变厚，所以在那之后，侵蚀图像以将它们缩小。但是由于在膨胀之前边缘有很多间隙，因此通过较少的迭代来侵蚀图像。返回被侵蚀的图像：

    img_dilate = cv2.dilate(img_canny,iterations=8)
    return img_erode