如何用OpenCV将证件照的蓝背景替换为纯白色背景？

本文共计2045个文字，预计阅读时间需要9分钟。

本示例介绍了C++利用OpenCV实现证件照蓝底换成白底（或其他颜色）的功能。以下是一个简单的实现过程：

1. 读取证件照图片。

2.将图片转换为灰度图。

3.应用阈值操作，将蓝底区域转换为白色。

4.将处理后的图片保存或显示。

具体步骤如下：

cpp

#include

int main() { // 读取图片 cv::Mat src=cv::imread(path_to_image.jpg);

// 检查图片是否读取成功 if (src.empty()) { std::cout << Image not found! <

// 转换为灰度图 cv::Mat gray; cv::cvtColor(src, gray, cv::COLOR_BGR2GRAY);

// 应用阈值操作 cv::Mat binary; cv::threshold(gray, binary, 0, 255, cv::THRESH_BINARY_INV);

// 将蓝底区域转换为白色 cv::Mat blueMask; cv::inRange(src, cv::Scalar(100, 100, 200), cv::Scalar(255, 255, 255), blueMask);

cv::Mat result; cv::bitwise_and(binary, blueMask, result);

// 保存或显示结果 cv::imwrite(path_to_result.jpg, result); cv::imshow(Result, result); cv::waitKey(0);

return 0;}

注意：以上代码仅为示例，实际使用时请根据实际情况进行调整。

本文实例讲述了C++使用OpenCV实现证件照蓝底换成白底功能（或其他颜色如红色）。分享给大家供大家参考，具体如下：

今天刚好老师要办点事情，老师唯一的一张证件照是蓝色的，但是需要的底色是白色的，于是乎，好久不折腾的PS也忘记了，还好旁边的刚来的小学弟懂一点，

在那里慢慢的帮老师一点点的处理，PS在边缘的地方效果还真不咋地，确实是一门技术活。

于是我就想OpenCV能不能实现呢？一搜百度第一篇就是，但是人家转成红色，然后我又对HSV颜色空间不是很懂，最后在一个学习群里

但是文中未对HSV那一块做出解释，可能是我太菜了

贴出去问了下，一位优秀的本科生帮我清晰解答了，汗颜

主要步骤为：

1.把RGB图像转换到HSV空间

2.取背景的一小块20*20，计算蓝色背景的平均色调和饱和度

3.设置阈值，取出蓝色背景替换为红色背景

4.把HSV图像转换会RGB空间

5.滤波器去除边缘效应

具体代码为：

// change_color.cpp : 定义控制台应用程序的入口点。 //证件照从蓝色底换成红色底 //#include "stdafx.h" #include <iostream> #include <opencv2\core\core.hpp> #include <opencv2\highgui\highgui.hpp> #include <opencv2\imgproc\imgproc.hpp> using namespace cv; using namespace std; int main() { char *origin="Original"; char *window="Image"; char *str="C:\\Users\\ltc\\Desktop\\nihao.jpg"; namedWindow(origin,1); namedWindow(window,1); Mat image=imread(str); if(!image.data) { cout<<"图像载入出现问题"<<endl; return 0; } Mat roi=image(Rect(20,20,20,20)); Mat hsvImg; cvtColor(image, hsvImg, CV_BGR2HSV); //将图像转换到HSV颜色空间 //分离HSV空间，v[0]为H色调，v[1]为S饱和度，v[2]为v灰度 vector<Mat> v; split(hsvImg,v); Mat roiH=v[0](Rect(20,20,20,20)); Mat roiS=v[1](Rect(20,20,20,20)); int SumH=0; int SumS=0; int avgH, avgS;//蓝底的平均色调和平均饱和度 //取一块蓝色背景，计算出它的平均色调和平均饱和度 for(int i=0; i<20; i++) { for(int j=0; j<20; j++) { /*SumH=SumH+roiH(i,j);*/ SumH=int(roiH.at<uchar>(j,i))+SumH; SumS=int(roiS.at<uchar>(j,i))+SumS; } } avgH=SumH/400; avgS=SumS/400; //遍历整个图像 int nl=hsvImg.rows; int nc=hsvImg.cols; int step=10; for(int j=0; j<nl; j++) { for(int i=0; i<nc; i++) { //以H.S两个通道做阈值分割，把蓝色替换成红色 if((v[0].at<uchar>(j,i))<=(avgH+5) && v[0].at<uchar>(j,i)>=(avgH-5) &&(v[1].at<uchar>(j,i))<=(avgS+40) && v[1].at<uchar>(j,i)>=(avgS-40)) { //cout<<int(v[0].at<uchar>(j,i))<<endl; //红色底 //v[0].at<uchar>(j,i)=0; //白色底 v[0].at<uchar>(j,i)=0; v[1].at<uchar>(j,i)=0; //V[0]和V[1]全调成0就是变成白色 //绿色底 //v[0].at<uchar>(j,i)=60; //蓝色底 //v[0].at<uchar>(j,i)=120; /*cout<<int(v[0].at<uchar>(j,i))<<endl;*/ } } } Mat finImg; merge(v,finImg); Mat rgbImg; cvtColor(finImg,rgbImg, CV_HSV2BGR); //将图像转换回RGB空间 imshow(origin,image); imshow(window,rgbImg); //加个滤波把边缘部分的值滤掉（此处应该用低通滤波器，但感觉不太好，还是不用了。） Mat result; GaussianBlur(rgbImg,result,Size(3,3),0.5); imshow(window,result); imwrite("nihaoWhite.jpg",result); waitKey(0); //system("pause"); return 0; } ////遍历整个图像 //int nl=hsvImg.rows; //int nc=hsvImg.cols * hsvImg.channels(); //for(int j=0; j<nl; j++) //{ // uchar *data=hsvImg.ptr<uchar>(j); // for(int i=0; i<nc; i++) // { // cout<<int(data[i])<<" "; // } //}

这里面主要说明一下：

HSV模型

倒锥形模型：

这个模型就是按色彩、深浅、明暗来描述的。

H是色彩

S是深浅， S = 0时，只有灰度

V是明暗，表示色彩的明亮程度，但与光强无直接联系，（意思是有一点点联系吧）。

在这个程序里

色调主要是由V[0]来控制的

hsv是一个360度的模型 每个角度代表一种颜色

0度是红色

120度是绿色

240度是蓝色

但是OpenCV里最大值是255 所以它会对色调除以2，就是最大值是180

绿色对应的让它等于60 蓝色对应的就是120

换不同的背景只需要改动：

//红色底 v[0].at<uchar>(j,i)=0; //白色底 v[0].at<uchar>(j,i)=0; v[1].at<uchar>(j,i)=0; //V[0]和V[1]全调成0就是变成白色 //绿色底 v[0].at<uchar>(j,i)=60; //蓝色底 v[0].at<uchar>(j,i)=120;

改动的位置就不需要说明了吧！这个方法的效果确实不错，大赞！

毕竟是老师的图片，不能轻易放出来，网上的也不能随便用吧！哈哈

那就放张我最爱的崩坏3吧！

附录

提取图像中指定颜色的像素区域

#include<iostream> #include<opencv2/core/core.hpp> #include<opencv2/imgproc/imgproc.hpp> #include<opencv2/highgui/highgui.hpp> using namespace cv; class ColorDetector { private: //最小可接受距离 int minDist; //目标色 cv::Vec3b target; //结果图像 cv::Mat result; //计算与目标颜色的距离 int getDistance(cv::Vec3b color) { return abs(color[0] - target[0]) + abs(color[1] - target[1]) + abs(color[2] - target[2]); } public: //空构造函数 ColorDetector() :minDist(100) { //初始化默认参数 target[0] = target[1] = target[2] = 0; } void setColorDistanceThreshold(int distance); int getColorDistanceThreshold() const; void setTargetColor(unsigned char red, unsigned char green, unsigned char blue); void setTargetColor(cv::Vec3b color); cv::Vec3b getTargetColor() const; cv::Mat ColorDetector::process(const cv::Mat &image); }; //设置色彩距离阈值，阈值必须是正的，否则设为0 void ColorDetector::setColorDistanceThreshold(int distance) { if (distance < 0) distance = 0; minDist = distance; } //获取色彩距离阈值 int ColorDetector::getColorDistanceThreshold() const { return minDist; } //设置需检测的颜色 void ColorDetector::setTargetColor(unsigned char red, unsigned char green, unsigned char blue) { //BGR顺序 target[2] = red; target[1] = green; target[0] = blue; } //设置需检测的颜色 void ColorDetector::setTargetColor(cv::Vec3b color) { target = color; } //获取需检测的颜色 cv::Vec3b ColorDetector::getTargetColor() const { return target; } cv::Mat ColorDetector::process(const cv::Mat &image)//核心的处理方法 { //按需重新分配二值图像 //与输入图像的尺寸相同，但是只有一个通道 result.create(image.rows, image.cols, CV_8U); //得到迭代器 cv::Mat_<cv::Vec3b>::const_iterator it = image.begin<cv::Vec3b>(); cv::Mat_<cv::Vec3b>::const_iterator itend = image.end<cv::Vec3b>(); cv::Mat_<uchar>::iterator itout = result.begin<uchar>(); for (; it != itend; ++it, ++itout)//处理每个像素 { //计算离目标颜色的距离 if (getDistance(*it) < minDist) { *itout = 255; } else { *itout = 0; } } return result; } int _tmain(int argc, _TCHAR* argv[]) { //1.创建图像处理的对象 ColorDetector cdetect; //2.读取输入图像 cv::Mat image = cv::imread("boldt.jpg"); if (!image.data) { return 0; } //3.设置输入参数 cdetect.setTargetColor(130, 190, 230);//蓝天的颜色 cv::namedWindow("result"); //4.处理并显示结果 cv::imshow("result", cdetect.process(image)); cv::waitKey(); return 0; }

希望本文所述对大家C++程序设计有所帮助。